山东大学学报(医学版)

作者：张传备,李方,翟春晓,余永明,舒明雷,王艺丹,徐良栋,郝恩魁

关键词：左室功能减低,高斯过程模型,超声心动图,1年再入院率,

基金：2014年山东省科技发展计划(2014GSF118187)

目的 探讨通过使用高斯过程模型(GPM)和超声心动图参数建立的风险预测模型对慢性左室收缩功能减低(LVSD)心衰患者进行1年再入院风险评估的临床价值。 方法 收集并整理慢性LVSD患者290例,以1年内再入院为本研究终点。所有患者行常规超声心动图检查,并收集二尖瓣反流、三尖瓣反流、胸腔积液、心包积液、肺动脉收缩压、左心室内径及左室射血分数等参数数据。将290例患者随机分为70%训练数据和30%测试数据,使用机器学习算法对训练数据集进行信息交互分析,评估各项参数的重要性,并融合多超声参数建立GPM预测系统模型。随后利用GPM风险预测系统模型对测试数据集患者1年内再入院风险进行分析,将所有患者纳入超声心动图参数积分系统(超声积分系统)进行预测,最后通过受试者工作特征曲线(ROC)对两种方法进行分析比较。 结果 利用GPM信息交互分析各项超声心动图参数的权重分别为:二尖瓣反流23.64%,三尖瓣反流22.09%,胸腔积液16.18%,心包积液14.36%,肺动脉收缩压9.04%,左心室内径8.86%,左室射血分数5.83%。基于GPM的风险预测系统与超声积分系统的受试者工作特征曲线下面积(AUC)分别为83.10%(95%CI: 0.797~0.864)和70.60%(95%CI: 0.647~0.765)。 结论 基于超声心动图参数的高斯过程模型能够很好的预测LVSD患者1年再入院风险,并优于超声参数积分系统。

来源：2020年第6期

《山东大学学报(医学版)》期刊编辑部

查看山东大学学报(医学版)杂志2020年第6期