文章标题：The identification and prediction of atrial fibrillation in coronary artery disease patients: a multicentre retrospective study based on Bayesian network
中文标题：抑制肾近端小管中的醛脱氢酶 2 通过转化生长因子-β 信号传导导致肾纤维化
发表期刊：Ann Med
发表时间：20241107
影响因子：4.9/Q1
研究背景
心房颤动 （AF） 与冠状动脉疾病 （CAD） 共存仍然是一个普遍存在的问题，通常会导致患者的短期和长期预后不佳。筛查已被提议作为一种通过早期干预提高 AF 检出率和降低不良预后发生率的方法。然而，由于系统筛查计划的成本影响和益处的不确定性，国际工作组目前建议不要进行筛查。本研究旨在采用贝叶斯网络 （BN） 评估 CAD 患者 AF 的验前概率 （PTP）。
研究方法
共 12 552 例 CAD 患者分为 CAD 合并 AF 组 （CHD-AF 组） 和无 AF 的 CAD 患者 （non-AF 组）。采用单因素分析和 LASSO 回归法筛选潜在危险因素。使用最大-最小爬升 （MMHC） 算法构建 BN 的有向无环图 （DAG），使用内部验证、外部验证和 10 倍内部交叉验证来测试预测能力。最后，将生成的 BN 模型与 4 种机器学习算法进行了比较。
研究结果
1.单变量和 LASSO 回归分析
2.BN 的开发和验证
基于 MMHC 算法构建并调整以纳入专业知识的 BN 如下所示图 2.使用 Netica 软件（版本 5.18）对模型进行可视化。我们在 BN 模型中包括了上述具有统计意义的相关变量，所有概率分布都显示在节点中，每个节点代表一个变量，连接节点的弧表示概率依赖关系。图 2. 基于 MMHC 算法和手动调整构建的 BN。
3.评估 BN 的预测能力
如图 4（a，b），测试集和内部 10 倍交叉验证的 AUC 分别为 0.87 和 0.85 （95%CI： 0.84–0.86），表明该模型具有较高的预测精度。校准曲线显示 BN 模型拟合良好 （图 5（a）），决策曲线分析显示 BN 模型的临床有用性 （图 5（b）).图 4. 测试集 BN 的 ROC 分析 （a） 和内部 10 倍交叉验证 （b）
文章小结
基于 BN 构建的 CAD AF 预测模型具有较高的预测性能，可能为大规模 AF 筛查提供新工具。（对这种思路感兴趣的老师，欢迎联系小编！）
