研究筛选器械植入并发症的潜在因素

几十年来，左心室辅助设备(LVADs)已经延长了那些心脏变得太弱而无法有效地将血液输送到身体的人的生命。然而，对于这些患者中超过20%的人来说，左心室辅助器植入会导致可怕的并发症:他们的右心室衰竭，通常在几天内。

心脏病专家认为，这是因为心脏的右侧无法容纳突然复苏的心脏血液流动从刚安装的泵。当发现右心衰时，患者接受静脉注射药物和临时机械支持。在某些情况下，但不是所有情况下，这些紧急干预措施改善了右心室的生存能力。

事先知道哪些患者患右心衰的风险更高，可能会使医生降低这种可能性。

西雅图UW医学的研究人员今天报告了对186个植入前患者因素的机器学习分析结果，揭示了在19595名首次接受LVAD的人群中，与右心衰最密切相关的30个因素。

他们的论文发表在10月26日ASAIO杂志．

“我们进行这项研究有两个目标:帮助预测哪些患者会出现这种并发症，并在植入左心室辅助器之前找出是否有可以优化的因素来降低右心衰的风险，”华盛顿大学医学心脏研究所心力衰竭心脏病学家、该论文的高级作者宋丽博士说。

可能与并发症有关的患者变量的数量之多，使得心脏病学家无法轻易地知道哪些变量(单独或共同)可能会增加LVAD患者的风险。心脏病学家通常认为左心室辅助装置植入后右心衰的最佳预测因素是手术前右心的功能，李说。

他说:“我们发现传统观念可能并不正确:左心室辅助装置之前的右心功能并不是最重要的变量之一。”

作者发现，在这一人群中，右心衰与患者的肝功能、肾功能、炎症水平、营养状况和术前整体敏敏度(INTERMACS档案)最为相关。

区分变量的相对重要性的难题非常适合一种算法，这种算法旨在从巨大的数据池中检测关联。

“大多数传统研究都会提出一个与结果相关或相关的风险因素。但对于复杂的问题，能够同时观察许多变量是很好的，”该研究的主要作者、内科三年级住院医师阿尔琼·巴尔博士说。

该算法显示了患者的变量-例如，肌酐水平，吸烟状况和种族-以及他们对右心衰的相对贡献，Bahl说。分析还揭示了一个较低或较高的变量值是否与并发症或多或少相关。

他说:“我们的机器学习方法使我们能够继续前进，而不必创建任意的水平界限来确定重要性，也不必在这些水平上创建患者亚组。”

研究人员的另一个考虑是为心脏病专家提供可操作的发现。

“既然我们已经知道哪些因素更重要，那么在患者手术前，我们能做些什么来优化这些因素呢?”李问。“不是所有的因素都可以改变，但例如营养状况是我们可以改变的。我们应该给患者更多的营养，以确保他们在手术前达到最佳状态。”

研究人员承认，右心衰不仅取决于术前患者因素，而且手术和术后护理可能也有影响。