肥厚性心肌病患者主要不良心脏事件的机器学习预测模型研究:基于KNN算法与可解释性分析
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
目的探讨基于机器学习模型的肥厚性心肌病(Hypertrophic Cardiomyopathy,HCM)患者心血管不良事件(Major Adverse Cardiovascular Events,MACEs)发生风险预测模型构建。方法本研究采用回顾性分析,选取2019年1月至2024年12月新疆医科大学第一附属医院心脏中心诊断为HCM病例共241例,根据随访结果记录患者MACE,患者被分为对照组和 MACE 组。使用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归方法筛选出特征变量后,构建10种机器学习模型。采用接受者操作特性(receiver operating characteristic,ROC)曲线、决策曲线分析(decision curve analysis,DCA)评估模型性能。并使用特征重要性分析和SHAP(SHapley Additive Planations)值依赖图,详细解释关键特征对模型预测结果的贡献和影响。结果根据LASSO回归分析结果,共计纳入9个预测变量进行模型的构建,其中,KNN(K-最近邻算法)模型在所有构建的模型中表现最佳,ROC曲线下面积(area under curve,AUC)为0.851,特征重要性分析显示,E/e’比率、纽约心脏协会(New York Heart Association,NYHA)分级构成、左室射血分数(Left ventricular ejection fraction,LVEF)水平、左心房直径、收缩期左心室流出道收缩期压差和B型钠尿肽(B-natriuretic peptide,BNP)水平是预测HCM患者发生MACE事件的关键特征。SHAP值依赖图进一步揭示了这些特征对模型预测结果的具体影响。结论本研究成功构建了一个用于预测HCM患者发生MACE事件的KNN模型,该预后模型成功识别了HCM高危患者,有助于临床预测HCM患者MACE发生的概率,提高患者预后。
Fields of Study & Subjects
Cardiomyopathy and Myosin Studies
Artificial Intelligence in Healthcare
Cardiovascular Effects of Exercise
Publication details
- Journal / source
- DOAJ (DOAJ: Directory of Open Access Journals)
- Publication date
- 1 March 2026
- Language
- ZH