急性冠脉综合征心脏骤停预测模型研究进展

作者：伍朝玉; 桑文涛; 魏述星; 徐峰^*

来源：实用休克杂志(中英文), 2022, 6(02): 93-97.

• 急性冠脉综合征
• 心脏骤停
• 预测模型
• 机器学习

急性冠脉综合征(acute coronary syndrome, ACS)是严重威胁患者生命健康的临床常见急危重症，严重者可发生心脏骤停(cardiac arrest, CA),甚至猝死。ACS患者发生骤停后的死亡风险极高，建立早期识别CA发生风险的预测模型十分重要。许多国家和地区的研究人员已经建立了多种用于预测ACS患者发生CA的预测模型。传统统计学方法(如Logistic回归、Cox比例风险回归等)是建立传统预测模型的常用方法，但随着人工智能技术的发展，机器学习等方法被广泛应用于医学领域，并且在疾病预测及预后评估等方面显示出巨大潜力。本文将对ACS患者发生CA的预测因素及近年来建立的预测模型进行介绍和评价，以期为将来建立更为安全有效的风险预测模型提供参考。

• 单位
  山东大学齐鲁医院; 山东大学