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
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。
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。
相关文章
评论
我要跟帖
.jpg)
