导语 目前诊断心脏衰竭采用保留射血分数(HFpEF)的考量其实是次优选择。 作者:沿若 来源:医学论坛网心血管 背景: 目前诊断心脏衰竭采用保留射血分数(HFpEF)的考量其实是次优选择。学者们提出这样一种假设,在休息和运动时分别监测患者左心室功能的综合机能情况(ML)能够更客观地获得其保留射血分数和健康受试者之间的差异,本实验旨在测试这一假设的有效性。
方法和结果: 在MEDIA研究中,纳入156名年龄>60岁的受试者(对72例保留射血分数患者+33例健康人进行初步分析;24例高血压患者+27例呼吸困难患者加入独立分析组),对受试者行超声心动图检测(逐渐进展为舒张性心力衰竭),采用无监督ML公式对左心室长轴心肌速度检测模式进行分析,并根据其相似度对其进行排序,从而对速度模式的主要趋势进行探索。
ML记录并辨别了心肌从健康到患病的连续过程,包括未明确诊断的过渡区。并做了相关的临床验证: (1) 分析了每个区域模式的主要趋势特征,其符合HFpEF的已知特征和新发特征;ml诊断区区分了几个因素,包括年龄、体重指数、6分钟步行距离、B型钠尿肽、左心室质量指数(P<> (2) 对目前的心脏衰竭临床诊断标准的一致性进行评价;诊断相关性结果很好(κ,72.6%;95%CI,58.1 - -87.0);ML公式将临床诊断为健康人群的6%确定为HFpEF患者。
对临床诊断和ML公式诊断不一致的的受试者,行双盲影像学重新检查显示其有不包括在诊断标准中的异常情况。该算法公式单独应用于51个实验对象,分别将33%的高血压和67%的呼吸困难作为中度保留射血分数性心衰(mild-HFpEF)的分类。
结论: 通过详细的ML公式法则分析运动时左心室长轴功能可以提高对HFpEF的诊断和理解。
参考文献:Sergio Sanchez-Martinez,et al,Machine Learning Analysis of Left Ventricular Function to Characterize Heart Failure With Preserved Ejection Fraction.Circulation: Cardiovascular Imaging. 2018;11:e007138.Originally published April 16, 2018 |
|
来自: 昵称41082923 > 《医学》