该模型结合了使用心电图诊断AF,来自广泛年龄范围参与者的数据,并考虑了高血压和心房僵硬度的测量
本研究纳入了2005年至2015年至少连续四年进行健康体检的13 410名个体
使用机器学习方法( eXtreme Gradient Boosting和Shapley Additive解释值)将数据录入风险预测模型
将数据随机拆分为用于模型构建和开发的训练集( 80 % )和用于测试导出模型性能的测试集( 20 % )
检索PubMed电子数据库,检索时限为建库至2023年3月,检索关于AF风险预测模型的英文文献
目前的分析考虑了36个协变量,包括与病史、生活方式因素、人体测量和生化测量有关的协变量
构建了两个模型,一个模型包含10个实验室检测变量,另一个模型不包含这些变量
甘油三酯、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇、尿酸、估算肾小球滤过率、谷草转氨酶、谷丙转氨酶、γ -谷氨酰转肽酶、尿蛋白、尿糖