JACC:经导管主动脉瓣置换术后院内死亡率的机器学习预测模型
2019-07-22 xiangting MedSci原创
机器学习方法可以生成强大的模型来预测TAVR的院内死亡率。
这项研究旨在开发和比较一系列的机器学习方法,以预测美国经导管主动脉瓣置换术(TAVR)后的院内死亡率。
现有的使用统计建模方法预测TAVR患者院内并发症的风险预测工具存在局限性。
从全国住院样本数据库中获得2012年至2015年的患者数据。数据随机分为开发队列(n=7,615)和验证队列(n=3,268)。使用Logistic回归、人工神经网络、朴素贝叶斯和随机森林机器学习算法来获得院内死亡率的预测模型。
这项研究共分析了10,883例TAVRs。总体的院内死亡率为3.6%。总体而言,由曲线下面积衡量的预测模型性能良好(>0.80)。通过logistic回归获得了最佳模型(曲线下面积:0.92; 95%置信区间:0.89至0.95)。大多数模型在引入10个变量后达到稳定水平。急性肾损伤是院内死亡率的主要预测因子,在所有模型中的平均重要性最高。在可用的TAVR预测评分中,全国住院患者样本TAVR评分辨别力最佳。
机器学习方法可以生成强大的模型来预测TAVR的院内死亡率。对于TAVR患者的预后和共同决策,应考虑全国住院患者样本TAVR评分。
原始出处:
Dagmar F. Hernandez-Suarez. Machine Learning Prediction Models for In-Hospital Mortality After Transcatheter Aortic Valve Replacement. JACC:Cardiovascular Interventions. 22 July 2019.
本文系梅斯医学(MedSci)原创编译整理,转载需授权!
作者:xiangting
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
#置换#
30
#JACC#
27
#院内死亡#
39
#置换术#
27
#经导管主动脉瓣置换#
26