基于机器学习算法探讨医护人员心脏超声中E/A比值的影响因素

基于机器学习算法,探讨医护人员心脏超声中左心室舒张功能(左室舒张早期血流峰值E、左室舒张晚期血流峰值A及E/A比值)的影响因素,便于及时发现并干预心血管疾病的发生发展。方法 随机提取我院部分职工近年体检数据,对所选人员进行心脏超声检查、疲劳量表评分及相关问卷调查,根据机器学习算法,分析所收集数据(暴露变量:疲劳分值、每周工作时长;调整变量:年龄、体重指数BMI、性别、职业、低密度脂蛋白胆固醇、总胆固醇、甘油三酯、肾功能、尿酸等)与心脏超声中E/A比值的的相关性,探讨暴露变量对左室舒张功能E/A比值的影响。结果 根据机器学习算法得出,在所选取的变量中,疲劳分值高的人群,大多出现E/A比值降低,左室舒张功能下降,当疲劳分值越高,其对心脏超声指标E/A比值的影响就越大,并且P值表明,这种影响非常显著(P值始终<0.0001)。结论 本研究通过分析所收集数据中变量对左心室舒张功能E/A比值的影响因素,可及早发现疲劳分值较高者在未来发生心血管疾病的可能,以便于及时进行医疗干预。