<cite id="iiyha"><noscript id="iiyha"></noscript></cite>

<rt id="iiyha"><table id="iiyha"><i id="iiyha"></i></table></rt>

<tt id="iiyha"></tt>

<rp id="iiyha"><nav id="iiyha"></nav></rp>

<acronym id="iiyha"><small id="iiyha"></small></acronym>

<acronym id="iiyha"><tbody id="iiyha"></tbody></acronym>

  • 問醫生 找醫院 查疾病 癥狀自查 藥品通 快應用

    Diabetes Care:機器學習優化糖尿病和冠心病的亞型

    2021-11-05 06:42:44梅斯醫學
    核心提示:在T2DM和ASCVD患者中,聚類分析確定了四個臨床上不同的群體。進一步的心血管表型是有必要的,以告知患者護理和優化臨床試驗設計。

    機器學習是一門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。 專門研究計算機怎樣模擬或實現人類的學習行為,以獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能核心,是使計算機具有智能的根本途徑。

    2型糖尿。═2DM)和動脈粥樣硬化性心血管疾。ˋSCVD)患者之間的表型異質性界定不清。為此,有學者使用聚類分析的機器學習算法來確定T2DM和ASCVD試驗參與者的表型,結果發表在近期Diabetes Care雜志上。

    使用了西格列汀心血管結果評估試驗(TECOS)研究的數據(n = 14671),這是一項心血管結果安全試驗,在T2DM和ASCVD患者中比較西格列汀和安慰劑(中位隨訪3.0年)。使用40個基線變量進行聚類分析,并通過Cox比例危害模型評估聚類與主要綜合結果(心血管死亡、非致命性心肌梗死、非致命性中風或因不穩定心絞痛住院)之間的關聯。隨后利用艾塞那肽降低心血管事件研究(EXSCEL)試驗復制了結果。

    最終確定了四種不同的表型:群組I包括高發冠心病的高加索男性;群組II包括低BMI的亞洲患者;群組III包括患有非冠心病ASCVD疾病的女性;群組IV包括患有心衰和腎功能障礙的患者。

    在群組I至群組IV中,分別有11.6%、8.6%、10.3%和16.8%的患者發生主要結局。最高風險群與最低風險群(第四群與第二群)的心血管風險的差異具有統計學意義(HR=2.74[95%CI 2.29-3.29])。在EXSCEL中也發現了類似的表型和結果。

    綜上,在T2DM和ASCVD患者中,聚類分析確定了四個臨床上不同的群體。進一步的心血管表型是有必要的,以告知患者護理和優化臨床試驗設計。

    參考文獻:

    Cluster Analysis of Cardiovascular Phenotypes in Patients With Type 2 Diabetes and Established Atherosclerotic Cardiovascular Disease: A Potential Approach to Precision Medicine. Diabetes Care 2021 Oct; dc202806. https://doi.org/10.2337/dc20-2806

    特別策劃
    39熱文一周熱點
    午夜福利看片