可获取的10年数字心血管（DiCAVA）风险评估的开发：一项英国生物样本库研究
机器学习
2021-04-21 v1
摘要
背景：心血管疾病（CVDs）是全球主要死因之一。提供个性化患CVD风险的预测评分在临床实践中日益使用。然而，大多数评分使用同质特征集且需要医师在场。目的：旨在使用统计和机器学习技术开发可应用于远程环境的新风险模型（DiCAVA）。次要目标是识别可纳入CVD风险评估的以患者为中心的新变量。方法：在466,052名参与者中，使用源自英国生物样本库的608个变量训练Cox比例风险（CPH）和DeepSurv模型，以研究10年内患CVD的风险。数据驱动的特征选择将特征数量减少至47个，之后训练了简化模型。两种模型均与Framingham评分进行比较。结果：简化CPH模型达到0.7443的c指数，而DeepSurv达到0.7446的c指数。CPH和DeepSurv在判定CVD风险方面均优于Framingham评分。当从模型中排除胆固醇和血压时，观察到微小差异（CPH：0.741，DeepSurv：0.739）。模型在测试数据上显示出非常好的校准和区分度。结论：我们开发了一个具有非常好预测能力并包含新变量的心血管风险模型。该评分可纳入临床实践并在远程环境中使用，无需包含胆固醇。未来研究将聚焦于跨异质样本的 external validation。
引用
@article{arxiv.2104.10079,
title = {Development of an accessible 10-year Digital CArdioVAscular (DiCAVA) risk assessment: a UK Biobank study},
author = {Nikola Dolezalova and Angus B. Reed and Alex Despotovic and Bernard Dillon Obika and Davide Morelli and Mert Aral and David Plans},
journal= {arXiv preprint arXiv:2104.10079},
year = {2021}
}
备注
28 pages, 3 figures, 4 tables