200
评论
查看更多
密码过期或已经不安全，请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
根据一项多中心研究显示，在丹麦的家庭医生接诊的患者中，有1%的患者主诉为胸部不适。目前，临床上面临一个普遍问题，即如何在进行冠脉造影前判断患者是否存在阻塞性冠心病。目前欧洲和美国的指南推荐使用Diamond-Forrester预测模型对患者进行评估。该模型通过年龄、性别和胸痛症状对患者进行检验前可能性(pre-test probability, PTP)的计算。但是现在的研究显示，阻塞性冠心病患者的实际患病率低于依据上述PTP模型所计算的患病率。因此临床上需要一种更加准确及个性化的冠心病预测模型。
该研究试图通过机器学习的算法，结合以年龄、性别和胸痛症状为参数的PTP模型与临床危险因素和冠状动脉钙化积分(coronary artery calcium scores,CACS)相结合来预测阻塞性冠心病(coronary artery disease,CAD)本文于2020年11月发表在Journal of the American College of Cardiology杂志。
一、研究方法
本研究共纳入了4组临床试验的患者数据，这些患者的冠脉造影结果显示冠脉狭窄≥50%，即阻塞性CAD，但既往未被诊断为CAD，并对这些患者进行了冠脉CTA的检查。将4组患者中数量较多的一组(这组共41777例患者)作为测试队列。而将其余三组患者(其余三组共15411例)患者作为验证队列。在没有冠脉造影数据的患者中则通过冠脉CTA进行判断。
二、研究结果
在测试队列和验证队列中，分别有8.8％和10.1％的患者诊断为阻塞性CAD。这些值都低于使用基于年龄、性别和临床表现的PTP模型所预测的患病率(15.4%)。研究团队运用机器学习方法确定了对阻塞性CAD有影响的危险因素，这些危险因素除了年龄、性别和临床表现外，还包括了家族史、是否吸烟、是否患血脂异常、高血压和糖尿病。
图1 运用机器学习计算不同变量对阻塞性CAD的影响权重
在具备上述2~3个危险因素的患者，其实际阻塞性CAD患病率接近于PTP模型所预测的。而具备0~1个危险因素时,其实际患病率低于PTP模型预测值。具备4~5个危险因素时，其实际患病率高于PTP模型预测值。
图2 危险因素的数量对阻塞性CAD产生的影响，其中虚线为根据年龄、性别和临床表现的PTP模型预测的患病率
研究团队运用上述危险因素建立出简单的加权预测模型(risk factor weighted clinical likelihood ,RF-CL)来预测阻塞性CAD的可能性(见下图3)。
图3 基于年龄、性别、临床表现及危险因素建立的阻塞性CAD临床可能性评估模型
RF-CL模型诊断性能高于PTP模型，其在验证队列中的AUC为74.9(95％CI: 73.7-76.1)而PTP模型中的AUC为72.3(95％CI：71.0-73.6)随后该研究团队将冠脉CTA上的钙化积分(CACS)纳入至上述预测模型中。在所有RF-CL模型类别中，随着CACS的增加，患阻塞性CAD的可能性也增加。
图4 将CACS添加至RF-CL模型联合预测阻塞性CAD的可能性
横坐标为RF-CL模型预测阻塞性CAD的可能性
纵坐标为CACS-CL模型预测阻塞性CAD的可能性
验证队列中，CACS-CL模型的AUC为84.9(95％CI：84.0至85.9)，高于PTP和RF-CL模型的AUC。
临床上常使用40年前Diamond和Forrester提出的基于患者性别、年龄和症状类型的PTP预测模型，评估慢性冠脉综合征患者是存在阻塞性CAD的可能性。但该模型的诊断性能近期受到了多项研究的质疑。
CTA作为简单且无创的冠脉检查手段，对阻塞性CAD的风险预测很有价值。既往研究发现钙化积分是阻塞性CAD较强的预测因子。
本研究将临床危险因素与钙化积分结合在一起创立出新的阻塞性CAD预测模型，有助于提高临床医生对阻塞性CAD的诊断能力。
查看更多
中国医学论坛报
壹生
今日肿瘤
今日循环
今日糖尿病
今日口腔
全科周刊
脱贫地区农副产品网络销售平台
京公网安备 11010202008182号
| 互联网新闻信息服务许可证编号：10120190017