Forskning om det diagnostiska värdet av maskininlärningsmodell baserad på kliniska data hos patienter med kranskärlssjukdom

Totalt 300 patienter med CHD WHO lades in på sjukhus vid Xinjiang Medical Universitys First Affiliated Hospital från augusti 2021 till februari 2022, vilka alla uppfyllde de DIAGNOSTISKA kriterierna för CHD formulerade av Världshälsoorganisationen (WHO) och uteslöt sjukdomar som t.ex. som mycket allvarlig klaffsjukdom och medfödd hjärtsjukdom.Totalt 300 friska försökspersoner från First Affiliated Hospital vid Xinjiang Medical University under samma period valdes ut som kontroller.Observationsindikatorer inkluderade: Kliniska indikatorer som samlades in inkluderar: Allmänna tillstånd: kön, ålder, medicinsk historia;Blodbiokemiska index, såsom blodrutin, leverfunktion, njurfunktion, blodfetter, blodsocker, myokardmarkörer, elektrolyt, serumkreatininkoncentration, body mass index, BNP och andra indikatorer;Relaterade tester såsom ELEKTROcardiogram, holter-elektrokardiogram , hjärt-ultraljud (vänster förmaksdiameter, ascendens aorta, ventrikulär septaltjocklek, le ft bakre väggtjocklek, högerkammardiameter, ejektionsfraktion, onormal kammarväggrörelse, tecken på infarkt eller ischemi, klaffavvikelse, medfödd hjärtsjukdom, etc.);Tecken inkluderar: ljuddata av hjärtljud i nio delar av prekardialt område;medicinering status.Alla blodbiokemiska index och undersökningar genomfördes på laboratorieavdelningen och ultraljudsavdelningen på vårt sjukhus, och de fysiska tecknen fullbordades på avdelningen. Resultaten av kranskärlsangiografi, ekokardiografi före och efter sjukhus och andra relaterade data var recorded.Machine learning-modellen konstruerades baserat på kliniska data för att hjälpa diagnosen av patienter med kranskärlssjukdom