Vorhersage longitudinaler klinischer Ergebnisse nach akutem Myokardinfarkt unter Verwendung eines dynamischen maschinellen Lernalgorithmus

Es wurden mehrere regressionsbasierte Modelle zur Vorhersage von Ergebnissen nach akutem Myokardinfarkt (AMI) entwickelt. Allerdings sind Vorhersagemodelle, die über die Zeit hinweg vielfältige patientenbezogene Faktoren berücksichtigen, begrenzt. Diese Studie hatte zum Ziel, ein auf maschinellem Lernen basierendes Modell zur Vorhersage longitudinaler Ergebnisse nach AMI zu entwickeln. Diese Studie basierte auf einem landesweiten prospektiven Register von AMI in Korea (n = 13.104). Siebenundsiebzig Prädiktorenkandidaten vom Krankenhausaufenthalt bis zu 1 Jahr Nachbeobachtung wurden einbezogen, und sechs Ansätze des maschinellen Lernens wurden analysiert. Das primäre Ergebnis wurde als 1-Jahres-Allerursachensterblichkeit definiert. Sekundäre Ergebnisse umfassten Allerursachensterblichkeiten, kardiovaskuläre Sterblichkeit und schwerwiegende kardiovaskuläre Ereignisse (MACE) bei den Nachbeobachtungen nach 1 und 3 Jahren. Random Forest zeigte die besten Leistungen bei der Vorhersage des primären Ergebnisses mit einer Genauigkeit von 99,6 % sowie einer Fläche unter der Empfänger-Betriebscharakteristik-Kurve von 0,874. Die 10 wichtigsten Prädiktoren für das primäre Ergebnis umfassten den maximalen Troponin-I-Wert (Wert der Variablenbedeutung = 0,048), die stationäre Dauer (0,047), das Gesamtergebnis des Cholesterins (0,047), die Fortsetzung der Antiplättchenmedikation nach 1 Jahr (0,045), die Klassifikation der koronaren Läsion (0,043), die N-terminalen pro-BNP-Werte (0,039), den Body-Mass-Index (BMI) (0,037), die Tür-zum-Ballon-Zeit (0,035), den vaskulären Zugang (0,033) und die Verwendung eines Glykoprotein IIb/IIIa-Inhibitors (0,032). Auffällig war, dass der BMI als einer der wichtigsten Prädiktoren für schwerwiegende Ergebnisse nach AMI identifiziert wurde. Der BMI zeigte unterschiedliche Auswirkungen auf jedes Ergebnis und verdeutlichte einen U-förmigen Einfluss auf MACE nach 1 und 3 Jahren sowie auf die Allursachensterblichkeit nach 3 Jahren. Verschiedene zeitabhängige Variablen vom Krankenhausaufenthalt bis zum Entlassungszeitraum beeinflussten die schwerwiegenden Ergebnisse nach AMI. Ein Verständnis der Komplexität und dynamischen Zusammenhänge von Risikofaktoren kann klinische Interventionen bei Patienten mit AMI erleichtern.