AMI患者院內新發(fā)心房顫動的影響因素及其風險預測列線圖模型構建!
急性心肌梗死患者新發(fā)房顫的影響因素及風險預測諾模圖模型
文,何濤,,,,,李斌功【摘要】背景急性心肌梗死患者心房顫動會影響其血流動力學,增加死亡風險。整合AMI患者新發(fā)房顫的危險因素,構建風險預測諾模圖模型,有助于識別新發(fā)房顫的高危人群。
目的探討急性心肌梗死患者新發(fā)房顫的影響因素,構建風險預測諾模圖模型。
方法選取2017年1月至2021年3月青島市市級醫(yī)院急診經皮冠狀動脈介入治療(PCI)的513例AMI患者作為研究對象。根據住院患者是否新發(fā)房顫分為房顫組(n=82)和非房顫組(n=431)。采用醫(yī)院信息系統(tǒng)收集AMI患者入院時的人口學特征和臨床資料。比較兩組的人口學特征和臨床資料。采用多因素Logistic回歸模型分析AMI患者新發(fā)房顫的影響因素。用R 3.4.3軟件包繪制諾模圖模型,繪制受試者的ROC曲線,評價諾模圖模型的預測效率。采用Bootstrap方法重復采樣1 000次,驗證諾謨圖模型的預測效率。
結果房顫組年齡和左心房內徑大于非房顫組,吸煙者比例、糖尿病發(fā)病率、Gensini評分和N末端B型鈉尿肽前體(NT-proBNP)高于非房顫組(P < 0.05)。多因素Logistic回歸分析顯示年齡(OR = 1.047,95% CI (1.011,1.085))、吸煙史(OR = 1.828,95% CI (1.042,3.206))、糖尿病(OR = 3.073,95% CI (1.069,1.211))、Gensini評分[OR = 1.048,95% CI (1.032,4.064)]以上述6個獨立影響因素為預測指標,建立了預測AMI患者新發(fā)房顫風險的諾模圖模型。ROC曲線分析顯示,諾模圖模型預測AMI患者新發(fā)房顫的曲線下面積(AUC)為0.839 [95% CI (0.786,0.892)],表明諾模圖模型具有良好的判別能力。Bootstrap方法的結果表明,校準曲線的平均絕對誤差(MAE)為0.019,這表明校準曲線與理想曲線擬合得很好。
結論年齡、吸煙史、糖尿病、左前降支、Gensini評分和NT-proBNP是AMI患者新發(fā)房顫的獨立影響因素,基于上述影響因素的AMI患者新發(fā)房顫風險預測諾模圖模型具有較高的預測效率。【關鍵詞】心肌梗死;新發(fā)房顫;影響因素分析;諾謨圖模型;預測[中國圖書館分類號]R 542.22 R 541.75[文獻識別碼] A
資料來源:萬,何濤,,等.急性心肌梗死患者新發(fā)房顫的影響因素及風險預測諾模圖模型[J].心肺血管疾病雜志,2021,29 (10): 14-18。DOI: 10.12114/J. ISSN.1008-5971何T,吳n,等.急性心肌梗死患者住院期間新發(fā)房顫的影響因素及風險預測諾模圖模型的構建[ J].中國心血管病雜志.實用心腦血管疾病雜志,2021,29( 10): 14-18。DOI:10.12114/j . ISSN . 1008-5971.2021 . 00 . 232。
原文如下: