Hypertension: 机器学习模型精准预测青年高血压转归!

2020-03-23 吴雪怡 中国循环杂志

近日,阜外医院宋雷教授与北京航空航天大学周晟瀚教授团队在Hypertension杂志在线发表研究,应用新的机器学习算法,对青年高血压数据建模预测高血压相关终点事件并取得良好的预测效果。

近日,阜外医院宋雷教授与北京航空航天大学周晟瀚教授团队在Hypertension杂志在线发表研究,应用新的机器学习算法,对青年高血压数据建模预测高血压相关终点事件并取得良好的预测效果。

该研究证实了机器学习在年轻高血压预后精准分层中的应用价值,有望为临床决策提供新的工具。

该研究纳入508例因高血压住院、临床及随访资料完整的14~39岁高血压患者。

该人群经过中位数为33个月的随访期,共观测到包括全因死亡、心脑血管疾病、终末期肾病在内的复合终点事件42例。

研究者纳入58项基线数据及随访终点建立数据集,应用递归特征消除和XGBoost机器学习算法建立由左心房内径、HDL-C、大内皮素、右臂舒张压、右下肢收缩压、左下肢收缩压、右下肢舒张压、左臂收缩压、平均夜间血氧饱和度、以往最大收缩压和尿素这11个变量组成的预测模型。

应用机器学习方法对年轻高血压患者终点事件建模时,包含11个变量的机器学习预测模型可获得最佳预测效果,其中夜间平均血氧饱和度、大内皮素和同步四肢血压测量值可能是新的年轻高血压预后预测因子。

与传统方法相比,机器学习方法预测年轻高血压终点事件的模型校准度高,预测能力(区分度)与COX回归方法具有可比性,并且高于重新校准的FRS方法。


研究者表示,现有的心血管疾病预后模型主要是根据中老年人群的研究建立,与年轻患者的特征存在差异, 而高质量的年轻高血压研究资料极其缺乏,尚无针对年轻高血压患者预后的风险预测模型。因此,年轻高血压患者预后的精准分层一直是亟待解决的临床难题。

本研究首次建立了预测年轻高血压患者预后的机器学习模型,并通过与传统的统计学方法和经典的临床工具比较,证实了机器学习方法在心血管疾病风险预测中的价值,为进一步应用人工智能相关技术指导心血管疾病的临床决策提供了研究方向。

同时,本研究通过机器学习算法筛选新的预测因子,为理解年轻高血压病理生理机制和发掘治疗靶点提供了新的研究思路。


原始出处:
Wu X, Yuan X, Wang W, et al. Value of a Machine Learning Approach for Predicting Clinical Outcomes in Young Patients With Hypertension. Hypertension, 2020, published online.



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. 2020-03-23 CHANGE

    梅斯里提供了很多疾病的模型计算公式,赞一个!

    0

相关资讯

JAMA:工作场所健康促进结合社区高血压干预有效

我国职业人群高血压流行形势严峻,并且有很大比例的人群血压水平处于正常高值,这些人在未来有较大几率发展为高血压和冠心病,在可预见的将来会为家庭和社会带来巨大的经济负担。

Hypertension:最常用的量血压方法竟“不靠谱”!年纪越大越不准……

众所周知,血压是众多心脑血管疾病的主要风险因素,上臂袖带法是临床和日常生活中我们最常使用的血压测量方法。

JAMA Intern Med:肾功能下降的高血压患者仍需坚持服药

对于肾功能下降的高血压患者,坚持血管紧张素转换酶抑制剂和血管紧张素II受体阻滞剂治疗可改善心血管功能,且不会增加终末期肾病风险

BMJ: 减少饮食中钠的剂量对血压水平的影响

背景及目的: 本项研究旨在探讨减少饮食钠与血压变化之间的剂量反应关系,并探讨干预时间的影响。

Hypertension:抗高血压饮食方案下,钠盐摄入减少不会导致体重增加

近期两项研究的结果对传统观念中哺乳动物钠的生理学作用可能带来挑战,新研究结果提示,钠盐摄入减少可改变新陈代谢导致体重增加。这一新理论对全人群饮食建议具有重要意义。但这些观察结果并未得到进一步研究证实。

ANN:老人白天老打瞌睡不是好事儿!

对于很多老年人,眯着眼睛躺在躺椅上一睡半天好似很惬意。 但近日美国斯坦福大学进行的一项研究发现,白日嗜睡不是什么好事儿,会增加糖尿病、癌症以及高血压等疾病风险。