论文部分内容阅读
目的： 通过对单腔及双腔起搏器植入患者的长期随访观察，评价起搏器植入术后房颤发生率及其影响因素;并且将得出的最相关因素构成特征空间，利用机器学习的方法，构建房颤预测模型，对未知患者进行预测。 方法： 回顾性分析我院因缓慢性心律失常植入单腔或双腔起搏器患者151例作为研究对象，根据是否发生房颤事件，分为房颤组(n=31)和非房颤组(n=120)。患者术后定期于我院门诊程控随访。记录患者基本信息，起搏器相关信息，基础疾病及相关用药情况;同时记录标准12导联心电图。房颤患者记录发作时间，次数，持续时间及有无症状。部分患者行24小时动态心电图及心脏彩超检查，测定的指标包括左房内径，左心室射血分数(LVEF)、左室舒末内径(LVEDD)。将所测得数据采用多因素Logistic回归分析，P＜0.05认为有统计学意义。将所测得最相关因素，应用KNN算法构建房颤预测模型。 结果： 房颤总发生率为20.53％。其中房室传导阻滞者房颤发生较病态窦房结综合征者少（OR0.472;CI0.149～0.987，P=0.042）。病因为SSS患者左房内径较大（OR1.169;CI1.015～1.246，P=0.023），与房颤发生呈显著正相关。VVI起搏模式与房颤发生有显著相关性(OR1.398;CI1.164～1.966，P=0.021)。VVI起搏方式中，年龄(OR1.426，CI1.129～1.618P=0.036)，左房内径(OR1.937CI1.046～2.739P=0.037)，心室起搏比（OR1.820，CI1.409～3.251P=0.026）与房颤发生相关。DDD起搏组，年龄(OR1.910，CI1.538～2.905P=0.028)，左房内径（OR1.274CI1.039～2.315P=0.042），心房起搏比(OR1.812，CI1.258～1.946P=0.014），心室起搏比（OR2.453，CI1.294～5.389P=0.022），病态窦房结综合征（OR1.964，CI1.291～3.429P=0.042）等是房颤发生相关影响因素。应用机器学习方法构建的房颤模型，使用交叉验证法计算该房颤预测模型的精度可达到81.5％。 结论： 起搏器跟踪随访可及时发现房颤患者。植入起搏器的患者中年龄大、病态窦房结综合征、左房大、VVI起搏模式、心房、心室起搏比例高等易发生房颤。 用KNN算法对起搏器术后房颤影响因素建立的模型,可以在一定程度上预测起搏器术后房颤的发生。