在主要以黑人为主的州级队列中使用机器学习进行特定疾病再入院风险分层:心力衰竭、急性心肌梗死、心房颤动/扑动和高血压性心脏病的亚型特异性模型开发
本研究利用弗吉尼亚州健康信息数据库2010年至2020年间157,791份出院记录,针对123,272名主要患者(96.6%为黑人),开发了四种心血管疾病亚型(心力衰竭、急性心肌梗死、心房颤动/扑动、高血压性心脏病)的30天再入院风险预测模型。采用XGBoost、LightGBM、随机森林、弹性网络四种算法及超级学习器集成模型,结果显示XGBoost在四个亚型中的三个表现最佳,整体再入院率为18.9%,各模型AUC值介于0.706至0.758之间。LACE指数、查尔森合并症指数和保险类型被确认为最稳定的强预测因子,研究为安全网和少数族裔医疗服务系统提供了可扩展的风险分层框架。
2026-09-11 21:59:00心脑血管