您的位置:首页 >综合百科 >正文

研究筛选了设备植入并发症的潜在因素

摘要 几十年来,左心室辅助装置 (LVAD) 已经延长了心脏变得太虚弱而无法有效地将血液泵入身体的人的生命。然而,对于这些患者中的 20% 以上

几十年来,左心室辅助装置 (LVAD) 已经延长了心脏变得太虚弱而无法有效地将血液泵入身体的人的生命。然而,对于这些患者中的 20% 以上,LVAD 植入物会引发可怕的并发症:他们的右心室通常会在几天内衰竭。

心脏衰竭

心脏专家认为这是因为心脏的右侧无法容纳刚安装的泵突然恢复的血流。当发现右心衰竭时,患者接受静脉注射药物和临时机械支持。在某些情况下,但不是全部,这些紧急干预措施可以提高右心室的活力。

事先了解哪些患者患右心衰竭的风险较高,可能会使医生降低这种可能性。

西雅图威斯康星大学医学院的研究人员今天报告了对 186 个植入前患者因素的机器学习分析结果,揭示了 19,595 名首次接受 LVAD 的人群中与右心衰竭最密切相关的 30 个因素。

他们的论文于 10 月 26 日发表在ASAIO 杂志上。

“我们对这项研究有两个目标:帮助预测哪些患者会出现这种并发症,并在我们植入 LVAD 之前找出我们可以优化的因素以降低右心衰竭的风险,”李松博士说是华盛顿大学医学心脏研究所的心力衰竭心脏病专家,也是该论文的资深作者。

可能与并发症有关的患者变量的绝对数量使心脏病专家无法轻易知道哪些变量单独或共同可能会增加 LVAD 接受者的风险。李说,心脏病专家普遍认为,LVAD 植入后右心衰竭的最佳预测指标是右心在手术前的功能。

“我们发现传统观点可能不正确:LVAD 之前的右心功能并不是最重要的变量之一,”他说。

作者发现,在这一人群中,右心衰竭与患者的肝功能、肾功能、炎症水平、营养状况和总体术前敏锐度(INTERMACS 概况)最为相关。

区分变量相对重要性的难题非常适合用于从庞大的数据池中检测关联的算法。

“大多数传统研究都会提出一个与结果相关或相关的风险因素。但对于复杂的问题,能够同时查看许多变量是很好的,”该研究的主要作者 Arjun Bahl 博士说和一名内科住院医师三年级。

Bahl 说,该算法显示了患者变量——例如,肌酐水平、吸烟状况和种族——以及它们对右心衰竭的相对贡献。该分析还揭示了较低或较高的变量值是否或多或少与并发症相关。

“我们的机器学习方法使我们能够向前推进,而无需创建任意水平的截止值来确定重要性,也不必在这些水平上创建患者亚组,”他说。

研究人员的另一个考虑是产生对心脏病专家可行的研究结果。

“既然我们已经了解哪些因素更重要,那么在患者进行手术之前,我们可以做些什么来优化这些因素?”李问。“并非所有因素都是可以改变的,但例如营养状况是我们可以改变的。我们应该尝试给患者更多的营养,以确保他们在手术前得到优化。”

研究人员承认,右心衰竭不仅取决于术前患者因素,而且手术和术后护理也可能产生影响。

undefined

进一步探索

几十年来,左心室辅助装置 (LVAD) 已经延长了心脏变得太虚弱而无法有效地将血液泵入身体的人的生命。然而,对于这些患者中的 20% 以上,LVAD 植入物会引发可怕的并发症:他们的右心室通常会在几天内衰竭。

心脏专家认为这是因为心脏的右侧无法容纳刚安装的泵突然恢复的血流。当发现右心衰竭时,患者接受静脉注射药物和临时机械支持。在某些情况下,但不是全部,这些紧急干预措施可以提高右心室的活力。

事先了解哪些患者患右心衰竭的风险较高,可能会使医生降低这种可能性。

西雅图威斯康星大学医学院的研究人员今天报告了对 186 个植入前患者因素的机器学习分析结果,揭示了 19,595 名首次接受 LVAD 的人群中与右心衰竭最密切相关的 30 个因素。

他们的论文于 10 月 26 日发表在ASAIO 杂志上。

“我们对这项研究有两个目标:帮助预测哪些患者会出现这种并发症,并在我们植入 LVAD 之前找出我们可以优化的因素以降低右心衰竭的风险,”李松博士说是华盛顿大学医学心脏研究所的心力衰竭心脏病专家,也是该论文的资深作者。

可能与并发症有关的患者变量的绝对数量使心脏病专家无法轻易知道哪些变量单独或共同可能会增加 LVAD 接受者的风险。李说,心脏病专家普遍认为,LVAD 植入后右心衰竭的最佳预测指标是右心在手术前的功能。

“我们发现传统观点可能不正确:LVAD 之前的右心功能并不是最重要的变量之一,”他说。

作者发现,在这一人群中,右心衰竭与患者的肝功能、肾功能、炎症水平、营养状况和总体术前敏锐度(INTERMACS 概况)最为相关。

区分变量相对重要性的难题非常适合用于从庞大的数据池中检测关联的算法。

“大多数传统研究都会提出一个与结果相关或相关的风险因素。但对于复杂的问题,能够同时查看许多变量是很好的,”该研究的主要作者 Arjun Bahl 博士说和一名内科住院医师三年级。

Bahl 说,该算法显示了患者变量——例如,肌酐水平、吸烟状况和种族——以及它们对右心衰竭的相对贡献。该分析还揭示了较低或较高的变量值是否或多或少与并发症相关。

“我们的机器学习方法使我们能够向前推进,而无需创建任意水平的截止值来确定重要性,也不必在这些水平上创建患者亚组,”他说。

研究人员的另一个考虑是产生对心脏病专家可行的研究结果。

“既然我们已经了解哪些因素更重要,那么在患者进行手术之前,我们可以做些什么来优化这些因素?” 李问。“并非所有因素都是可以改变的,但例如营养状况是我们可以改变的。我们应该尝试给患者更多的营养,以确保他们在手术前得到优化。”

研究人员承认,右心衰竭不仅取决于术前患者因素,而且手术和术后护理也可能产生影响。

版权声明:本文由用户上传,如有侵权请联系删除!