ST上昇心筋梗塞の女性における院内死亡率のリスク予測モデル:機械学習アプローチ【Powered by NICT】

Mansoor Hend; Elgendy Islam Y.; Segal Richard; Bavry Anthony A.; Bian Jiang

文献

J-GLOBAL ID：201702249362240308 整理番号：17A1707358

ST上昇心筋梗塞の女性における院内死亡率のリスク予測モデル:機械学習アプローチ【Powered by NICT】

Risk prediction model for in-hospital mortality in women with ST-elevation myocardial infarction: A machine learning approach

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1707358&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1707358&from=J-GLOBAL&jstjournalNo=E0857B") }}

著者 (5件)： , , , ,
資料名：
巻： 46 号： 6 ページ： 405-411 発行年： 2017年
JST資料番号： E0857B ISSN： 0147-9563 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

研究は,ST上昇型心筋梗塞(STEMI)による死亡率は男性と比較して女性でより高いことを示した。本研究の目的は,ロジスティック回帰およびランダムフォレストを用いたSTEMIで入院した女性における全死因院内死亡率の予測モデルを開発し,検証することと,異なるモデルの性能と妥当性を比較することである。全国入院患者サンプル(NIS)データ年2011 2013からのデータは,STEMIで入院した女性を同定するために使用した。主要転帰は全原因院内死亡率であった。患者は開発と検証コホートに分け,訓練されたモデルは,内部2012データの20%を用いて検証し,外部2011と2013NISデータを用いて検証した。;三つの主要なモデルを開発し,比較した。多変量ロジスティック回帰,完全及び縮小ランダムフォレストモデル。多変量ロジスティック回帰では,11変数が後方除去に基づく最終モデルに含めた。完全ランダムフォレストモデルは32変数を含み,縮小モデルは,個々の変数重要度に基づいて選択した17変数を含んでいた。内部検証コホートでは,C インデックスは,多変量ロジスティック回帰,完全,及び減少したランダムフォレストモデルのための0.84,0.81および0.80であった。モデルは,ロジスティック回帰,完全のためのC インデックスを用いた外部検証コホートにおける良好な安定性を示し,2013年間の0.84,0.85,および2011年の0.81,及び0.82,0.81,及び0.81のランダムフォレストモデルを減少させた。ランダムフォレストは,STEMIを有する女性における院内死亡率の予測におけるロジスティック回帰に匹敵し,臨床で有用な道具とすることができた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

循環系の臨床医学一般

, , , , ,

前のページに戻る