典型文献
急性冠脉综合征心脏骤停预测模型研究进展
文献摘要：
急性冠脉综合征(acute coronary syndrome,ACS)是严重威胁患者生命健康的临床常见急危重症,严重者可发生心脏骤停(cardiac arrest,CA),甚至猝死.ACS患者发生骤停后的死亡风险极高,建立早期识别CA发生风险的预测模型十分重要.许多国家和地区的研究人员已经建立了多种用于预测ACS患者发生CA的预测模型.传统统计学方法(如Logistic回归、Cox比例风险回归等)是建立传统预测模型的常用方法,但随着人工智能技术的发展,机器学习等方法被广泛应用于医学领域,并且在疾病预测及预后评估等方面显示出巨大潜力.本文将对ACS患者发生CA的预测因素及近年来建立的预测模型进行介绍和评价,以期为将来建立更为安全有效的风险预测模型提供参考.
文献关键词：
急性冠脉综合征;心脏骤停;预测模型;机器学习
中图分类号：
作者姓名：
伍朝玉;桑文涛;魏述星;徐峰
作者机构：
山东大学齐鲁医院急诊科;山东大学齐鲁医学院临床医学院
文献出处：
引用格式：
[1]伍朝玉;桑文涛;魏述星;徐峰-.急性冠脉综合征心脏骤停预测模型研究进展)[J].实用休克杂志（中英文）,2022(02):93-97
A类：
B类：
急性冠脉综合征,心脏骤停,acute,coronary,syndrome,ACS,急危重症,严重者,cardiac,arrest,CA,猝死,死亡风险,早期识别,发生风险,统统,统计学方法,Cox,立传,传统预测模型,常用方法,医学领域,疾病预测,预后评估,巨大潜力,预测因素,风险预测模型
AB值：
0.348137
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
