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!

發(fā)布日期：2022-03-11 作者：WLT 點擊：

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。