急性心力衰竭患者90天生存预测模型的建立与评价
郑亮亮1
王俊杰2
王凡1
全锦花1
陈曦1
温伟1
1.100730 北京,北京医院急诊科国家老年医学中心中国医学科学院老年医学研究院2.100730 北京,北京医院急诊科国家老年医学中心中国医学科学院老年医学研究院神经外科
摘要：目的 利用机器学习算法辅助建立急性心力衰竭(AHF)患者中、短期生存预测模型,分析其预后影响因素并进行验证.方法 回顾性分析北京医院急诊科2021年7月至2025年2月收治的AHF患者的临床资料,包括人口统计学信息、基础疾病、生命体征、合并症、7天以内的实验室检查指标、诊断和治疗等,根据随访90天的临床结局分为存活组和死亡组.采用L1正则化的Logistic回归分析、随机森林法和极限梯度提升法纳入临床资料及其一阶数据,分别以生存结局建立预测模型,评估模型预测效能;进行内部验证,并筛选影响预后的主要临床因素,同时分析影响不同时点生存状态的因素差异,随后对模型中排名靠前的参数进行定量分析及生存分析以量化其预测效能.结果 基于就诊后90天的生存状况将患者分为存活组102例,死亡组66例,存活组和死亡组的单变量差异有统计学意义.在90天预后模型中随机森林法预测效果最佳,曲线下面积(AUC)为0.782,准确率为0.667,敏感度为0.838,特异度为0.600,模型重要性前五位的因素依次为第7天的D-二聚体、第3天的舒张压、第7天和第5天的肌钙蛋白I和第7天的N-末端脑钠肽前体(NT-proBNP).进一步探索发现90天的其他模型以及30、60、90天的预测模型中重要性排名前列的因素有较高的重合性,第7天的尿素氮和D-二聚体在多个模型中排名均位于前两位.然后采用Logistic回归分析量化第7天的尿素氮和D-二聚体对90天生存的预测价值,发现两者均有独立预测价值,且联合预测价值更大.生存分析发现两参数的水平对生存率有显著影响.结论 本研究通过机器学习算法,基于常见临床因素建立了 AHF患者90天生存预测模型,并进一步量化和验证关键指标对生存率的预测效能.模型显示,AHF患者入院后第7天的尿素氮和D-二聚体对90天生存预后具有较高的预测价值,在更短期的预后(30天和60天)预测中有类似趋势.
关键词：急性心力衰竭机器学习生存分析预测模型
资助基金：社会团体基金(BJ-2022-203)
论文发表日期：2025-07-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 595-602 )
英文信息