急性ST段抬高型心肌梗死院内主要不良心血管事件机器学习预测研究
王政
张婷
杨林飞
许明生
张建
张静
230011 安徽省合肥市,合肥市第二人民医院(安徽医科大学附属合肥医院)心血管内科
摘要：目的 构建急性ST段抬高型心肌梗死(STEMI)院内主要不良心血管事件(MACE)可解释性预测模型.方法 回顾性纳入2019年6月至2023年6月在合肥市第二人民医院收治的514例STEMI患者,依据是否发生MACE将患者分为两组.采用Logistic回归(LR)、支持向量机(SVM)和随机森林(RF)3种机器学习算法构建STEMI患者院内MACE预测模型,并通过敏感度、特异度、准确度、F1分数、受试者工作特征曲线(ROC)下面积(AUC)和校准曲线比较模型的预测效能.采用DALEX算法可视化最佳模型中危险因素的重要性排序.结果 23.15％的STEMI患者发生MACE.LR预测模型AUC为83.9％,效能最佳.DALEX显示,Killip分级、同型半胱氨酸、尿素、肌酐和入院收缩压是STEMI患者发生MACE前五的危险因素.结论 LR机器学习算法在预测STEMI患者院内MACE方面具有良好的效能,Killip分级、同型半胱氨酸、尿素、肌酐和入院收缩压为重要危险因素.
关键词：急性ST段抬高型心肌梗死主要不良心血管事件机器学习预测模型
分类号：R542.2(心脏、血管（循环系）疾病)
论文发表日期：2025-02-09
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：6( 115-120 )
英文信息