Modèle neuf de prévision de risque développé pour prévoir effectivement la maladie coronarienne de multi-vaisseau

Annonce d’une nouvelle publication d’article pour Innovations et applications cardiovasculaires Agenda. La gravité et le pronostic de la maladie coronarienne sont étroitement liés au choix de la stratégie thérapeutique. Afin de parvenir à une sélection rapide, précise et précoce d’un plan de traitement approprié et d’évaluer le pronostic des patients, les auteurs de cet article ont développé un modèle de prédiction efficace pour la détection précoce des patients à haut risque en fonction de la gravité de la lésion.

Sur les 510 patients souffrant de douleurs thoraciques admis à l’hôpital de la Croix-Rouge du Qinghai entre août 2018 et octobre 2019, 386 ont reçu un diagnostic de maladie coronarienne par angiographie coronarienne. Au total, 24 caractéristiques démographiques et marqueurs sériques ont été analysés parmi les participants à l’étude. Le moindre retrait absolu et la régression par opérateur de sélection ont été utilisés pour sélectionner les variables, et la régression logistique multivariée a été utilisée pour créer des modèles prédictifs à l’aide de tracés nominaux. Le pouvoir discriminant des modèles a été évalué à l’aide de l’aire sous la courbe caractéristique de fonctionnement du récepteur (AUC). Les modèles prédictifs ont été calibrés à l’aide de tracés d’étalonnage et du test Hosmer-Lemeshow. Leur validité clinique a été évaluée à l’aide d’une analyse de courbe de décision.

Les données ont été divisées de manière aléatoire (7 : 3) en ensembles d’entraînement (358 cas) et en ensembles de tests (152 cas). Le modèle de prédiction incluait le sexe, l’âge, le statut tabagique, la fréquence cardiaque, la pression artérielle systolique, la pression artérielle diastolique, l’albumine, l’azote uréique, la créatinine, l’acide urique, le cholestérol total et le cholestérol des lipoprotéines de haute densité comme prédicteurs. Les AUC pour les ensembles de formation et de test étaient respectivement de 0,793 et ​​0,732. Le modèle de prédiction a montré un bon ajustement et l’analyse de la courbe de décision a démontré la validité clinique du modèle de prédiction.

Un modèle efficace de prédiction des risques ayant une bonne valeur clinique pour prédire les maladies multivasculaires a été développé. Arrêter de fumer, diminuer les taux de créatinine et augmenter les concentrations de cholestérol HDL pourraient réduire le risque de développer une maladie multivasculaire et ainsi prévenir des maladies graves.