Сравнение прогностических возможностей традиционных методов оценки сердечно-сосудистого риска с использованием шкал SCORE и FRAMINGHAM, технологий машинного обучения «ИНТЕРЭПИД»

Аннотация:

Основными способами оценки сердечно-сосудистого риска являются шкалы SCORE, SCORE-2, Framingham и др. Однако данные шкалы имеют ряд статистических недостатков, которые могут снижать качество прогноза, вследствие чего многими исследователями предлагается использовать технологии машинного обучения для прогноза сердечно-сосудистого риска. Цель исследования. Сравнить прогностические возможности шкал SCORE, Framingham и одного из методов машинного обучения на базе данных исследования «ИНТЕРЭПИД». Работа выполнена на основании данных международного проспективного исследования «ИНТЕРЭПИД», проведенного в 2011—2016 гг. (n=2391). Конечные точки: случаи развития ишемической болезни сердца и острого нарушения мозгового кровообращения для Самары (n=253; 24,1%) и для Кыргызской Республики (n=280; 20,9%), всего n=533 (22,5%). В качестве алгоритмов машинного обучения использовали ExtraTreesClassifier для самарской когорты, GradientBoostingClassifier для кыргызской когорты и для всей когорты «ИНТЕРЭПИД». Для сравнения применяли шкалу SCORE и шкалу Framingham. В результате для самарской когорты лучший показатель AUC у ExtraTreesClassifier — 0,609, для кыргызской когорты — у шкалы Framingham, AUC — 0,828, для всей когорты — у GradientBoostingClassifier, AUC — 0,766. Заключение. По результатам данного исследования можно сказать, что качество детерминации по уровню сердечно-сосудистого риска в большинстве случаев лучше при использовании алгоритмов машинного обучения, однако в некоторых случаях получены противоречивые данные. При этом в обоих случаях в первую очередь следует обращать внимание на качество выборки, на основании которой строилась математическая модель, и на методы валидации.

Авторы:

Издание: Профилактическая медицина
Год издания: 2024
Объем: 7с.
Дополнительная информация: 2024.-N 2.-С.96-102. Библ. 21 назв.
Просмотров: 14