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。