摘要
背景：急性心肌梗死(MI)患者群体具有高度异质性。这种多样性使得早期风险评估更加困难。基于机器学习的聚类分析可能有助于早期识别有长期住院风险的患者。
目的：利用临床、实验室和血管造影变量，从数据驱动的角度推导MI患者的基础表型，并描述其关键特征。
方法：共纳入1,460名患者。37个变量包括人口统计学数据（年龄、性别）、体重指数（BMI）、合并症（糖尿病、高血压、慢性肾病、既往MI/PCI、慢性阻塞性肺病、心力衰竭、心房颤动）、实验室标志物（葡萄糖、低密度脂蛋白、甘油三酯、C反应蛋白、N末端B型利钠肽前体[NT-proBNP]、血红蛋白、白细胞、血小板、肌酐、天冬氨酸转氨酶[AST]、丙氨酸转氨酶[ALT]）和血管造影特征（治疗的血管、植入的支架）。应用了混合数据因子分析（FAMD）。基于轮廓宽度和临床可解释性选择了最佳聚类方案（K=5）。使用ANOVA/Kruskal-Wallis检验或卡方/Fisher检验评估聚类间差异。连续变量以中位数[IQR]表示。
结果：FAMD后进行k-means聚类，确定了五种不同的临床表型（轮廓值=0.29）。
聚类1（C1，n=161）包括射血分数（EF）保留（50% [39-55]）但NT-proBNP较高（1319 [411-4089] pg/mL）的患者。
聚类2（C2，n=205）代表最不利的特征，年龄最大（73 [68-80]岁），合并症最多（4种），EF降低（38% [30-45]），NT-proBNP非常高（4377 [2002-11611] pg/mL），同时糖尿病（70%）、慢性肾病（CKD，41%）和既往心力衰竭（77%）很常见。
聚类3（C3，n=126）显示中等风险特征，EF保留（50% [36-60]），代谢（葡萄糖119 [103-151] mg/dL）和炎症活性（CRP 3.0 [1-13] mg/L）最低。
聚类4（C4，n=284）的特点是广泛的冠心病和手术史（CAD 93%，既往MI 86%，既往PCI 88%），EF中度受损（48% [40-55]）。
聚类5（C5，n=684）是最大且最年轻的群体（63 [55-69]岁），合并症负担最低（1种），EF最高（52% [46-56]），NT-proBNP最低（668 [211-1616] pg/mL），既往MI（5%）或PCI（1%）病史最少，尽管LDL较高（115 [90-142] mg/dL）。
在比较住院时间时，聚类2的患者住院时间显著更长（11 [8-14]天 vs. 其他所有聚类的7天），两两比较的p值分别为：2.24×10^-14（vs C1）、5.60×10^-14（vs C3）、8.74×10^-26（vs C4）和7.49×10^-23（vs C5）。
结论：基于无监督FAMD的聚类确定了五种有意义的MI后表型，包括一个高风险多病共存亚组，其长期住院风险增加。
作者注释：资金支持声明：无。
© 作者(们) 2026年。由牛津大学出版社代表欧洲心脏病学会出版。
本文章根据知识共享署名-非商业性使用4.0国际许可协议（
【全文结束】