老年急性心肌梗死患者经皮冠状动脉介入术后心力衰竭预测模型的构建

目的建立老年急性心肌梗死(AMI)患者经皮冠状动脉介入术(PCI)后并发心力衰竭(HF)的预测模型。方法回顾性纳入2019年1月—2022年12月哈尔滨医科大学附属第一医院收治的326例老年AMI患者,依据术后6个月时HF发生情况将其分为AMI-HF组89例和非AMI-HF组237例。通过电子病历系统收集所有患者的临床资料,采用多因素Logistic回归分析法筛选AMI并发HF的危险因素,并构建预测模型;采用受试者工作特征(ROC)曲线评价预测模型的性能。结果单因素分析显示,与非AMI-HF组比较,AMI-HF组年龄>75岁、糖尿病患者比率以及Gensini评分、心肌肌钙蛋白I(cTnI)、N末端B型钠尿肽前体(NT-proBNP)、血尿酸、超敏C反应蛋白(hs-CRP)水平均较高,左心室射血分数(LVEF)、心肌梗死溶栓试验(TIMI)血流3级比率较低,差异有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,年龄、Gensini评分、NT-proBNP、hs-CRP是老年AMI患者PCI后发生HF的独立危险因素(P<0.05),TIMI分级是其保护因素(P<0.05)。基于筛选的危险因素计算出C-Index后,采用ROC曲线评估C-Index对HF的预测能力,结果显示AUC为0.878(95%CI:0.834~0.921),灵敏度为86.52%,特异度为75.95%,准确率为78.83%。结论年龄、Gensini评分、NT-proBNP、hs-CRP是老年AMI患者PCI后发生HF的独立危险因素,TIMI分级是其保护因素,据此构建的模型可预测HF发生风险,从而辅助临床早期识别HF高危人群,并进行个体化干预。

急性心肌梗死患者PCI术后并发心力衰竭风险预测模型的危险因素及研究进展

急性心肌梗死(acute myocardial infarction,AMI)是指冠状动脉在短时间内缺血、缺氧导致的血管闭塞和急性心肌细胞坏死,是冠状动脉粥样硬化性心脏病(coronary heart disease,CHD)所有分型中最凶险的类型,是我国致死致残的主要原因[1]。随着有效的药物治疗、经皮冠状动脉介入治疗(percutaneous coronary intervention,PCI)和胸痛中心的广泛建立等,AMI在治疗方面取得重大进展,其死亡率明显下降[2]。

急性心力衰竭患者利尿剂抵抗的危险因素及风险预测模型构建

目的分析急性心力衰竭(AHF)患者利尿剂抵抗的危险因素并构建风险预测模型,为利尿剂抵抗的临床防治提供参考。方法回顾性分析2019年1月至2021年11月收治的102例AHF患者临床资料,根据住院期间利尿剂抵抗发生情况分为抵抗组与非抵抗组。查阅并记录患者一般资料及实验室指标,通过Logistic回归分析AHF患者利尿剂抵抗的危险因素,绘制列线图构建AHF患者利尿剂抵抗的风险预测模型,并评估风险预测模型对AHF患者利尿剂抵抗的预测价值。结果住院期间,102例患者中38例发生利尿剂抵抗,发生率为37.25%;抵抗组入院时NYHA心功能分级高于非抵抗组,低钠血症、入院前使用非甾体抗炎药占比高于非抵抗组,差异有统计学意义(P<0.05);抵抗组入院时血清白蛋白水平低于非抵抗组,血清B型钠尿肽(BNP)、氨基末端B型钠尿肽原(NT-proBNP)、醛固酮水平高于非抵抗组,差异有统计学意义(P<0.05)。Logistic回归分析发现,入院前使用非甾体抗炎药、入院时血清BNP、NT-proBNP、醛固酮水平高是AHF患者利尿剂抵抗发生的独立危险因素(OR>1,P<0.05);入院时血清白蛋白水平高是AHF患者利尿剂抵抗发生的保护因素(OR<1,P<0.05);通过上述影响因素构建风险预测模型并验证,结果显示,模型C-index值为0.967,模型区分度良好,校准曲线Y与X直线相近,模型准确度良好。结论入院前使用非甾体抗炎药、入院时血清BNP、NT-proBNP、醛固酮水平高、入院时血清白蛋白水平低均为AHF患者利尿剂抵抗发生的影响因素,根据上述因素构建的风险预测模型对AHF患者利尿剂抵抗的发生具有较好的预测价值。

基于机器学习构建急性心力衰竭患者易损期死亡或再入院风险预测模型

目的应用不同机器学习算法构建急性心力衰竭(acute heart failure,AHF)患者易损期死亡或再入院的风险预测模型,并筛选出最优模型。方法选取2019年10月至2021年7月于陆军军医大学第二附属医院心血管内科住院治疗的651例AHF患者为研究对象,收集入院生命体征、合并症和实验室检查结果等临床资料。复合终点事件定义为AHF患者出院后3个月内发生全因死亡或心衰加重再入院。采用简单随机抽样法将研究对象按8∶2拆分为训练集(521例)和测试集(130例),基于逻辑回归(logistic regression,LR)、随机森林(random forest,RF)、决策树(decision tree,DT)、轻量梯度提升(light gradient boosting machine,LGBM)、极端梯度提升(extreme gradient boosting,XGBoost)和神经网络(neural network,NN)6种机器学习算法分别构建预测模型。采用受试者工作特征曲线(receiver operating characteristic,ROC)和临床决策曲线(decision curve analysis,DCA)对模型的预测性能和临床获益进行评价,使用Shapley加性解释(Shapley additive explanation,SHAP)算法评估不同临床特征对模型的影响。结果651例AHF患者中发生复合终点事件203例(31.2%)。ROC曲线分析显示,LR、RF、DT、LGBM、XGBoost和NN模型的曲线下面积(area under curve,AUC)依次为0.707、0.756、0.616、0.677、0.768、0.681,XGBoost模型的AUC最高,DCA曲线中XGBoost模型的临床决策净获益也更大,整体预测效能最佳。SHAP算法分析得出,影响XGBoost模型输出结果的重要临床特征分别为血清尿酸、D-二聚体、平均动脉压、B型利钠肽、左房前后径、体质量指数和NYHA分级。结论XGBoost模型预测急性心力衰竭患者易损期死亡或再入院风险效果最佳。

急性心力衰竭患者住院期间发生心血管不良事件风险预测模型的构建与验证

目的分析急性心力衰竭(AHF)患者住院期间心血管不良事件发生的主要影响因素,构建心血管不良事件风险预测模型并进行验证。方法回顾性选取2021年2月—2022年2月宁夏医科大学总医院心脑血管病医院收治的515例AHF患者,根据患者住院期间是否发生心血管不良事件将其分为发生组与未发生组。采用R4.2.1统计软件对两组各项指标进行单因素Logistic分析并进行Lasso回归初步筛选,再经多因素一般Logistic回归分析确定预测变量,构建AHF患者住院期间心血管不良事件预测模型,并通过绘制列线图、受试者工作特征(ROC)曲线及校准曲线对模型的性能进行评价,最后采用Bootstrap法对模型进行内部验证。结果515例AHF患者中有62例发生心血管不良事件。心血管不良事件发生组与未发生组的冠心病、扩心病、脑卒中、睡眠差、呼吸频率、合并心房颤动(以下简称房颤)比较,差异均有统计学意义(P<0.05);先后经单因素Logistic分析及Lasso回归初步筛选变量后,最终通过多因素一般Logistic回归分析确定AHF患者住院期间发生心血管不良事件的主要影响因素为脑卒中[O^R=7.99(95%CI:3.29,19.59)]、白细胞计数[O^R=1.25(95%CI:1.00,1.52)]、血尿素氮[O^R=1.13(95%CI:1.04,1.23)]、D-二聚体[O^R=1.13(95%CI:1.03,1.24)]、左心室短轴缩短率[O^R=0.89(95%CI:0.81,0.96)]、合并房颤[O^R=2.40(95%CI:1.07,5.31)]。基于以上6个影响因素构建风险预测列线图模型,结果显示,模型的ROC曲线下面积(AUC)为0.82(95%CI:0.76,0.88),校准曲线贴近理想曲线。经Bootstrap法内部验证所得AUC值为0.81(95%CI:0.75,0.87)。结论AHF患者住院期间发生心血管不良事件的主要影响因素是脑卒中、白细胞计数、血尿素氮、D-二聚体、左心室短轴缩短率、合并房颤,以此构建的心血管不良事件风险预测模型具有良好的效能。

武汉地区急性ST段抬高型心肌梗死PCI术后并发心力衰竭风险的诊断预测模型:一项病例对照研究

目的分析急性ST段抬高型心肌梗死(STEMI)患者急诊经皮冠状动脉介入治疗(PCI)后并发心力衰竭(HF)的危险因素并构建预测模型。方法回顾性收集2017年8月至2023年5月武汉市中心医院急诊科收治的715例STEMI患者的临床资料。按照7∶3的比例将其中503例患者作为训练集,212例患者作为验证集。采用Lasso回归和Logistic回归构建STEMI患者发生HF的预测模型,采用受试者工作特征(ROC)评估列线图模型的临床效能。结果经Lasso回归和Logistic回归筛选,年龄、高血压史比例、入住CCU比例、住院天数、发病至入院时间、D-二聚体(DD)是STEMI患者发生HF的影响因素(P<0.05)。构建预测模型,训练集ROC的Cutoff=0.094、曲线下面积(AUC)=0.966,并通过nomogram进行可视化呈现。再利用验证集对模型进行内部验证,De Long检验显示训练集和验证集ROC曲线的AUC无显著差异(P>0.05),且验证集nomogram图的赋值评分及趋势与训练集基本相同。结论本研究顺利构建STEMI患者经PCI术后并发HF的预测模型,具有良好的诊断效能和推广度。

基于TLR4/NF-κB信号通路构建老年急性心肌梗死病人心力衰竭发生风险的预测模型及验证

目的:基于Toll样受体4/核因子-κB(TLR4/NF-κB)信号通路评价老年急性心肌梗死(AMI)病人心力衰竭发生的风险。方法:选取2019年1月—2022年6月我院收治的82例老年AMI并发心力衰竭病人作为观察组,另纳入82例单纯老年AMI病人作为对照组。比较两组一般资料、TLR4/NF-κB信号通路相关因子表达,Logistic回归方程筛选影响因素,用R统计软件构建列线图预测模型,并用一致性指数(C-index)、受试者工作曲线(ROC)和临床决策曲线(DCA)评估该模型的性能。结果:观察组左心室射血分数(LVEF)水平低于对照组,氨基末端B型钠尿肽原(NT-proBNP)、全球急性冠状动脉事件注册(GRACE)评分、TLR4 mRNA、NF-κB mRNA水平均高于对照组(P<0.05);多因素分析显示,LVEF、NT-proBNP、TLR4 mRNA及NF-κB mRNA水平是老年AMI病人发生心力衰竭的影响因素(P<0.05);列线图模型的C-index为0.802,校准曲线证实模型预测老年AMI病人心力衰竭发生与实际观察结果具有较好的一致性;DCA显示,含TLR4 mRNA、NF-κB mRNA的模型预测具有较好的临床应用性。结论:LVEF、NT-proBNP、TLR4 mRNA及NF-κB mRNA是老年AMI病人发生心力衰竭的影响因素,基于TLR4/NF-κB信号通路构建列线图预测模型有助于临床预测老年AMI病人发生心力衰竭的风险。

白蛋白-胆红素评分对急性失代偿心力衰竭患者短期死亡风险的预测价值

目的探讨白蛋白-胆红素(albumin-bilirubin,ALBI)评分对急性失代偿性心力衰竭(ADHF)患者短期全因死亡的预测价值,联合急性失代偿性心力衰竭国家注册研究(ADHERE)模型能否提高其预测能力。方法连续入选2018年1月至2021年3月在南京鼓楼医院心内科住院的ADHF患者共821例。根据入院ALBI评分,采用三分位法进行分组:低ALBI组(<-2.41,n=273),中ALBI组(-2.41~-2.10,n=274),高ALBI组(≥-2.10,n=274)。比较各组基线临床特征及实验室检查,主要终点为短期(院内或出院后30天内)全因死亡。采用logistics回归分析短期全因死亡的独立危险因素,绘制受试者工作特征(ROC)曲线,计算各模型ROC曲线下面积(AUC),根据约登指数确定最佳临界值,并计算不同模型间净重新分类指数(NRI),采用Z检验比较模型间AUC及NRI的差异。结果共有45例(5.48%)患者在院内及出院后30天内死亡。高ALBI组患者全因死亡率显著高于其他两组(P<0.001)。多因素logistics回归分析显示,ALBI评分(OR=4.012,95%CI 1.598~10.073,P=0.003)、ADHERE模型(OR=2.471,95%CI 1.317~4.434,P=0.004)、B型利钠肽水平(OR=1.000,95%CI 1.000~1.001,P=0.002)是ADHF患者短期全因死亡的独立危险因素。ALBI评分预测短期死亡的最佳临界值为-2.024。ALBI联合ADHERE评分对ADHF患者短期全因死亡的预测能力优于单独评分(ALBI+ADHERE比ADHERE:AUC P=0.008;NRI=0.37,95%CI 0.14~0.56,P<0.001;ALBI+ADHERE比ALBI:NRI=0.37,95%CI 0.14~0.56,P<0.001)。结论ALBI评分与ADHF患者短期全因死亡风险独立相关,且ALBI联合ADHERE模型的预测价值更高。

兔急性缺血性心力衰竭模型的建立

兔急性缺血性心力衰竭模型的建立侯应龙１臧益民张宁仔１王跃民（第四军医大学生理学教研室，１唐都医院；西安７１００３２）既往人们多采用结扎犬左冠状动脉前降支的方法来制备急性缺血性心力衰竭（心衰）动物模型，而很少使用兔作为制模动物。本文通过结扎兔冠状动脉左...

老年急性心力衰竭病人非计划性再入院的预测模型构建及风险分层研究

目的:通过分析老年急性心力衰竭(AHF)病人非计划性再入院的影响因素,建立老年AHF病人非计划性再入院的预测模型,并进一步对其进行风险分层。方法:选取2017年1月—2019年12月于我院就诊的AHF病人332例作为研究对象,根据是否发生非计划性再入院分为再入院组和非再入院组。另选取2020年1月—2021年7月就诊的AHF病人121例作为模型验证对象。收集病人的一般资料并进行组间比较,将差异有统计学意义的因素纳入Logistic多因素回归分析。利用独立影响因素构建非计划性再入院发生风险预测模型,使用验证集数据对预测模型效能进行评价,并依据列线图风险得分建立风险分层系统。结果:332例AHF病人中,74例(22.29%)发生非计划性再入院。再入院组超敏C反应蛋白(hs-CRP)水平、心功能分级高于非再入院组,术后住院时间长于非再入院组,吸烟、糖尿病、独居、服药依从性差人群占比均高于非再入院组,左室射血分数(LVEF)水平低于非再入院组,差异均有统计学意义(P<0.05)。多因素回归分析结果显示,吸烟、糖尿病、独居、服药依从性差、心功能分级高是老年AHF病人发生非计划性再入院的独立危险因素,LVEF高是其保护因素(P<0.05)。基于上述因素构建AHF病人非计划性再入院发生风险的列线图预测模型,经过校准曲线检验表明预测值与实际观测值较为一致。该列线图预测模型的风险分层:≤92分为低风险组,93~174分为中风险组,≥175分为高风险组,训练集、验证集病人非计划性再入院发生率均随风险分层的增加而增加(P<0.05)。结论:吸烟、糖尿病、独居、服药依从性差、心功能分级高是老年AHF病人发生非计划性再入院的独立危险因素,LVEF高是其保护因素。构建的风险预测模型具有较好的预测效果,基于该预测模型的风险分层系统对区分高危病人具有一定临床价值。

急性心力衰竭模型的建立及“以方测证”研究

目的:研究家兔急性心力衰竭(心衰)模型建立方法,并探究该模型与心气虚、心阳虚、心阳虚脱三证的相关性。方法:将30只家兔随机分为空白组、模型组、黄芪组、参附1组、参附2组,每组各6只。除空白组外,各组采用静脉注射盐酸普罗帕酮复制急性心衰模型。黄芪组、参附1组、参附2组分别注射黄芪注射液0.07 g·kg^(-1)、参附注射液0.07 g·kg^(-1)和参附注射液0.10 g·kg^(-1),测定各组家兔心率(heart rate,HR)、收缩压(systolic pressure,SBP)等相关生理指标,以探究此建模方法与中医心气虚证、心阳虚证、心阳虚脱证的相关性。结果:与模型组比较,黄芪组、参附1组和参附2组能显著升高急性心衰家兔HR和SBP,差异均有统计学意义(P<0.05)。结论:急性心衰模型与心气虚、心阳虚、心阳虚脱证有一定相关性。

腹部开放伤合并海水浸泡致犬急性心力衰竭实验模型建立

目的建立犬腹部开放伤合并海水浸泡致犬急性心力衰竭模型。方法23只成年杂种犬分为腹部开放伤合并海水浸泡组15只,诱导急性心力衰竭(A组),单纯腹部开放伤(B组)8只。A组于致伤前后、浸泡海水即刻、0.5h、1h、2h,观察急性左心衰发生的情况,检测血液动力学变化,超声检查心功能,采血检查BNP,B组按照A组相同的时间点做上述同样检查。结果犬腹部开放伤合并海水浸泡成功诱导急性心力衰竭8只(A组),成功率53.3%,在浸泡后心率、收缩压、舒张压、平均动脉压、中心静脉压均较伤前及B组下降,至浸泡2h时,肺动脉嵌压为(25±2.3)mmHg(1mmHg=0.133kPa),心输出量较伤前减低46.67%,较B组降低48.39%(P<0.01),心指数、左室舒张末容积、左室收缩末容积、每搏输出量、左室射血分数均较伤前和B组减低(P<0.05),脑利钠肽为(622.77±52.21)pg/mL,较致伤前升高441.6%,较B组升高302.8%,与致伤前及B组相比均显著升高(P<0.001)。结论犬腹部开放伤经海水浸泡后可成功建立急性心力衰竭模型,浸泡2h时成功率为53.3%。

急性心力衰竭的主要评价模型研究进展

心力衰竭是心脏病最后的战场,急性心力衰竭是65岁以上老年人急诊就诊的首位原因,欧洲心脏病学会近5年发布了三版关于急性心力衰竭的专家共识或指南。近年来,国内外研究团队对于急性心力衰竭的危险评分模型进行了大量且有意义的探索,各评分模型的针对人群、纳入指标和评价方法各不相同,侧重点也有较大差别。

急性心力衰竭患者发生急性肾损伤预警模型的建立与验证

目的通过分析急性心力衰竭(acute heart failure,AHF)患者发生急性肾损伤(acute kidney injury,AKI)的危险因素,建立一个临床使用方便的预警模型以尽早识别高危患者,减少AKI的发生。方法选取苏州大学附属第一医院2016年1月至2017年12月收治的386例AHF患者为研究对象。将研究对象随机分为模型组(257例)和验证组(129例)。分析AHF患者发生AKI的危险因素,依据各危险因素的β值分别对其进行评分,建立预警模型,分别采用受试者工作特征(receiver operator characteristic,ROC)曲线下面积和Hosmer-Lemeshow拟合优度检验评估模型的分辨力及校准度。结果AHF患者中AKI的发生率为38.9%;Logistic回归分析显示,估算肾小球滤过率(estimated glomerular filtration rate,eGFR)<60 mL·min^(-1)·(1.73 m^(2))^(-1)、年龄≥72岁、舒张压≤78 mmHg(1 mmHg=0.133 kPa)、空腹血糖(fasting plasma glucose,FPG)≥6.0 mmol/L和尿酸(uric acid,UA)≥430μmol/L是AHF患者发生AKI的独立危险因素。根据β值对上述危险因素进行评分,建立预警模型。模型组和验证组的AUC分别为0.773和0.758,Hosmer-Lemeshow拟合优度检验P值分别为0.806和0.785,提示该模型的区分能力和校准度均较好。结论本研究基于eGFR、年龄、舒张压、空腹血糖和尿酸建立的预警模型具有较高的分辨能力及校准度,临床使用方便。

基于共享决策模型的优化护理模式在老年急性心力衰竭患者急诊抢救中的应用

目的探讨基于共享决策模型的优化护理模式在老年急性心力衰竭患者急诊抢救中的应用效果。方法选择首都医科大学附属北京世纪坛医院2019年1月—2021年12月收治的120例老年急性心力衰竭患者,依照随机信封法将其分为对照组和观察组,每组60例。对照组患者给予常规急救护理措施进行配合急救,观察组患者采用基于共享决策模型的优化护理模式进行干预。记录两组患者45 min好转率、60 min显效率、住院时间、抢救费用、抢救时间、血压、心率、左室缩短分数(LVFS)、左室射血分数(LVEF)、生活质量评分、护理满意度。结果观察组45 min好转率及60 min显效率均高于对照组,差异有统计学意义(P<0.05)。观察组住院时间、抢救时间均短于对照组,抢救费用低于对照组,差异有统计学意义(P<0.05)。护理后,两组收缩压、舒张压均低于护理前,心率慢于护理前,LVFS、LVEF均高于护理前,且观察组收缩压、舒张压均低于对照组,心率慢于对照组,LVFS、LVEF均高于对照组,差异有统计学意义(P<0.05)。出院后,观察组躯体功能、社会功能、情绪角色和总体健康评分均高于对照组,差异有统计学意义(P<0.05)。观察组护理总满意度高于对照组,差异有统计学意义(P<0.05)。结论基于共享决策模型的优化护理模式应用于老年急性心力衰竭患者急诊抢救干预后,可有效提高患者干预治疗及预后质量,并提高患者的护理满意度。

急性心肌梗死后心力衰竭患者运动能力的影响因素及列线图预测模型的构建

目的 探讨急性心肌梗死后心力衰竭患者运动能力及其影响因素,并构建列线图预测模型。方法 选择315例急性心肌梗死后心力衰竭患者作为研究对象,按调查先后顺序将其分为建模组221例和验证组94例。给予所有患者心肺运动试验,根据是否存在波浪式呼吸(OB)将建模组患者分为OB阳性组(n=85)和OB阴性组(n=136)。采用Logistic回归模型分析急性心肌梗死后心力衰竭患者运动能力的影响因素,基于影响因素构建列线图预测模型并进行验证。结果 315例急性心肌梗死后心力衰竭患者OB阳性率为39.37%。多因素Logistic回归分析结果显示,合并慢性病种类、体质指数、美国纽约心脏病学会(NYHA)心功能分级、中文版心脏病运动恐惧量表(TSK-Heart-C)评分、冠心病患者康复运动知信行问卷评分、中文版简化版疾病感知问卷(B-IPQ)评分是急性心肌梗死后心力衰竭患者运动能力的独立影响因素(P<0.05)。基于上述影响因素构建的列线图预测模型具有较好的区分度、校准度。决策曲线分析结果显示,当阈值概率分别为2%~88%、1%~95%时,该模型预测急性心肌梗死后心力衰竭患者运动能力的净获益值较高。结论 急性心肌梗死后心力衰竭患者运动能力较弱,合并慢性病种类、体质指数、NYHA心功能分级、TSK-Heart-C评分、冠心病患者康复运动知信行问卷评分、中文版B-IPQ评分是急性心肌梗死后心力衰竭患者运动能力的独立影响因素。基于上述影响因素构建的列线图预测模型有助于临床医师评估该人群的运动能力。

急性左心心力衰竭患者预后预测列线图模型的构建与验证

目的构建急性左心心力衰竭患者预后预测列线图模型,并通过内部验证评估其诊断效能。方法收集232例因缺血性心肌病导致的急性左心心力衰竭患者的基线资料及预后情况,分析发生不良预后的独立危险因素。采用内部验证方法以及决策曲线分析评估Nomogram模型在临床预测急性左心心力衰竭患者不良预后风险的效能。结果主要心血管不良事件(MACE)组患者年龄、糖尿病患者占比、心率、Killip心功能分级、急性生理学和慢性健康状况评分Ⅱ(APACHEⅡ)、血钾、N-末端脑钠肽前体(NT-pro BNP)、C反应蛋白(CRP)、中性粒细胞与淋巴细胞比值(NLR)及高密度脂蛋白胆固醇(HDL-C)均高于非MACE组,左心室射血分数(LVEF)及低密度脂蛋白胆固醇(LDL-C)低于非MACE组(均P<0.05)。ROC曲线分析显示:年龄、心率、APACHEⅡ评分、血钾、NT-pro BNP、CRP、NLR、HDL-C、LDL-C及LVEF的AUC分别为0.701、0.779、0.674、0.802、0.892、0.880、0.781、0.683、0.630、0.796。年龄≥69岁、Killip心功能分级>Ⅱ级、NT-pro BNP≥8 200 ng/L、CRP≥18.60 mg/L、NLR≥3.05及LVEF<40%是急性左心心力衰竭患者不良预后发生的独立危险因素(均P<0.05)。Nomogram模型校准曲线的C-index为0.763(95%CI:0.689~0.841),当风险阈值>0.18时,Nomogram模型可提供显著附加的临床净收益,并且Nomogram模型的临床净收益显著高于单个指标预测结果。结论该Nomogram模型可用预测急性左心心力衰竭不良预后发生的高危患者。

心脏重症监护病房急性心力衰竭患者心源性死亡的预测模型构建

目的分析影响心脏重症监护病房(CICU)急性心力衰竭(AHF)患者心源性死亡的因素并构建预测模型。方法选择2018年4月至2020年4月陆军军医大学第二附属医院CICU收治的132例AHF患者作为研究对象,根据CICU内是否死亡将患者分为死亡组(23例)和存活组(109例)。多因素Logistic回归分析影响AHF患者CICU内发生心源性死亡的因素;构建XGboost模型并评价其区分度。结果年龄>65岁、Killip分级Ⅳ级、心率增加、白细胞计数增多、红细胞计数减少、白蛋白降低、血红蛋白降低、血细胞比容降低、血钠降低、血尿素氮升高、心肌肌钙蛋白I升高、N末端B型脑钠肽前体升高、空腹血糖升高均是影响AHF患者CICU内发生心源性死亡的独立危险因素(均P<0.05)。上述危险因素在XGboost模型中的重要度评分分别为10、13、22、29、15、20、17、25、19、26、32、35、11分;XGboost模型预测AHF患者CICU内发生心源性死亡的区分度的受试者工作特征曲线下面积为0.867(95%置信区间:0.792~0.942,P<0.001),区分度良好。结论XGboost模型预测AHF患者CICU内发生心源性死亡的区分度较高,可为临床上CICU内AHF患者的治疗、护理、改善预后提供参考。

急性心肌梗死患者术后心力衰竭的影响因素分析及预测模型的建立

目的分析急性心肌梗死患者术后发生心力衰竭的影响因素,并建立预测模型。方法急性心肌梗死并接受经皮冠状动脉介入术(PCI)治疗的患者323例,根据随访时间内是否发生心力衰竭,分为发生组(112例)和未发生组(211例)。收集两组一般资料和实验室检测指标,通过ROC曲线分析获取各因素的最佳截断值,采用多因素Cox回归分析影响急性心肌梗死患者术后发生心力衰竭的独立风险因素。采用R软件“rms”包构建预测急性心肌梗死患者术后发生心力衰竭的高风险的预测模型,校正曲线对预测模型进行内部验证,决策曲线评估预测模型的预测效能。结果年龄(≥60岁)、合并糖尿病、合并心脑血管疾病、Gensini等级(Ⅲ~Ⅳ级)、高敏C反应蛋白(≥5 mg/L)、血肌酐(≥90?mol/L)及心肌肌钙蛋白T(≥1.1?g/L)是急性心肌梗死患者术后发生心力衰竭的影响因素(均P<0.05)。决策曲线结果显示,当高风险阈值>0.67时,此预测模型所提供的临床净收益均高于单个独立危险因素并且在预测急性心肌梗死患者术后发生心力衰竭的高风险方面可提供显著额外的临床净收益。结论年龄(≥60岁)、合并糖尿病、合并心脑血管疾病、Gensini等级(Ⅲ~Ⅳ级)、高敏C反应蛋白(≥5 mg/L)、血肌酐(≥90?mol/L)及心肌肌钙蛋白T(≥1.1?g/L)是急性心肌梗死患者术后发生心力衰竭的影响因素,基于这些独立危险因素所构建的预测模型在评估急性心肌梗死患者术后发生心力衰竭的风险有较好的临床效能。

预测2型糖尿病并发急性心力衰竭的列线图风险模型的建立与评估

目的:通过分析2型糖尿病(T2DM)病人并发急性心力衰竭的危险因素,建立预测T2DM病人并发急性心力衰竭风险的列线图模型。方法:选取2018年6月—2019年6月我院收治的256例T2DM病人为训练组,另将2019年7月—2020年6月收治的136例T2DM病人为验证组,并统计相关临床资料,单因素统计分析得到急性心力衰竭相关因素,多因素Logistic分析得到危险因素;同时采用R软件构建预测T2DM病人并发急性心力衰竭风险的列线图模型,运用Bootstrap法内部验证模型,通过验证组检验外部验证。结果:年龄[OR=3.330,95%CI(1.302,8.515)]、T2DM病程[OR=5.995,95%CI(2.025,17.516)]、糖化血红蛋白(HbA1c)[OR=3.725,95%CI(1.334,10.402)]、高敏C反应蛋白(hs-CRP)[OR=4.563,95%CI(1.405,14.820)]、心功能Ⅳ级[OR=4.116,95%CI(1.506,11.251)]是T2DM病人并发急性心力衰竭的危险因素(P<0.05),基于此5项危险因素构建预测T2DM病人并发急性心力衰竭风险的列线图模型,R方程曲线检验表明训练组和验证组与实际值大致相同,受试者工作特征曲线(ROC)检验结果显示训练组和验证组的C-index指数值分别是0.819和0.813,表明该预测列线图模型拥有较高的准确预测度。结论:年龄、T2DM病程、HbA1c、hs-CRP、心功能Ⅳ级是T2DM病人并发急性心力衰竭的独立危险因素,建立以此5项危险因素为基础的风险预测模型可以详细、精准地预测T2DM病人发生急性心力衰竭的概率。