BAB 지수와 통합 기계 학습 모델이 STEMI 환자의 1개월 및 1년 사망률을 정확하게 예측합니까?
특히 XGBoost 기계 학습 모델에 통합될 때, BAB 지수는 STEMI 환자의 단기 및 장기 사망률에 대한 높은 예측 정확성을 제공합니다.
배경: ST 분절 상승 심근경색(STEMI)에서 높은 사망률은 장기 기능 장애 및 합병증뿐만 아니라 영양 상태와도 관련이 있습니다. 우리는 STEMI 환자의 단기 및 장기 사망 예측을 위한 일상적인 혈청 바이오마커에 기반한 간단한 예측 도구를 개발하고 검증하고, 기계 학습(ML) 모델에서의 기여 역할을 평가하는 것을 목표로 합니다. 방법: (NT-proBNP × ALT × BUN). 예측 성능은 곡선 아래 면적(AUC)으로 평가되었고 CAMI-STEMI 점수와 비교되었습니다. 검증에는 Cox 회귀, 제한된 세제곱 스플라인 분석(RCS), Kaplan-Meier 생존 분석 및 하위 그룹 분석이 포함되었습니다. BAB 지수를 포함한 ML 모델이 구축되어 1개월 및 1년 사망 예측에서 BAB 지수의 기여 역할을 검증하였습니다. 결과: < 0.001). 하위 그룹 분석에서 일관된 결과가 나타났습니다. XGBoost 모델은 1개월(AUC 0.873) 및 1년 사망(AUC: 0.871) 모두에 대해 최고의 성능을 달성하였으며, BAB 지수는 상위 예측 특성 중 하나로 평가되었습니다. 결론: BAB 지수는 STEMI에서 단기 및 장기 사망을 예측하기 위한 간단하고 효과적인 도구입니다. BAB 지수는 해석 가능한 ML 모델 중에서 선두 위치를 유지합니다.
Xu et al. (Mon,)은 이 질문을 연구하였습니다.