شناسایی ویژگی های مهم برای پیش بینی مرگ و میر ۳۰ روزه بیماران نارسایی قلبی دارای شوک کاردیوژنیک

مقدمه:  بیماری قلبی یکی از علل اصلی مرگ ومیر است و پیش بینی می شود تا سال ۲۰۳۰ مرگ ومیر ناشی از بیماری های قلبی- عروقی به ۳/۲۳ میلیون نفر افزایش یابد. نارسایی قلبی و شوک کاردیوژنیک سهم بالایی از این مرگ ومیرها دارند و به عنوان اورژانس پزشکی نیازمند درمان به موقع هستند. هدف این پژوهش، پیش بینی سریع مرگ در بیماران نارسایی قلبی با شوک کاردیوژنیک با استفاده از ویژگی های کمتر است. روش کار: این پژوهش به روش تحلیلی - مقطعی با نمونه گیری تمام شماری صورت گرفت. داده های ۲۰۱ بیمار قلبی بالای ۱۸ سال که در سال ۲۰۲۰ در بیمارستان روحانی بابل دچار شوک کاردیوژنیک شده بودند، بررسی شدند. از ۳۴ ویژگی مانند سن، سابقه جراحی قلب باز، pH، لاکتات، دیابت و فشارخون استفاده شد و مرگ یک ماهه از طریق تماس تلفنی بررسی شد. برای پیش بینی مرگ از رگرسیون لجستیک و الگوریتم GBM استفاده شد. یافته ها: میانگین سن بیماران ۴۴/۶۹±۷۱/۱۵ سال بود. از این تعداد، ۷/۴۷ درصد فوت کردند. چهار ویژگی شامل سن، لاکتات، دیابت و گیجی به عنوان مهم ترین ویژگی ها انتخاب شدند. با یک سال افزایش در سن، احتمال مرگ ۷ درصد افزایش می یابد. احتمال مرگ در افراد دیابتی بیش از دوبرابر است. گیجی خطر مرگ را ۴ برابر و افزایش لاکتات خطر مرگ را ۵/۱ برابر افزایش می دهد. نتیجه گیری: نتایج نشان داد انتخاب ویژگی های موثر در پیش بینی مرگ بیماران نارسایی قلبی با شوک کاردیوژنیک با رگرسیون لجستیک و الگوریتم GBM امکان پذیر است و می تواند به بهبود برنامه های ارجاع درمانی و کاهش هزینه های پزشکی کمک کند.

کلیدواژه ها:

Heart Failure ، Cardiogenic Shock ، Death Prediction ، Logistic Regression ، Feature Selection ، نارسایی قلبی ، شوک کاردیوژنیک ، پیش بینی مرگ ، رگرسیون لجستیک ، انتخاب ویژگی