基于机器学习模型的NSTE-ACS患者早期诊断的多中心研究
2020年12月29日 更新者：Xiang Ma、First Affiliated Hospital of Xinjiang Medical University
NSTEMI和UA患者的早期诊断主要是通过机器学习模型的构建。
研究概览
详细说明
包括 NSTEMI 和 UA 患者。
人工标注后，选择患者的入院记录特征。
75%的数据用于构建模型，25%的数据用于验证模型的有效性。
构建一维卷积 (CNN)、朴素贝叶斯 (NB)、支持向量机 (SVM)、随机森林 (RF) 和集成学习五种分类模型来识别和诊断 NSTEMI 和 UA 患者。
使用多重交叉验证和ROC-AUC曲线来衡量模型的优缺点。
研究类型
观察性的
注册 (实际的)
2500
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Xinjiang
-
Ürümqi、Xinjiang、中国、830000
- The First Affiliated Hospital of Xinjiang Medical University
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 至 75年 (成人、年长者)
接受健康志愿者
不适用
有资格学习的性别
全部
取样方法
概率样本
研究人群
纳入2017-2019年新疆医科大学第一附属医院胸痛中心和石河子大学医学院附属第一医院胸痛中心的NSTEMI和UA患者。
描述
纳入标准：
- 严格按照中国非ST段抬高型急性冠脉综合征诊治指南(2016)的诊断标准纳入和排除患者。 患者以胸痛为主诉入院，先后入住新疆医科大学第一附属医院和石河子大学医学院第一附属医院。 患者经冠脉造影诊断为NSTEMI和UA（年龄范围30～75岁）。
排除标准：
- 1. STEMI、主动脉夹层动脉瘤、气胸等非心源性胸痛患者。 2.严重肝肾功能衰竭、未经手术治疗的原发肿瘤、非严重感染并发休克及孕妇。 3.既往有严重瓣膜病、病毒性心肌炎、心包积液、心脏起搏器植入、心源性休克伴严重并发症、高血压性心脏病、各种心肌病、先天性心脏病等。
4.既往有心脏病、AECOPD、肺部肿瘤、甲状腺功能亢进症患者。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
CNN模型
收集2017-2019年两家胸痛中心NSTEMI和UA患者的电子健康信息，人工标注后，选取患者入院记录特征，通过构建一维卷积（CNN）模型。
以多重交叉验证和ROC-AUC曲线为衡量指标，75%的数据进行建模，25%的数据用于验证模型的效果。
|
机器学习模型对NTEMI患者的早期诊断
|
|
XG提升
通过构建XG boost模型，以多重交叉验证和ROC-AUC曲线作为衡量指标，对75%的数据进行建模，25%的数据用于验证模型的效果。
|
机器学习模型对NTEMI患者的早期诊断
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
准确诊断急性胸痛患者NSTEMI
大体时间：1年以内
|
通过训练有素的机器学习算法，从急性胸痛患者中准确诊断出 NSTEMI 患者。
我们的模型使用多重交叉验证和ROC-AUC曲线作为衡量指标，75%的数据进行建模，25%的数据验证模型的效果。
为此，我们将计算灵敏度截止值为 0.9 时的准确性、特异性和似然比。
|
1年以内
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Aikeliyaer Ainiwaer, M.D、First Affiliated Hospital of Xinjiang Medical University
- 研究主任：Quan Qi, Ph.D、College of Information and Technology, Shihezi University
- 首席研究员：Yi Ying Du, M.D、First Affiliated Hospital of Xinjiang Medical University
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Weng SF, Reps J, Kai J, Garibaldi JM, Qureshi N. Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLoS One. 2017 Apr 4;12(4):e0174944. doi: 10.1371/journal.pone.0174944. eCollection 2017.
- Lee HC, Park JS, Choe JC, Ahn JH, Lee HW, Oh JH, Choi JH, Cha KS, Hong TJ, Jeong MH; Korea Acute Myocardial Infarction Registry (KAMIR) and Korea Working Group on Myocardial Infarction (KorMI) Investigators. Prediction of 1-Year Mortality from Acute Myocardial Infarction Using Machine Learning. Am J Cardiol. 2020 Oct 15;133:23-31. doi: 10.1016/j.amjcard.2020.07.048. Epub 2020 Jul 26.
- Cuocolo R, Perillo T, De Rosa E, Ugga L, Petretta M. Current applications of big data and machine learning in cardiology. J Geriatr Cardiol. 2019 Aug;16(8):601-607. doi: 10.11909/j.issn.1671-5411.2019.08.002.
- Ambale-Venkatesh B, Yang X, Wu CO, Liu K, Hundley WG, McClelland R, Gomes AS, Folsom AR, Shea S, Guallar E, Bluemke DA, Lima JAC. Cardiovascular Event Prediction by Machine Learning: The Multi-Ethnic Study of Atherosclerosis. Circ Res. 2017 Oct 13;121(9):1092-1101. doi: 10.1161/CIRCRESAHA.117.311312. Epub 2017 Aug 9.
- Patel BB, Sperotto F, Molina M, Kimura S, Delgado MI, Santillana M, Kheir JN. Avoidable Serum Potassium Testing in the Cardiac ICU: Development and Testing of a Machine-Learning Model. Pediatr Crit Care Med. 2021 Apr 1;22(4):392-400. doi: 10.1097/PCC.0000000000002626.
- Groepenhoff F, Eikendal ALM, Bots SH, van Ommen AM, Overmars LM, Kapteijn D, Pasterkamp G, Reiber JHC, Hautemann D, Menken R, Wittekoek ME, Hofstra L, Onland-Moret NC, Haitjema S, Hoefer I, Leiner T, den Ruijter HM. Cardiovascular imaging of women and men visiting the outpatient clinic with chest pain or discomfort: design and rationale of the ARGUS Study. BMJ Open. 2020 Dec 15;10(12):e040712. doi: 10.1136/bmjopen-2020-040712.
- Kwon JM, Jeon KH, Kim HM, Kim MJ, Lim S, Kim KH, Song PS, Park J, Choi RK, Oh BH. Deep-learning-based risk stratification for mortality of patients with acute myocardial infarction. PLoS One. 2019 Oct 31;14(10):e0224502. doi: 10.1371/journal.pone.0224502. eCollection 2019.
- Chowdhury MEH, Alzoubi K, Khandakar A, Khallifa R, Abouhasera R, Koubaa S, Ahmed R, Hasan MA. Wearable Real-Time Heart Attack Detection and Warning System to Reduce Road Accidents. Sensors (Basel). 2019 Jun 20;19(12):2780. doi: 10.3390/s19122780.
- Wu CC, Hsu WD, Islam MM, Poly TN, Yang HC, Nguyen PA, Wang YC, Li YJ. An artificial intelligence approach to early predict non-ST-elevation myocardial infarction patients with chest pain. Comput Methods Programs Biomed. 2019 May;173:109-117. doi: 10.1016/j.cmpb.2019.01.013. Epub 2019 Jan 31.
- Bernatz S, Ackermann J, Mandel P, Kaltenbach B, Zhdanovich Y, Harter PN, Doring C, Hammerstingl R, Bodelle B, Smith K, Bucher A, Albrecht M, Rosbach N, Basten L, Yel I, Wenzel M, Bankov K, Koch I, Chun FK, Kollermann J, Wild PJ, Vogl TJ. Comparison of machine learning algorithms to predict clinically significant prostate cancer of the peripheral zone with multiparametric MRI using clinical assessment categories and radiomic features. Eur Radiol. 2020 Dec;30(12):6757-6769. doi: 10.1007/s00330-020-07064-5. Epub 2020 Jul 16.
- Md Idris N, Chiam YK, Varathan KD, Wan Ahmad WA, Chee KH, Liew YM. Feature selection and risk prediction for patients with coronary artery disease using data mining. Med Biol Eng Comput. 2020 Dec;58(12):3123-3140. doi: 10.1007/s11517-020-02268-9. Epub 2020 Nov 6. Erratum In: Med Biol Eng Comput. 2022 Mar;60(3):887.
- Allen B, Molokie R, Royston TJ. Early Detection of Acute Chest Syndrome Through Electronic Recording and Analysis of Auscultatory Percussion. IEEE J Transl Eng Health Med. 2020 Sep 30;8:4900108. doi: 10.1109/JTEHM.2020.3027802. eCollection 2020.
- Eberhard M, Nadarevic T, Cousin A, von Spiczak J, Hinzpeter R, Euler A, Morsbach F, Manka R, Keller DI, Alkadhi H. Machine learning-based CT fractional flow reserve assessment in acute chest pain: first experience. Cardiovasc Diagn Ther. 2020 Aug;10(4):820-830. doi: 10.21037/cdt-20-381.
- Ma Q, Ma Y, Yu T, Sun Z, Hou Y. Radiomics of Non-Contrast-Enhanced T1 Mapping: Diagnostic and Predictive Performance for Myocardial Injury in Acute ST-Segment-Elevation Myocardial Infarction. Korean J Radiol. 2021 Apr;22(4):535-546. doi: 10.3348/kjr.2019.0969. Epub 2020 Nov 30.
- Zheng Y, Li T. Letter to the Editor concerning the article "Machine learning for prediction of 30-day mortality after ST elevation myocardial infarction". Int J Cardiol. 2018 Sep 1;266:41. doi: 10.1016/j.ijcard.2017.11.061. No abstract available.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2020年12月20日
初级完成 (预期的)
2021年12月20日
研究完成 (预期的)
2022年6月1日
研究注册日期
首次提交
2020年12月19日
首先提交符合 QC 标准的
2020年12月19日
首次发布 (实际的)
2020年12月24日
研究记录更新
最后更新发布 (实际的)
2020年12月31日
上次提交的符合 QC 标准的更新
2020年12月29日
最后验证
2020年12月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.