典型文献
基于机器学习的阻塞性冠心病验前概率模型：来自C-Strat研究
文献摘要：
目的:利用机器学习算法开发中国人群的阻塞性冠心病验前概率模型。方法:纳入冠状动脉斑块早期识别与风险预警的临床注册研究（Chinese regiStry in early deTection and Risk strAtificaTion of coronary plaques，C-Strat）中疑似为冠心病而接受冠状动脉CT血管造影（CCTA）检查的29 455例就诊者，采集人口统计学和临床信息作为预测变量。数据按7∶3的比例随机拆分为训练集和测试集，以CCTA诊断冠状动脉狭窄大于50%作为阳性结局，在训练集中运用极端梯度增强机（eXtreme Gradient Boosting，XGBoost）算法，使用十折交叉验证和贝叶斯优化进行参数调优，得到机器学习模型CARDIACS（pretest probability model from Chinese registry in eARly Detection and rIsk stratificAtion of Coronary plaques Study）；使用logistic回归得到模型LOGISTIC。在测试集中验证比较CARDIACS、LOGISTIC和指南推荐的模型UDFM（Updated Diamond-Forrester Model）、DFCASS（Diamond-Forrester and CASS）。结果:29 455例就诊者年龄（57.0±9.7）岁，女性占44.8%，阻塞性冠心病的患病率为19.1%（5 622/29 455）。在CARDIACS模型中，就诊原因、年龄和体重指数是最重要的预测变量。在独立的测试集中，CARDIACS的曲线下面积（AUC）为0.72（95%
CI 0.70~0.73），优于LOGISTIC（AUC 0.69，95%
CI 0.68~0.71，
P=0.015）、UDFM（AUC 0.64，95%
CI 0.62~0.65，
P<0.001）和DFCASS（AUC 0.66，95%
CI 0.64~0.67，
P<0.001）。
结论:基于中国人群开发的全新的验前概率模型CARDIACS预测中国人群阻塞性冠心病的能力明显优于传统的模型，有望辅助稳定性胸痛临床决策。
文献关键词：
冠状动脉疾病;冠状血管造影术;验前概率;诊断;机器学习
中图分类号：
作者姓名：
王凯;杨俊杰;刘子暖;窦冠华;王玺;单冬凯;陈韵岱
作者机构：
解放军总医院第一医学中心心血管内科，北京 100853
文献出处：
引用格式：
[1]王凯;杨俊杰;刘子暖;窦冠华;王玺;单冬凯;陈韵岱-.基于机器学习的阻塞性冠心病验前概率模型：来自C-Strat研究)[J].中华内科杂志,2022(02):185-192
A类：
regiStry,deTection,strAtificaTion,CARDIACS,pretest,eARly,rIsk,stratificAtion,DFCASS
B类：
基于机器学习,阻塞性冠心病,验前概率,概率模型,Strat,机器学习算法,算法开发,中国人群,冠状动脉斑块,早期识别,风险预警,Chinese,early,Risk,coronary,plaques,CCTA,就诊者,人口统计学,临床信息,预测变量,拆分,训练集,测试集,冠状动脉狭窄,eXtreme,Gradient,Boosting,XGBoost,十折交叉验证,贝叶斯优化,参数调优,机器学习模型,probability,model,from,registry,Detection,Coronary,Study,logistic,LOGISTIC,UDFM,Updated,Diamond,Forrester,Model,患病率,体重指数,稳定性胸痛,临床决策,冠状动脉疾病,冠状血管造影术
AB值：
0.316278
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。
