近日，发表在Lancet子刊的一项研究中，英国伦敦大学学院学者使用数种机器学习方法将心衰确定了5种类型，以预测个体心衰风险。

这五种类型心衰为：早发性心衰、晚发性心衰、房颤相关性心衰、代谢性心衰（与肥胖有关但心血管病发病率低）和心脏代谢性心衰（与肥胖与心血管病有关）。

具体特点如下：

早发性心衰：多较为年轻，合并心血管风险因素比例低。

晚发性心衰：年龄较大，多为女性，处方药使用比例与合并心血管病比例低。

房颤相关性心衰：合并房颤，多有瓣膜疾病。

代谢性心衰：体重超重，伴有的心血管风险因素比例中等，心血管病发病率低。

心脏代谢性心衰：体重超重，处方药使用率较高，合并心血管风险因素及心血管病比例高。

研究者还发现，这五种类型患者在确诊后1年全因死亡率有差异，其中早发性心衰、晚发性心衰、房颤相关性心衰、代谢性心衰和心脏代谢性心衰1年全因死亡率分别为20%、46%、61%、11%与37%。

研究者还开发了一款APP，临床医生可以用来确定心衰类型，以帮助改善对个体未来心衰风险的预测。

研究者表示，尝试去改进心衰分类方式，主要是为了更好地了解疾病的可能过程，以及尽可能采取更有针对性治疗措施。这样不仅有利于促进与患者进行沟通，也有助于以不同方式思考潜在的治疗方法。

研究者指出，未来研究将进一步明确是否这种分类方法能够产生实际效应，比如是否能提高对心衰风险的预测，是否能提供给临床医生以更有价值的信息，并改变患者治疗状况，以及是否具有成本效益。

这项研究中，研究者通过应用4种机器学习方法对CPRD、THIN、英国生物银行三个大型数据集心衰患者645个可能的因素进行分析，并应用4种验证方法，确定了五种心力衰竭亚型。这五种亚新具有良好的区分准确性，并对1年死亡率具有良好预测型。

其中临床实践研究数据链（CPRD）、健康促进网络（THIN）包括了20年以来英国30多万例≥30岁心衰患者的详细匿名数据，英国生物银行中分析了9573例心衰患者的基因数据。645个可能的因素包括患者年龄、症状、合并症、服用的药物以及检查（如血压）和评估（如肾功能）等。

图1 研究设计

来源：Banerjee A, Dashtban A, Chen S,et al. Identifying subtypes of heart failure from three electronic health record sources with machine learning: an external, prognostic, and genetic validation study. Lancet Digit Health. 2023 Jun;5(6):e370-e379.

转载： 请标明“中国循环杂志”

关于非法网站冒用我刊名义进行征稿的特别提醒

近期我们发现一些网站冒用“中国循环杂志”名义征稿，并承诺“职称论文权威快速发表”。

我刊郑重提醒各位作者，向《中国循环杂志》投稿，一定要登录中国循环杂志官方网站：

http://www.chinacirculation.org

进入“作者投稿”，在“作者投稿管理平台”中投稿。

本刊联系电话：010-68331974

订阅点击：

http://chinacirculation.org/WX/home/zxdy