मध्यम आयु के और युवा लोगों में कोरोनरी हृदय रोग के जोखिम पर मशीन लर्निंग विधियों के आधार पर अध्ययन: एक रेट्रोस्पेक्टिव कोहोर्ट अध्ययन

उद्देश्य: युवा और मध्यम आयु के व्यक्तियों में कोरोनरी हृदय रोग के जोखिम कारकों की पहचान करना और एक कस्टम जोखिम भविष्यवाणी मॉडल विकसित करना। विधियाँ: इस शोध में एक रेट्रोस्पेक्टिव कोहोर्ट अध्ययन का उपयोग किया गया। जनवरी 2017 से जनवरी 2020 के बीच, Anhui प्रांत के तृतीयक अस्पताल में कार्डियोलॉजी विभाग में 553 रोगियों को शोध विषयों के रूप में चुना गया। शोध विषयों को अस्पताल में भर्ती के दौरान किए गए कोरोनरी एंजियोग्राफी के परिणामों के आधार पर दो समूहों में विभाजित किया गया (n = 201) और गैर-कोरोनरी हृदय रोग (n = 352)। दो समूहों के नैदानिक डेटा का विश्लेषण करने के लिए आर सॉफ़्टवेयर (आर 3.6.1) का उपयोग किया गया। एक लॉजिस्टिक रिग्रेशन भविष्यवाणी मॉडल और तीन मशीन लर्निंग मॉडल, जिनमें BP न्यूरल नेटवर्क, एक्सट्रीम ग्रेडिएंट बूस्टिंग (XGBoost), और रैंडम फॉरेस्ट शामिल हैं, बनाए गए, और विभिन्न मशीन लर्निंग मॉडल के संबंधित पैरामीटर के आधार पर सबसे अच्छा भविष्यवाणी मॉडल चुना गया। परिणाम: एक चरात्मक विश्लेषण ने कोरोनरी हृदय रोग और गैर-कोरोनरी हृदय रोग समूहों के बीच सांख्यिकीय रूप से महत्वपूर्ण मतभेदों के साथ कुल 24 संकेतकों की पहचान की, जिन्हें लॉजिस्टिक रिग्रेशन मॉडल और तीन मशीन लर्निंग मॉडल में शामिल किया गया। लॉजिस्टिक रिग्रेशन भविष्यवाणी मॉडल, BP न्यूरल नेटवर्क मॉडल, रैंडम फॉरेस्ट मॉडल, और XGBoost मॉडल में परीक्षण सेट के AUC क्रमशः 0.829, 0.795, 0.928, और 0.940 थे, और F1 स्कोर क्रमशः 0.634, 0.606, 0.846, और 0.887 थे, जो दर्शाता है कि XGBoost मॉडल का भविष्यवाणी मूल्य सबसे अच्छा था। निष्कर्ष: XGBoost मॉडल, जो युवा और मध्यम आयु के लोगों में कोरोनरी हृदय रोग जोखिम कारकों पर आधारित है, युवा और मध्यम आयु के लोगों में कोरोनरी हृदय रोग के लिए उच्च जोखिम भविष्यवाणी दक्षता है और नैदानिक प्रथा में युवा और मध्यम आयु के लोगों की कोरोनरी हृदय रोग के उच्च जोखिम वाले लोगों की स्क्रीनिंग में मदद कर सकता है।