Eur J Heart Fail：可准确预测心衰患者死亡风险的机器学习风险评分
2021-03-29 MedSci原创 MedSci原创
准确评估患者的死亡风险是许多治疗决策过程中的重要组成部分。
心力衰竭(HF)指南建议根据左心室射血(LVEF)对患者进行分类。然而，死亡风险在每一类中都有很大差异，单个患者的死亡可能性往往是不确定的。准确评估患者的死亡风险是许多治疗决策过程中的重要组成部分。
Greenberg等研究人员评估了一种新开发的基于机器学习的风险评分，MARKER-HF，在预测三种指南定义的HF类别患者死亡率方面的准确性，以及其区分每一类别患者死亡风险的能力。
研究人员采用MARKER-HF评估了一个医院队列中4064例患者的死亡风险，这些患者被划分为LVEF降低组(HFrEF)、LVEF中段组(HFmrEF)和LVEF保留组(HFpEF)。
MARKER-HF预测的各类HF患者的死亡风险
在预测死亡率方面，MARKER-HF的准确性明显高于LVEF，而且在所有三种HF类别中都非常准确，c-统计量在0.83到0.89之间。此外，MARKER-HF准确区分了根据指南划分的每一类HF中高、中、低死亡风险水平的患者。
综上，MARKER-HF能准确预测采用管理建议指南划分的三类HF患者的死亡率，并可将每一类患者都再细化出高、中、低死亡风险。MARKER-HF死亡风险预测应该有助于提供旨在减轻这种风险的治疗的建议，特别是当这些治疗成本高昂或与不良事件相关时。
原始出处：
Greenberg Barry,Adler Eric,Campagnari Claudio et al. A Machine Learning Risk Score Predicts Mortality Across the Spectrum of Left Ventricular Ejection Fraction. Eur J Heart Fail, 2021, https://doi.org/10.1002/ejhf.2155
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
#患者死亡#
33
#死亡风险#
42
#ART#
43
#心衰患者#
42
#HEART#
37