检索历史 清除

摘要研究目的:心力衰竭是各种心脏疾病的严重表现或晚期阶段，具有高住院率和高致死率的特点，导致了沉重的疾病负担。我国正处于快速老龄化阶段,心衰的发病率和患病率呈逐年升高趋势，已成为必须重视的重要公共卫生问题。射血分数保留的心力衰竭是心衰的一个重要类型，而左室舒张功能障碍是射血分数保留的心力衰竭的早期阶段，若能及时发现并治疗，有望提升患者预后。本研究拟利用人口统计学指标、问卷调查、体格检查和心电图检查等数据建立基于机器学习算法的左室舒张功能不全的分类模型，以开发便捷、成本低的对左室舒张功能障碍的筛查方案。<br>　　研究方法:本研究基于深圳市心力衰竭流行病学调查，深圳市心力衰竭流行病学调查在全市十个行政区在全市共抽取54个具有代表性的社区作为调查点，全市共抽取18岁及以上常住居民6000人参与。本研究纳入深圳市心力衰竭流行病学调查中45岁以上的深圳市常住居民作为研究对象，收集问卷调查、体格检查、心电图检查和超声检查数据，以超声检查为金标准，多种机器学习模型，构建左室舒张功能障碍的筛查工具，并通过交叉验证比较不同模型的性能，筛选出最优模型。最后，通过变量重要性与边际效应分析探索模型中重要性较高的因素，及这些因素与患病概率的关系。<br>　　主要研究结果:(1)本研究共纳入深圳市1981例45岁以上常住居民，其中男性984人(49.67％),女性997人(50.33％),平均年龄为56.90±9.85岁。(2)深圳市左室舒张功能障碍流行现状:45岁以上居民左室舒张功能障碍患病率为19.0％,年龄、文化程度、婚姻状况、就业情况、心衰相关症状、高血压病史、糖尿病病史、高血脂病史、慢性病史、心血管病史、吸烟史、身高、体重、腰围、BMI、收缩压、舒张压、脉压、心率、校正QT间期、P波电轴、QRS波电轴、RV5、RV5+SV1这些指标均与左室舒张功能障碍相关(P＜0.05)。(3)在所选用的六种机器学习模型中，CatBoost模型显示出最好的性能，受试者工作特征曲线下面积最高，为0.832,ROC曲线下面积为0.832,用于评估左室舒张功能障碍的敏感性和特异性分别为81.7 ％和70.2％。(4)模型变量重要性前五位分别为年龄、BMI、身高、收缩压和RV5,且患病概率随着年龄和BMI的升高而增加。<br>　　研究结论:基于机器学习算法的分类模型可作为评估左室舒张功能障碍的筛查工具，其中基于CatBoost算法的分类模型表现出良好的敏感性和特异性，具有一定可推广性。