导图社区 一个新的列线图用于预测首次心房颤动导管射频消融术治疗患者的心
这是一篇关于一个新的列线图用于预测首次心房颤动导管射频消融术治疗患者的心的思维导图，主要内容包括：表不如图，字不如表，摘要，题目。
这是一篇关于预测复发性心包炎患者的长期临床结果的思维导图，主要内容包括：补充材料，表不如图，字不如表，摘要，题目。
这是一篇关于老年急性冠脉综合征和心房颤动患者出血和缺血预后模型的开发和验证的思维导图，主要内容包括：补充材料，表不如图，字不如表，摘要，题目。
这是一篇关于心房颤动危重患者应激性高血糖比率指数与全因死亡率之间的关联的思维导图，主要内容包括：补充材料，表不如图，字不如表，摘要，题目。
社区模板帮助中心，点此进入>>
APPLE评分：一种新的、简单的预测心房颤动导管消融术后心律
基于机器学习算法构建肺癌患者化疗后肺部感染风险预测模型
关于预测导管消融结果的新评分系统的提案：土耳其冷冻消融登记处
心房颤动的反复导管消融——如何预测结果？
重症监护病房非创伤性蛛网膜下腔出血患者7 d内死亡风险的机器
可解释机器学习模型预测儿童肺动脉高压30天再入院：一项多中心
心力衰竭人群中重度急性肾损伤的预测模型
基于机器学习的可穿戴数据对儿童注意缺陷多动障碍和睡眠问题的预测
SII联合UHR对急性心肌梗死经皮冠状动脉介入治疗术后造影剂
机器学习衍生的胆石症所致急性胆管炎患者预后的在线预测模型
一个新的列线图用于预测首次心房颤动导管射频消融术治疗患者的心房颤动复发
题目
A novel nomogram for predicting the recurrence of atrial fibrillation in patients treated with first-time radiofrequency catheter ablation for atrial fibrillation
摘要
背景/目的
本研究的目的是探讨首次导管射频消融术( RFCA )后患者心房颤动( AF )复发的预测因素，并建立列线图预测模型，为确定消融策略提供有价值的信息
抗M2 - R抗体与AF的发生发展密切相关，随访1年发现抗M2 - R抗体是AF复发的独立影响因素之一
目前鲜有相关研究关注抗M2 - R在构建首次RFCA术后AF复发的列线图预测模型中的作用
方法
共有500例首次接受RFCA治疗的房颤患者纳入本研究
按照6：4的比例将患者随机分为训练集( n = 300)和验证集( n = 200)
采用Lasso和多变量logistic回归分析筛选2年随访期间AF复发的预测因素
最终模型中包含的变量是根据相应lambda.1 SE的位置确定的
C指数和校准图用于检测列线图的判别能力和校准度
采用ROC 曲线、DCA 、综合辨别力指数( IDI )、净重分类指数( NRI )对列线图与APPLE评分、CAAP - AF评分、MB - LATER评分进行比较
结果
训练队列中预测AF复发最强的6个指标
持续性AF
AF持续时间
左心房内径( LAD )
估算肾小球滤过率( eGFR )
N末端脑钠肽前体( NT-proBNP )
抗M2受体(抗M2 - R抗体)自身抗体
6变量构建列线图预测模型，C指数为0.862，而验证队列中C指数为0.831
DCA显示，与其他模型相比，该列线图具有更大的净效益
与APPLE评分、CAAP - AF评分或MB - LATER评分相比，列线图在预测AF复发的预测性能、敏感性和重新分类方面均有显著改善
结论
建立了一种新的预测工具，在2年的随访期间内首次RFCA后的AF复发，可以准确地预测个体AF复发
字不如表
Table 1
研究人群的临床特征
训练集验证集
Table 2
导管消融术后AF复发的多因素logistic分析
Table 3
预测模型的比较
Table 4
用NRI和IDI对列线图与其他模型进行模型验证和比较
表不如图
Figure 1
绘制患者的选择、模型的构建和验证过程的流程图
Figure 2
变量收缩与选择采用Lasso回归
Figure 3
AF患者RFCA术后AF复发的列线图模型
Figure 4
训练队列中预测AF复发的列线图模型的ROC曲线、校准曲线和决策曲线
Figure 5
验证队列中预测AF复发的列线图模型的ROC曲线、校准曲线和决策曲线
Figure 6
4模型ROC曲线、校准曲线和决策曲线的比较
