典型文献
基于中医证候和机器学习构建慢性心力衰竭中西医结合预后模型
文献摘要:
目的 应用机器学习方法探讨中医证候要素对慢性心力衰竭(CHF)预后模型的意义,并建立以中医证候要素为基础的中西医结合CHF预后模型.方法 纳入2018年1月1日至2021年4月30日收入中日友好医院心内科住院治疗的CHF患者,收集患者人口统计学资料、共病、检验检查和中医证候要素等信息.主要终点为1年内因心力衰竭再住院或心血管死亡复合事件的发生.采用适用于高维数据筛选的最小绝对收缩和选择算子(LASSO)方法从数据集中选择最有用的预测变量,通过Cox多因素回归分析确定最终的独立危险因素并建立可视化列线图.结果 本研究最终纳入164人,平均年龄(72.23±14.16)岁,男性占37.2%.运用LASSO机器学习方法从临床变量中共筛选出9个因素,包括冠心病、高血压、尿酸、N末端B型利钠肽原(NT-proBNP)、左心室射血分数(LVEF)、肌酸激酶同工酶MB、肌红蛋白、气虚和阴虚.经Cox多因素回归分析后发现,NT-proBNP、LVEF、气虚、高血压和冠心病5个因素与CHF患者预后独立相关.结论 中医证候要素气虚是CHF患者1年内因心力衰竭再住院或心血管死亡事件的独立预测因子;中西医结合CHF预后模型具有较高的准确性.
文献关键词:
慢性心力衰竭;证候要素;中西医结合;机器学习;预后模型
中图分类号:
作者姓名:
樊佳赛;杜艺菲;许佳颖;陈思臻;高永桧;任景怡
作者机构:
北京中医药大学 临床医学院,北京100105;中日友好医院 心脏科 心衰中心,北京100029
文献出处:
引用格式:
[1]樊佳赛;杜艺菲;许佳颖;陈思臻;高永桧;任景怡-.基于中医证候和机器学习构建慢性心力衰竭中西医结合预后模型)[J].基础医学与临床,2022(08):1169-1175
A类:
B类:
慢性心力衰竭,中西医结合,预后模型,机器学习方法,中医证候要素,CHF,中日友好医院,心内科,住院治疗,人口统计学,共病,检查和,主要终点,内因,再住院,心血管死亡,高维数据,数据筛选,最小绝对收缩和选择算子,LASSO,预测变量,Cox,多因素回归分析,列线图,平均年龄,冠心病,尿酸,型利钠肽原,NT,proBNP,左心室射血分数,LVEF,肌酸激酶同工酶,MB,肌红蛋白,气虚,阴虚,预测因子
AB值:
0.231898
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。