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

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。

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

• 题目
  • Development and Validation of Prognostic Models for Bleeding and Ischemia in Elderly Patients With Comorbid Acute Coronary Syndrome and Atrial Fibrillation
• 摘要
  • 背景/目的
    • 急性冠脉综合征和心房颤动是老年人常见的心血管疾病
    • 有合并症的患者面临出血和缺血的风险增加
    • 缺乏量化这一特殊人群中这些风险的预后模型
  • 方法
    • 在这项回顾性队列研究中，来自中国 2 家医院的 1851 名急性冠脉综合征和心房颤动患者 （≥65 岁） 被纳入开发队列 （1252 例） 和 2 个外部验证队列 （284 例和 315 例）
    • 在 1 年随访期间，观察到 96 例出血学术研究联盟 3 型或 5 型出血事件和 245 例血栓栓塞事件
    • 在开发队列中，3 、 6 和 12 个月出血的一致性指数范围为 0.737 至 0.845，缺血的一致性指数范围为 0.723 至 0.777
    • 校准曲线和决策曲线分析表明校准充分且具有临床实用性
    • 验证队列中的一致性指数从 0.679 到 0.809 不等
    • 进行了以抗凝药物和抗血栓治疗为重点的亚组分析，揭示了相似的区分和校准
    • Kaplan-Meier 曲线显示显著差异 （对数秩 P<0.001）
    • 这些模型在一致性指数、综合鉴别改进和净重分类改进方面优于传统模型
  • 结果
    • 提供了 2 个稳健的预后模型，具有易于获得的临床因素，用于预测老年急性冠脉综合征和心房颤动患者的出血和缺血
    • 提供在线计算器，以促进个体化风险评估和临床决策
  • 结论
    • 基于 Web 的计算器是作为简单易用的实践预测工具而开发的
    • 模型表现出优异的性能、临床实用性和风险分层能力。与现有的预后模型相比，我们新开发的模型显著提高了不同时间点的预测效能
    • 推荐的临床应用包括使用模型来帮助确定抗血栓治疗方案的最佳收益-风险比，以降低合并急性冠脉综合征和心房颤动的老年患者的出血和血栓形成风险
• 字不如表
  • Table 1
    • 开发和验证队列中老年 ACS 和 AF 患者的基线特征
  • Table 2
    • 通过在模型中加入NT-proBNP和ST2，对60个月全死因死亡率进行综合判别改进和净重分类改进
• 表不如图
  • Figure 1
    • 预测模型设置过程
  • Figure 2
    • 使用最小绝对收缩率的临床预测变量选择和具有 10 倍交叉验证的选择运算符分析
      • A：BARC 3 型或 5 型出血事件的 LASSO 回归模型的系数剖面图
      • B：用于识别出血潜在预测因子的交叉验证误差图
      • C：缺血 LASSO 回归模型的系数剖面图
      • D：用于识别缺血潜在预测因子的交叉验证误差图
  • Figure 3
    • 列线图、时间依赖性受试者工作特征曲线和 ROC 曲线下面积
    • A、B：预测出血 （A） 和缺血概率 （B） 的列线图
    • C、D：出血 （C） 和缺血 （D） 模型在 3 、 6 和 12 个月的时间依赖性 ROC 曲线
  • Figure 4
    • 开发队列中出血和缺血的一年 Kaplan-Meier 累积事件曲线
    • A：BARC 3 型或 5 型出血
    • B： 缺血
• 补充材料
  • Table S1
    • 有无BARC 3型或5型出血或血栓栓塞事件患者的基线特征
  • Table S2
    • 在时间验证队列中，老年ACS和AF患者的基线特征
  • Table S3
    • 变量赋值
  • Table S4
    • 出血相关预测因素的单因素和多因素Cox回归分析
  • Table S5
    • 缺血相关预测因素的单因素和多因素Cox回归分析
  • Table S6
    • DAT和TAT亚组患者出血模型在3种类型验证（区分度）中的表现
  • Table S7
    • DAT和TAT亚组患者出血模型在3种验证（校准度）中的表现
  • Table S8
    • DAT和TAT亚组缺血模型在3种验证（区别）中的表现
  • Table S9
    • DAT和TAT亚组缺血模型在3种验证（校准）中的表现
  • Table S10
    • 老年ACS合并房颤患者出血评分的风险分层
  • Table S11
    • 老年ACS合并房颤患者缺血评分的危险分层
  • Table S12
    • 比较新开发的nomogram在发展队列中区分出血与现有预后模型的能力
  • Table S13
    • 比较新开发的nomogram在发展队列中区分缺血与现有预后模型的能力
  • Table S14
    • 发展队列中新发展的出血图的重新分类统计
  • Table S15
    • 发展队列中新发展的缺血性脑血管图的重新分类统计
  • Figure S1
    • 患者入组流程图
  • Figure S2
    • 随时间变化的受试者工作特征（ROC）曲线和ROC曲线下面积（AUC）。在空间验证队列中，出血(A)和缺血(B)模型在3、6和12个月时随时间变化的ROC曲线。在时间验证队列中，出血(C)和缺血(D)模型在3、6和12个月时随时间变化的ROC曲线
  • Figure S3
    • 在发展（A-C）、空间验证（D-F）和时间验证（G-I）队列中评估3、6和12个月出血图准确性的校准曲线
  • Figure S4
    • 在发展(A)、空间验证(B)和时间验证(C)队列中，3,6和12个月出血nomogram决策曲线分析
  • Figure S5
    • 在发展（A-C）、空间验证（D-F）和时间验证（G-I）队列中评估3、6和12个月缺血图准确性的校准曲线
  • Figure S6
    • 发展(A)、空间验证(B)和时间验证(C)队列3、6和12个月缺血图的决策曲线分析
  • Figure S7
    • 用X-tile确定出血(A)和缺血(B)的最佳分界点。空间验证队列中BARC 3型或5型出血(C)和缺血(D)的一年Kaplan-Meier累积事件曲线。在时间验证队列中，BARC 3或5型出血(E)和缺血(F)的一年Kaplan-Meier累积事件曲线
  • Figure S8
    • 在不同时间点对新开发的nomogram和经典预后风险评分进行决策曲线分析