02.02-02.08 临床预测模型研究顶刊快报

1、机器学习预测老年心力衰竭患者1年死亡率：一项全国性、多中心、前瞻性队列研究

Machine learning prediction of 1-year mortality in older patients with heart failure: a nationwide, multicenter, prospective cohort study

（1）背景：老年心力衰竭（HF）患者的预后预测主要依赖于传统临床变量，往往忽略了直接的身体功能评估。现有预测模型如SHFM和MAGGIC评分在亚洲人群中的表现有限，且缺乏客观、基于表现的功能指标，影响了其临床适用性和准确性。因此，亟需开发一种整合功能评估的新型预测工具以改善风险分层。

（2）结论：该研究开发并验证了一种基于机器学习（XGBoost）的预测模型，整合了常规临床变量与客观功能指标（如Barthel指数、SPPB评分、握力等），能够有效预测老年HF患者1年全因死亡率。模型在内部-外部验证中表现出优于传统评分（AHEAD和BIOSTAT）的判别能力与临床实用性，强调出院时功能状态是关键预后因素，为个体化护理和资源分配提供了实用工具。