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

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.

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

所属期刊栏目：42

分类号：R541(心脏、血管（循环系）疾病)

资助基金：国家自然科学基金;北京市卫生与健康科技成果;适宜技术推广项目;中日友好医院菁英计划

在线出版日期：2022-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1169-1175