基于多种机器学习算法的老年瓣膜性心脏病患者术后院内死亡风险因素分析

作     者：朱坤 林宏远 龚嘉淼 安康 郑哲 侯剑峰 ZHU Kun;LIN Hongyuan;GONG Jiamiao;AN Kang;ZHENG Zhe;HOU Jianfeng

作者机构：中国医学科学院、北京协和医学院、国家心血管病中心、阜外医院、成人外科中心北京100037 

出 版 物：《中国循环杂志》 (Chinese Circulation Journal)

年 卷 期：2024年第39卷第3期

页      面：249-255页

核心收录：

学科分类：1002[医学-临床医学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：国家重点研发计划(2020YFC2008100) 中国医学科学院阜外医院人工智能与信息化应用基金(2022-AI10) 

主　　题：心脏瓣膜病 死亡风险 预测模型 机器学习 

摘      要：目的:基于多种机器学习算法建立老年(≥65岁)瓣膜性心脏病患者术后院内全因死亡风险的预测模型,为心脏瓣膜术后患者死亡风险评估提供新的思路。方法:回顾性连续纳入2016年1月至2018年12月中国心血管外科注册登记研究数据库(CCSR)中接受心脏瓣膜手术,年龄≥65岁的患者7163例。2016年1月到2018年6月的患者为训练队列(n=5774),2018年7月到12月患者为测试队列(n=1389)。研究终点为患者术后院内死亡。分析其临床资料,包括基本特征、围术期危险因素以及术后主要结局指标等。采用多种机器学习算法构建老年瓣膜性心脏病患者术后死亡风险预测模型。结果:290例(4.1%)患者术后院内死亡。与未死亡患者比,死亡患者年龄较大,既往脑卒中史、慢性心力衰竭史患者占比较大,吸烟史、高脂血症患者占比较少(P均0.05)。训练队列中线形判别分析(LDA)、支持向量机分类器(SVC)及逻辑回归(LR)预测模型ROC曲线的AUC均较高,Brier分数均较低,具有较好的区分度及校准度。在测试队列中,LDA、SVC及LR预测模型ROC曲线的AUC分别为0.744、0.744及0.746,均优于新版欧洲心脏手术风险评分系统(EuroSCOREⅡ)模型的0.642(P均0.05)。结论:老年患者心脏瓣膜术后死亡率较高,LDA、SVC、LR预测模型可以较好地预测老年患者心脏瓣膜术后死亡的发生率。