楊貴分，張少華，劉衛(wèi)珍，陳敏霞，姚蘭，廖旭

作者單位：430070 湖北省武漢市，中部戰(zhàn)區(qū)總醫(yī)院心血管內(nèi)科

院內(nèi)心搏驟停（in-hospital cardiac arrest，IHCA）是急性冠脈綜合征（acute coronary syndrome，ACS）患者的一種不常見但威脅生命的并發(fā)癥，其發(fā)生率約為1.7%，且相比于未發(fā)生IHCA的ACS患者，發(fā)生IHCA的ACS患者院內(nèi)死亡風(fēng)險增加7倍［1］。一項關(guān)于IHCA患者預(yù)后的研究表明，IHCA患者自主循環(huán)恢復(fù)率為35.5%，自主循環(huán)恢復(fù)后1個月生存率為8.7%，存活出院且神經(jīng)功能預(yù)后良好者僅占6.4%［2］。故如何快速、準(zhǔn)確、高效地評估ACS患者病情、預(yù)測IHCA的發(fā)生概率以提高復(fù)蘇成功率、改善患者預(yù)后是亟待解決的問題。風(fēng)險預(yù)測模型是基于IHCA的發(fā)生受多種因素影響這一事實，通過統(tǒng)計模型對患者未來發(fā)生IHCA的可能性進(jìn)行預(yù)測。隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，人工智能技術(shù)如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等在醫(yī)療領(lǐng)域的應(yīng)用日漸成熟。研究證實，相較于傳統(tǒng)統(tǒng)計學(xué)方法，基于機(jī)器學(xué)習(xí)算法建立的模型預(yù)測性能更優(yōu)，且基于預(yù)測結(jié)果對患者實施干預(yù)可有效降低IHCA發(fā)生率［3-4］。目前國外已有多位學(xué)者構(gòu)建了ACS患者發(fā)生IHCA風(fēng)險的機(jī)器學(xué)習(xí)預(yù)測模型，其中BADRIYAH等［5］構(gòu)建的決策樹早期預(yù)警得分（decision-tree early warning score，DTEWS）模型以及LI等［6］構(gòu)建的決策樹模型的預(yù)測性能均較好，納入變量的數(shù)量適中且較易獲取，臨床應(yīng)用更簡單易行，但其均未進(jìn)行外部驗證，且哪種模型更適合我國醫(yī)療環(huán)境尚不清楚。因此，本研究采用空間驗證的方式對DTEWS模型、決策樹模型進(jìn)行外部驗證，比較其對ACS患者發(fā)生IHCA的預(yù)測價值，旨在為模型的應(yīng)用與推廣奠定基礎(chǔ)。

1 對象與方法

1.1 納入機(jī)器學(xué)習(xí)模型介紹

1.1.1 DTEWS模型

BADRIYAH等［5］構(gòu)建的DTEWS模型包括呼吸頻率、血氧飽和度、吸氧情況、體溫、收縮壓、脈搏、意識狀態(tài)7個變量，每個變量評分為0～3分，總分范圍為0～21分，得分越低表示ACS患者IHCA發(fā)生風(fēng)險越低，見表1。

表1 DTEWS模型Table 1 DTEWS model

1.1.2 決策樹模型

LI等［6］構(gòu)建的決策樹模型包括重要早期預(yù)警評分（Vital PAC Early Warning Score，ViEWS）、有無致命性心律失常、Killip分級、心肌肌鈣蛋白T（cardiac troponin T，cTnT）、血尿素氮、年齡、有無糖尿病7個變量，其中ViEWS評估方式見表2，該模型的危險分層方法見表3。

表2 決策樹模型中ViEWS評估方式Table 2 ViEWS evaluation method in decision tree model

表3 決策樹模型的危險分層方法Table 3 Risk stratification method for decision tree model

1.2 研究對象

采用便利抽樣法回顧性選取2018—2022年入住某三甲醫(yī)院心血管內(nèi)科的發(fā)生IHCA的ACS患者53例為IHCA組，選取同期入住某三甲醫(yī)院心血管內(nèi)科的未發(fā)生IHCA的ACS患者706例為非IHCA組。納入標(biāo)準(zhǔn)：（1）年齡≥18歲；（2）經(jīng)血清心肌損傷標(biāo)志物、心電圖檢查確診為ACS；（3）首次診斷為ACS。排除標(biāo)準(zhǔn)：（1）手術(shù)過程中心搏驟停者；（2）有心搏驟停史者；（3）安裝心臟起搏器者；（4）臨床資料不完整者；（5）住院時間＜24 h者；（6）合并擴(kuò)張型心肌病、先天性心臟病者；（7）肝硬化失代償期者；（8）惡性腫瘤伴惡病質(zhì)者。本研究已獲得本醫(yī)院倫理委員會批準(zhǔn)（倫理編號：［2023］048-01）。

1.3 研究方法

基于兩種機(jī)器學(xué)習(xí)模型中的預(yù)測因子，收集患者一般資料，包括年齡、性別、BMI、吸煙史、飲酒史、心血管疾病家族史、糖尿病發(fā)生情況、致命性心律失常發(fā)生情況、吸氧情況、入院方式（門診或急診）和入院時Killip分級、呼吸頻率、脈搏、體溫、收縮壓、舒張壓、血尿素氮、cTnT、血氧飽和度、意識狀態(tài)及住院時間。

1.4 統(tǒng)計學(xué)方法

采用SPSS、MedCalc進(jìn)行統(tǒng)計分析。計數(shù)資料以相對數(shù)表示，組間比較采用χ2檢驗；等級資料比較采用秩和檢驗；符合正態(tài)分布的計量資料以（±s）表示，兩組間比較采用獨立樣本t檢驗；不符合正態(tài)分布的計量資料以M（P25，P75）表示，組間比較采用秩和檢驗；采用ROC曲線評估兩種機(jī)器學(xué)習(xí)模型對ACS患者發(fā)生IHCA的預(yù)測價值，AUC≥0.9說明預(yù)測價值較高，AUC≥0.7且＜0.9表示預(yù)測價值中等，AUC≥0.5且＜0.7表示預(yù)測價值較低［7］；采用Delong檢驗比較AUC。以P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 兩組一般資料比較

兩組年齡、糖尿病發(fā)生率、致命性心律失常發(fā)生率、吸氧者占比、入院方式和入院時Killip分級、收縮壓、舒張壓、血尿素氮、cTnT、意識狀態(tài)及住院時間比較，差異有統(tǒng)計學(xué)意義（P＜0.05）；兩組性別、BMI、有吸煙史者占比、有飲酒史者占比、有心血管疾病家族史者占比和入院時呼吸頻率、脈搏、體溫、血氧飽和度比較，差異無統(tǒng)計學(xué)意義（P＞0.05），見表4。

表4 兩組一般資料比較Table 4 Comparison of general information between the two groups

2.2 兩種機(jī)器學(xué)習(xí)模型對ACS患者發(fā)生IHCA的預(yù)測價值

ROC 曲線分析結(jié)果顯示，DTEWS 模型、決策樹模型預(yù)測ACS 患者發(fā)生IHCA 的AUC 分別為0.815〔95%CI（0.785～0.842）〕、0.824〔95%CI（0.795～0.851）〕，見圖1。DTEWS模型、決策樹模型預(yù)測ACS患者發(fā)生IHCA的AUC比較，差異無統(tǒng)計學(xué)意義（Z=0.315，P=0.757）。

圖1 兩種機(jī)器學(xué)習(xí)模型預(yù)測ACS患者發(fā)生IHCA的ROC曲線Figure 1 ROC curve of the two machine learning models in predicting IHCA in patients with ACS

3 討論

在全球范圍內(nèi)，IHCA的發(fā)生率、病死率均居于高位，其最常見的原因為ACS［8］。目前IHCA領(lǐng)域的研究重點為搶救和救治策略，而如何篩選出IHCA高風(fēng)險人群的研究相對不足［9］。機(jī)器學(xué)習(xí)模型可通過機(jī)器學(xué)習(xí)算法組合多個危險因素，對海量數(shù)據(jù)的輸入特征進(jìn)行分析，自主學(xué)習(xí)并做出推斷，進(jìn)而預(yù)測ACS患者IHCA發(fā)生風(fēng)險［10］。相比于傳統(tǒng)預(yù)測模型，機(jī)器學(xué)習(xí)算法建立的模型降低了排除重要變量的可能性，在許多情況下其性能優(yōu)于傳統(tǒng)統(tǒng)計學(xué)方法［3-4］。本研究采用空間驗證的方式對DTEWS模型、決策樹模型進(jìn)行外部驗證，比較其對ACS患者發(fā)生IHCA的預(yù)測價值。

本研究結(jié)果顯示，兩組年齡、糖尿病發(fā)生率、致命性心律失常發(fā)生率、吸氧者占比、入院方式和入院時Killip分級、收縮壓、舒張壓、血尿素氮、cTnT、意識狀態(tài)及住院時間比較，差異有統(tǒng)計學(xué)意義，提示ACS患者發(fā)生IHCA可能與上述因素有關(guān)，但使用單一因素預(yù)測ACS患者發(fā)生IHCA的風(fēng)險效果欠佳。風(fēng)險預(yù)測模型相關(guān)研究包括預(yù)測模型的開發(fā)、內(nèi)部驗證、外部驗證和模型優(yōu)化以及模型對臨床工作和患者預(yù)后的影響［11］。DTEWS模型納入了呼吸頻率、血氧飽和度、吸氧情況、體溫、收縮壓、脈搏、意識狀態(tài)7個變量，BADRIYAH等［5］前期內(nèi)部驗證結(jié)果顯示，DTEWS模型預(yù)測ACS患者發(fā)生IHCA的AUC為0.88；本研究ROC曲線分析結(jié)果顯示，DTEWS模型預(yù)測ACS患者發(fā)生IHCA的AUC為0.815，內(nèi)、外部驗證結(jié)果均提示其對ACS患者發(fā)生IHCA有中等預(yù)測價值。決策樹模型納入了ViEWS、有無致命性心律失常、Killip分級、cTnT、血尿素氮、年齡、有無糖尿病7個變量，其中ViEWS又包括脈搏、呼吸頻率、體溫、收縮壓、血氧飽和度、吸氧情況、意識狀態(tài)7個變量，LI等［6］前期內(nèi)部驗證結(jié)果顯示，決策樹模型預(yù)測ACS患者發(fā)生IHCA的AUC為0.84；本研究ROC曲線分析結(jié)果顯示，決策樹模型預(yù)測ACS患者發(fā)生IHCA的AUC為0.824，內(nèi)、外部驗證結(jié)果均提示其對ACS患者發(fā)生IHCA有中等預(yù)測價值。本研究結(jié)果還顯示，DTEWS模型、決策樹模型預(yù)測ACS患者發(fā)生IHCA的AUC比較，差異無統(tǒng)計學(xué)意義，提示兩種模型對ACS患者發(fā)生IHCA的預(yù)測價值相當(dāng)，但決策樹模型納入的變量相對較多，且需要進(jìn)行二次計算，不利于臨床實踐。

4 結(jié)論

綜上所述，DTEWS模型、決策樹模型均對ACS患者發(fā)生IHCA有中等預(yù)測價值，其中DTEWS模型納入變量較少、易獲取且計算方式簡單，更適宜臨床推廣。但本研究為單中心研究，今后可繼續(xù)擴(kuò)大樣本量、開展多中心研究并補(bǔ)充預(yù)測因子、調(diào)整模型算法，以進(jìn)一步提高模型的預(yù)測能力；同時，也可構(gòu)建計算機(jī)輔助決策系統(tǒng)，將風(fēng)險預(yù)測模型植入現(xiàn)有護(hù)理信息系統(tǒng)中，利用系統(tǒng)自行抓取所需數(shù)據(jù)并自動計算ACS患者發(fā)生IHCA的風(fēng)險，這可縮短護(hù)士工作時間，降低人工計算造成的誤判率［12］，從而達(dá)到改善ACS患者臨床結(jié)局的目的。

作者貢獻(xiàn)：楊貴分進(jìn)行文章的構(gòu)思與設(shè)計、研究的實施與可行性分析，撰寫論文；陳敏霞、姚蘭、廖旭進(jìn)行數(shù)據(jù)收集；楊貴分、陳敏霞、姚蘭、廖旭進(jìn)行數(shù)據(jù)整理；劉衛(wèi)珍進(jìn)行統(tǒng)計學(xué)處理；張少華、劉衛(wèi)珍進(jìn)行結(jié)果的分析與解釋；楊貴分、張少華進(jìn)行論文的修訂；張少華負(fù)責(zé)文章的質(zhì)量控制及審校，對文章整體負(fù)責(zé)、監(jiān)督管理。

本文無利益沖突。