AI预测建模能够识别有发展成高流量AVF风险的患者。AVF血流量与AVF创建后新发心力衰竭之间未见关联。在死亡的患者中，达到最高AVF血流量的时间是AVF创建后死亡的最重要预测因素。
AI预测建模能够识别有发展成高流量AVF风险的患者。AVF血流量与AVF创建后新发心力衰竭之间未见关联。在死亡的患者中，达到最高AVF血流量的时间是AVF创建后死亡的最重要预测因素。
研究背景
血透患者力衰竭很常见。高流量动静脉瘘（AVF）可能是心力衰竭和死亡的一个可控风险因素。目前，尚无工具可评估发展成高流量AVF（>2000 mL/min）的风险。本研究的目的是利用机器学习开发一个预测模型，识别有发展成高流量AVF风险的患者，并探讨血流量、心力衰竭和死亡之间的关系。
材料和方法
2011年至2020年间，在澳大利亚的两家三级医院对366名接受血液透析的患者进行了连续的AVF血流量测量。比较了四种预测模型（深度神经网络和三种不同的树基算法），利用年龄、首次AVF血流量、糖尿病和血脂异常来预测高流量AVF的发展。使用逻辑回归评估AVF血流量、心力衰竭和死亡之间的关系。
结果
31.4%的患者存在高流量AVF。在识别有发展成高流量AVF风险的患者方面，自助森林预测模型表现最佳（AUC 0.94，灵敏度86%，特异度83%）。在血管通路创建前，10.2%的患者已存在心力衰竭，另有24.9%的患者在AVF创建后发展为心力衰竭。血管通路形成后的长期死亡率为27%，AVF创建后至死亡的平均时间为307.5 ± 185.6周。使用逻辑回归未发现AVF血流量与AVF创建后新发心力衰竭或死亡之间的单变量关系。使用一般线性模型发现，年龄、首次测量时血流量>1000 mL/min、达到最高AVF血流量的时间以及心力衰竭是AVF创建后死亡的预测因素。
结论
AI预测建模能够识别有发展成高流量AVF风险的患者。AVF血流量与AVF创建后新发心力衰竭之间未见关联。在死亡的患者中，达到最高AVF血流量的时间是AVF创建后死亡的最重要预测因素。
版权声明：本平台旨在帮助医疗卫生专业人士更好地了解相关疾病领域最新进展。本平台对发布的资讯内容，并不代表同意其描述和观点，仅为提供更多信息。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。仅供医疗卫生专业人士为了解资讯使用，该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。如该等信息被用于了解资讯以外的目的，本平台及作者不承担相关责任。合作联系邮箱：981686121@qq.com。
