研究目的:回顾性分析我院心衰住院患者资料,了解其药物治疗现状及基线特征,建立相关数据库,运用随机森林算法构建预后预测模型,对心衰患者进行危险分层,高效地为患者提供药学服务,并探索心衰慢病管理平台。研究方法:1.我院心衰住院患者基线情况和药物治疗特点调查本研究为横断面研究,采用回顾性研究的方法,收集来自重庆医科大学附属第二医院2016年1月至2021年6月期间诊断为心力衰竭的患者临床数据,通过医院信息中心提取住院信息,包括患者的一般情况、临床特点、辅助检查、药物处方及手术信息等。分析并且总结不同类型心衰住院患者的一般情况、临床特点、病因、合并症、药物治疗情况等。2.心衰住院患者30天再入院风险预测模型的构建基于回顾性调查的数据,进行清洗和筛选,使用R-studio（R Version 4.1.2）将数据分为训练集（66.7%）和验证集（33.3%）,进行30天内再入院风险模型的构建和验证。3.心衰慢病管理平台的初步探索初步探索以临床药师为主体,能结合临床医生和信息人员,“以心衰患者为中心”的心衰慢病管理随访平台,构建其框架及功能模块,将心衰住院患者30天再入院风险预后预测模型嵌入到管理平台中,使平台具备对患者进行再入院风险分层功能,从而对心衰患者进行用药评估、随访计划管理、用药提醒等药学管理服务。研究结果:1.心衰住院患者基线情况和药物治疗特点本研究总共纳入了11377例心衰患者,其中男性5598例（49.2%）,女性5779例（50.8%）,总体的平均年龄76.08±13.294岁;根据已测LVEF值分组,HFr EF组有753（15.43%）例、HFmr EF组有526（10.78%）例、HFp EF组有3600（73.78%）例。心衰住院患者常见的病因有高血压（66.2%）、冠心病（56.4%）等;常见的合并症有肺部疾病（66.1%）、糖尿病（33.9%）等。2021年我院改善心衰患者预后的药物ACEI/ARB/ARNI、β受体阻滞剂、醛固酮受体拮抗剂使用率分别为62.4%、51.4%、62.4%,与全国的使用率（72.6%、75.5%和72.4%）相比,尚存一段距离。2.心衰患者30天再入院风险预测模型的建立预测模型共纳入的11237例患者,有480例（4.27%）患者在出院后30天内再次入院,纳入了19个相关特征变量,使用R-Studio通过训练集（67%）构建了随机森林预测模型,预测心衰患者出院后30天内再次入院的风险,模型的变量重要性排序从大到小为:（1）依据平均准确度:体温、肌钙蛋白T、肺部疾病、总胆红素、伊伐布雷定、正性肌力药物、丙氨酸氨基转移酶、利尿剂、糖尿病、冠心病分型、低钠血症、ARB、心功能、肾功能不全、射血分数、ACEI、Sglt2i、合并症、ARNI;（2）依据平均的基尼指数:总胆红素、肌钙蛋白T、体温、谷丙、射血分数、合并症、心功能、冠心病分型、肺部疾病、利尿剂、正性肌力药物、糖尿病、ARB、ACEI、肾功能不全、ARNI、低钠血症、伊伐布雷定、Sglt2i。其中体温、肌钙蛋白T、总胆红素、丙氨酸氨基转移酶、射血分数为相对更重要的五个特征变量。构建的预测模型在训练集（67%）中的ROC曲线的AUC为1,预测准确率为100%;在验证集（33%）中的ROC曲线的AUC为0.873,预测准确率为87.3%,预测能力为中等（0.7～0.9）;预测模型校准曲线结果显示实际概率与预测概率较为一致,预测效果好。使用了WEB端口和列线图可视化预测模型,可在网页上随时访模型,也可以通过列线图计算变量总得分,进行心衰患者30天再入院风险的预测,实用性较强。3.初步探索心衰慢病管理模式的平台初步探索以临床药师为主导,基于多种大数服务中心,嵌合了多种大数据分析技术与30天再入院风险预后预测模型作为患者危险分层工具,能直接与医院信息系统相对接,从而对心衰患者进行危险程度分层,再通过网页浏览器和手机微信为端口,为患者提供包括药学门诊、患者管理、患者用药评估、患者随访管理、健康教育、患者提醒等多种系统性药学服务的药物治疗管理平台,是一种崭新的、实用性强并且具备较大推广价值的、适合于医院的心衰慢病药物治疗管理平台。研究结论:1.我院心衰住院患者不同HFr EF、HFmr EF、HFp EF组患者的病因、合并症和临床特点存在差异,我院改善心衰预后的药物使用率与全国相比,尚有一段距离。2.构建并在单中心内部验证了心衰患者30天内再入院风险预测模型,AUC为0.873,预测能力中等,预测效果较好。3.慢病管理平台仍在初步探索中,已构建基本框架和嵌入30天再入院风险预测模型,但距离平台纳入患者进行药学服务管理,尚存一段距离。