计算集群揭示分化冠状动脉钙进展在普遍水平分类高危患者的脉搏波速度
Maximo Rousseau-Portalis
莱安德罗Cymberknop1,
里卡多Armentano- 1生物工程研究和开发集团,国立技术大学,布宜诺斯艾利斯,阿根廷
- 2意大利医院内科,布宜诺斯艾利斯布宜诺斯艾利斯,阿根廷
- 3Departamento de Ingenieria Biologica, CENUR海滨的北方大学de la那时,派桑杜省、乌拉圭
许多研究发现,增加动脉硬化明显的存在和发展相关的冠状动脉钙评分(CCS)。然而,到目前为止没有一个人使用机器学习算法来改进其价值。因此,本研究旨在评估之间的联系carotid-femoral脉搏波速度(cfPWV),通过计算集群CCS得分。我们进行了一项回顾性使用数据从一个横断面研究心血管风险筛查项目,其中包括377名参与者。我们使用了一个无监督聚类算法使用年龄、体重、身高、血压、心率、和cfPWV作为输入变量。通过卡方分析了集群组之间的差异和T-student测试。(我)cfPWV和年龄之间的关系,(2)日志(CCS)和年龄,和(3)cfPWV和日志(CCS)是通过线性回归分析。集群是标签事后基于心血管风险。“高风险组”明显高于左(0.76 vs 0.70毫米,P< 0.001),(0.71 vs 0.66毫米,P= 0.003),内膜-中膜厚度CCS(42比4 Agatston单位,P= 0.012),提升(3.40 vs 3.20厘米,P< 0.001)和下行(2.60 vs 2.37厘米,P< 0.001)主动脉直径。与年龄出现cfPWV线性和指数日志(CCS)。日志(CCS)的进展和cfPWV年龄组陡峭的“高风险组”比“低风险组”。cfPWV强烈与CCS, CCS发展cfPWV集群之间的不同。这一发现可以改善采集的“门房”CCS测试和潜在的增强心血管危险分层。
1。介绍
心血管疾病(CVD),主要通过缺血性心脏病,仍然是死亡的主要原因和全球生活质量下降,尽管巨大的进步在控制血压、糖尿病和高胆固醇血症(1,2)。作为心血管危险分层是至关重要的对预防心血管疾病,医生通过计算器进行风险评估,如分数、ACVD,他和弗雷明汉,基于传统的心血管危险因素(CVRF)(即。、性别、年龄、高血压、糖尿病、吸烟、低密度脂蛋白,高密度脂蛋白)(3)。
虽然在临床实践中非常有用,这些心血管风险估计不完全准确,因为传统CVRFs不完全解释心血管事件。一些研究表明,大约50%的人没有任何CVRF但仍有心血管疾病(4)。此外,一项研究表明,大约三分之二的患者接受冠状动脉造影诊断心血管疾病正常冠状动脉(5)。大多数风险分数低灵敏度检测年轻个体绝对增加心血管风险由于年龄的优势效应风险评估(6,7)。不足的最高风险分类主要出现在中度风险组,在心血管疾病预防是至关重要的(8,9)。
亚临床动脉粥样硬化患者有较高的心血管事件和全因死亡率(10)。在这种背景下,新的参数一直在试图评估心血管风险搜索用传统CVRFs和无法解释的方差检测亚临床血管损伤。与初级预防,这种策略允许及时发现心血管疾病,因此开发更有效和个性化策略。小说心血管疾病生物标记物是多种多样的,包括生化(如。,C-reactive protein, homocysteine, fibrinogen, lipoprotein(a)], imaging (e.g., coronary artery calcium, intima-media thickness), and biomechanical parameters (e.g., pulse wave velocity, brachial/ankle index, augmentation index) (9,11- - - - - -14)。
冠状动脉钙评分(CCS),评估通过CT扫描,是最常用的非侵入性的方法来量化冠状动脉钙化。CCS已经成为一个健壮的冠状动脉粥样硬化的生物标志物,可以定位病变,与斑块负担和心血管疾病评估血管造影术(15- - - - - -18)。这个方法是一个强有力的预测心血管事件(19)和被ACC / AHA和欧洲心脏病学会对风险重新分类患者低中等风险,即。,10年心血管风险在6%和20%之间(20.,21)。冠状动脉钙评分有优越的歧视和风险重新分类与其他亚临床成像标记或生物标记(22)。此外,缺乏冠状动脉钙化(CCS = 0),对冠状动脉狭窄和阴性预测值高,因此,帮助识别个体在低风险事件(23)。一些心血管风险计算器,比如台面,包括CCS进行风险估计和获得病人的动脉年龄(24)。这个分层工具的应用在低水平,尽管国际建议,可能由于其成本和辐射,限制其可用性在缺乏资源的情况心血管风险重新分类的年轻人最(可能需要25)。
脉搏波速度(采集)已成为一个非侵入式的、简单的、低成本、可靠和non-irradiating替代评估亚临床血管损伤(26- - - - - -28)。采集是一个简单的和有形的方式评估动脉的刚度硬动脉,较高的采集(27)。虽然有几种方法来测量采集,carotid-femoral采集(cfPWV)是黄金标准评估大型动脉僵硬,因为它最临床证据预测心血管事件(26,27)。采集是CVD的代理是一个结构和功能标记的累积损伤中央动脉(27,29日)。这是一个强有力的预测心血管事件(主要是冠状动脉事件)独立于传统CVRFs在临床和社区人群(30.- - - - - -33),改善模型,将风险未来心血管疾病事件模型,包括标准的风险因素(13)。最近,许多研究已经使用采集执行动脉年龄估计和血管老化将病人分成不同的表型(34,35)。尽管现有的证据,没有独特的建议关于采集在国际准则之间的危险分层中的作用。,大多数指南认为动脉硬化可以作为一个有价值的标记预测心血管事件,但许多人(特别是西方指南)不推荐系统测量采集一般人群(36)。
另一方面,我们正在目睹一场革命在心脏病学通过积累大量的电子健康记录的数据,医学影像数据、临床试验、生物银行和可穿戴设备(37)。在这方面,医学“大数据”可以培养机器学习(ML,人工智能的一个分支)算法来区分结构和功能模式嵌入在多个数据集,可能减少诊断和治疗错误,并改善时间、效率和可怜的工作流(38,39)。人工智能(AI)是一个后来者在医疗保健(40),虽然已经引发了在许多领域中的应用,包括成像(37)、病理(41)、皮肤(42),和其他(38)。到目前为止,有一个巨大的范围的ML算法在预测心血管疾病,和有几种人工智能应用程序已通过美国食品和药物管理局(41)。
最常用的无监督学习算法是聚类。毫升技术允许对象被隔离成不同的组没有之前的标签。这些模型将数据分成组根据数据点之间的“相似”,这是特别有用,当没有明显的模式。同样,集群可能导致小说标志物,疾病组和临床结果的预测因子(43)。一些研究显示临床相关的和实际应用这些模型在心血管医学(44,45)。
随着心血管成像迅速增长,主要成本对比,AI可能会减少财政负担,提高价值(37)。与其它成像研究,CCS似乎是一个很好的候选人人工智能工具(46)。虽然少了广泛探索,ML算法应用于采集演示了一种改进的测试值(47)。
多种用途的ML算法提出了心血管医学,但到目前为止没有一个被用来评估采集和CCS之间的联系。这种方法可以识别高风险的CCS将受益最多的人评估和避免不必要的成本和辐射与患者的CT扫描显示冠状动脉疾病的风险较低。因此,本研究旨在评估社区患者群cfPWV之间的关系,通过集群CCS。
2。方法
2.1。参与者
我们进行了一项回顾性横断面研究参与者从心血管风险筛查程序,评估人口、人体测量、实验室和血流动力学变量相关心血管疾病(48)。参与者包括在这项研究如果他们至少有以下心血管风险因素之一:先进的年龄,高血压,高胆固醇血症,2型糖尿病,或作为一个当前吸烟者。参与者被排除在外,如果他们缺乏评估亚临床心血管疾病的cfPWV CCS和也排除那些已知的冠心病或中风的历史。
2.2。变量
收集和定义的工作流和变量描述的另一项研究(48)。测量cfPWV (14)和CCS (49)在别处也有描述。在10年心血管风险估计使用弗雷明汉(50)和评分模型(51)通过输入年龄、总胆固醇、高密度脂蛋白(HDL)胆固醇,和收缩压作为连续变量和性别、糖尿病和目前的吸烟作为分类变量(存在与否)。
2.3。聚类
随后,进行了聚类分析的数据。首先,数据标准化,允许变量遵循统一的规模。第二,主成分分析技术应用于降低维数,第三,受试者的相似性计算的变量(欧氏距离)之间的距离的措施使用k - means技术。集群的数量决定使用轮廓系数。通过这种方法,我们得出的结论是,有两个集群是最合适的配置(52)。
使用的模型需要输入变量自动分配个人在团体。在这种情况下,我们选择变量相关的心血管评估,可以很容易地收集在医生的办公室里,添加cfPWV。因此,年龄、体重、身高、收缩压和舒张压,心率,cfPWV包括进行聚类分析。
2.4。统计分析
综述了数值变量使用平均值和标准偏差变量正态分布和中位数和四分位范围与非正态分布的变量。正常是定性评估通过直方图和正式评估Shapiro-Wilk测试。分类综述了变量在每个类别的百分比。双变量分析集群组之间关于分类和数值变量使用卡方检验和执行T——学生测试,分别。此外,我们将病人分成年龄组(< 50 - 59岁,40岁,40至49,≥60岁)的差异感兴趣的变量在集群和整个样本和解决这个潜在的糊涂。使用每个年龄段的平均值,我们执行三个探索性的线性回归模型,包括(i) cfPWV和年龄段,(ii)的日志转换CCS(日志(CCS)]和年龄段,和(3)cfPWV日志(CCS)。双尾测试所涉及的所有假设检验的显著性水平α= 0.05和1 -的力量β= 80%进行自由开源版本4.0.2 R程序。
2.5。道德
的研究遵循赫尔辛基宣言的原则,和伦理委员会生物工程研究和开发集团的国立技术大学的布宜诺斯艾利斯,阿根廷,批准了这项研究。
3所示。结果
377人从筛查程序终于纳入研究。表1描述了病人和他们的隔离到集群的整体特征。集群是标签聚类分析后根据他们的心血管风险差异通过弗雷明汉和分数“高风险组”和“低风险组”。关于输出变量,我们发现“高风险组”明显高于左(0.76 vs 0.70毫米,P< 0.001),(0.71 vs 0.66毫米,P= 0.003)IMT, CCS(42比4 Agatston单位,P= 0.012),提升(3.40 vs 3.20厘米,P< 0.001)和下行(2.60 vs 2.37厘米,P< 0.001)主动脉直径和弗雷明汉(P< 0.001)和分数(P= 0.003)10年期风险估计比“低风险组”。
表1。个人通过聚类的一般特点和隔离一个。
来衡量的好处包括动脉硬化模型,我们进行了灵敏度分析没有cfPWV作为输入变量。我们发现,后者的模型表现原始模型关于CCS, IMT和心血管风险歧视(见辅料S1)。
我们发现cfPWV显著差异,CCS在年龄组中,cfPWV和CCS在“低风险组”随着年龄的增加,“高风险组”,整个示例(见辅料S2)。
通过线性回归,我们发现采集的发展CCS在集群之间的年龄差距显著,陡峭的“高风险组”与“低风险组”。这与年龄出现线性cfPWV (图1一个)和指数(图1 b日志(CCS)。我们还发现cfPWV之间的关系和CCS集群之间的差距显著,线性的采集和CCS发展的趋势在时代变化根据分配的集群组。日志(CCS)的进展和cfPWV年龄组陡峭的“高风险组”比“低风险组”。此外,我们发现,集群的cfPWV质心属于“高风险组”12 m / s比9.5 m / s的质心属于“低风险组”(图1 c)。
图1。脉搏波速度与冠状动脉钙动力学曲线通过集群之间的年龄群体。(一个脉搏波速度和年龄组之间的相关性。(B冠状动脉钙评分之间的相关性和年龄组。(C脉搏波速度之间的相关性和冠状动脉钙评分。绿色曲线对应于整个人口的分析,和蓝色和橙色曲线对应于低风险和高风险组,分别。值显示为均值(点)和95%置信区间(酒吧)。一个,Agatston单位;m / s, m / s;年,年;LR集群,集群风险较低;人力资源集群,集群高风险。
4所示。讨论
样本的成年人包括在心血管筛查项目,我们发现一个聚类算法只使用年龄,体重,身高,收缩压和舒张压、心率、和cfPWV作为输入variables-separated群体分化成两个组的分数(即传统的心血管危险因素、Framingham分数)和亚临床心血管疾病参数。基本上,一组显示更高的心血管疾病的风险,更大的内中膜厚度,CCS得分更高,更大的主动脉直径,高,正如所料,cfPWV(因此命名为“高风险组”)。此外,CCS发展在cfPWV集群之间的不同。的“高风险组”有一个陡峭的趋势的恶化cfPWV CCS在年龄和cfPWV CCS相比集群命名为“低风险组”(图1 c)。我们还发现,集群的cfPWV质心属于“高风险组”12 m / s比9.5 m / s的质心属于“低风险组”。关于后者,有趣的是指出,朝鲜(53)和日本(54)准则考虑cfPWV > 10 m / s作为亚临床器官损伤的指标。
我们的第一个发现是,cfPWV相关CCS。金等。26)广泛回顾了在他们的论文中“脉搏波速度在动脉粥样硬化“探索之间的关系的证据采集和CCS作为冠状动脉粥样硬化的代理。研究发现,增加动脉硬化是显著相关的存在和发展CCS。本协会在社区人群进行健康体检(复制55- - - - - -59),2型糖尿病患者(60,61年疑似患有冠状动脉疾病),接受冠状动脉造影(62年)。尽管cfPWV金本位,大多数研究使用baPWV,可能由于亚洲证据的优势,baPWV是最常用的(63年)。不管展示causality-which挑战由于缺乏纵向研究(26,55)——代表这一发现是识别患者增加了动脉硬化的可能性,从而增加冠状动脉钙化。通过这种方式,采集可能是一个“门房”CCS测试和减少与CCS相关成本和辐射测量(27)。我们的结果与现有的证据有关强大的采集与冠状动脉粥样硬化之间的关系。然而,我们的新方法表明,通过集群运行数据揭示了两个不同的法律协会的采集和CCS。
动脉硬化是动脉粥样硬化和血管老化的最早标志之一(29日,64年可以加速)和其他心血管疾病的风险因素(65年)。从生理病理学的角度来看,动脉粥样硬化和动脉硬化CCS和采集变化背后的基础流程,分别。有共同的危险因素(如高血压、血脂异常、糖尿病、吸烟)其中,及其病理机制出现重叠(66年)。动脉硬化是细胞外基质的变化,包括弹性蛋白降解和胶原沉积,导致动脉粥样硬化(65年)。血管重建的刚度增加会引起内膜和媒体的钙化层(67年)和壁面切应力增加和后负荷因此引发了病理生理学级联导致动脉粥样硬化及斑块破裂(68年)和心脏重塑(27,55)。此外,动脉硬化减少主动脉树干的缓冲,帮助维持在舒张冠状流,进一步限制在一个闭塞的冠状动脉灌注腔(69年)。反过来,动脉粥样硬化内皮功能障碍和结构墙产生变化,增加动脉硬化(70年)。
我们正在看到一个范式转换,即从以人群为基础的护理精密医学时代(39)。通过ML方法,人工智能可以帮助实现“个性化”医学通过总结大量的医疗信息,而不是一个严格的定义“一刀切”算法常见医生在日常实践(38)。AI工具包括自由的优势从统计假设,探索多个隐藏模式,学习独立71年,72年)。这些特性可以彻底改变卫生保健和提供潜在的疾病的早期检测,提高了诊断的准确性,更准确的预测和疾病严重程度的预测来指导优化管理(73年,74年)。
虽然这是第一次cfPWV CCS协会使用ML算法评估,有单独应用程序已经使用这些参数。自动和半自动基于ai方法关联与传统CCS强劲但消耗更少的时间和资源(计算方法75年)。例如,Motwani等人开发了一个毫升模型优于Framingham风险评分和ct冠状动脉钙化血管造影术(CTCA)风险严重程度评分预测5年患者全因死亡率CTCA (76年)。同时,“斑马医学视觉”最近获得FDA批准基于ai的工具来评估患者的心血管风险基于冠状动脉钙(77年,78年)。至于采集,法兰等人发现采集指标作为预测冠心病的主要因素通过决策树模型(79年)。同时,他们创造了人工神经网络模型,其中包括准确预测冠心病的采集指数(80年)。
通过访问本研究中使用的机器学习算法和cfPWV评估,可以自动确定病人集群任务。然而,对于个别病人的情况不包括在该算法,补充提出了临床使用方法:
医生可以手动确定集群的任务使用病人的cfPWV cfPWV与年龄曲线生成的系统(图1一个)。给病人的年龄和cfPWV值,我们可以在nomogram-where亟需解决的下降,从而生动地分配一个集群系统中不必包括病人。如果cfPWV值低于曲线对应于一般人群(蓝色区域),病人可以分配给“低风险组”,如果它向上(红色区域),它可以分配给“高风险组”。随后,我们可以评估病人的采集过程基于指定集群和图形估计患者的冠状动脉钙根据分配的集群和日志(CCS)与年龄曲线(图1 b)。因此,考虑到病人的并发症,生活方式,和测量cfPWV,医生可以使用CCS预测曲线根据集群组织assignment-evaluate批准钙值通过CT扫描的必要性。通过聚类算法,我们可以生成新的曲线每年通过分析不同人群和cfPWV CCS测量改进分层。
该方法可提高亚临床血管损伤筛查工具的实用性和援助通常具有挑战性的决定药理疗法(即开始。他汀类药物)。应该提到心血管风险评估进行的这项研究并不旨在取代传统风险分数,而是在场景补充PVW和(最终)CCS可能可用。因此,中年人的病人已经等多元风险模型评估的分数或弗雷明汉和边缘10年心血管风险(81年)或年轻的个人风险得分低估心血管风险,需要直接评估亚临床疾病可能受益于这个提议82年)。
尽管我们的研究发现,我们必须承认其局限性。首先,入选标准和聚类模型生成使用回顾性数据从一个单一的中心,其他领域限制结果的外部效度。其次,机器学习算法培养自己从大数据,通常需要一个巨大的数量的信息利用它的实用性。在这项研究中,我们只有少量的数据模型生成,从而增加趋势的不确定性。第三,聚类算法依赖于初始集群模式。因此,这个方法应该被复制在其他军团为了解决这个潜在的偏见存档健壮的结论对这种方法(83年)。
应用这一毫升工具可能扩展使用采集和CCS在临床实践中,帮助减少心血管疾病的全球负担。然而,这些初步结果保证验证更广泛和异构病人军团阐明集群的好处和探索其他ML算法的好处在采集和CCS协会。
5。结论
本文试图说明两个亚临床血管损伤参数的最先进的和他们如何使用可以增强通过ML护目镜。我们发现一个聚类算法隔离CCS发展的cfPWV分成两组不同的亚临床血管疾病患者。通过这些发现,我们打算识别高风险集群检测冠状动脉疾病的概率更高CCS和节省成本和集群辐射属于低风险的患者。总的来说,这一发现可以改善采集的“门房”CCS测试和潜在的增强患者分层。
数据可用性声明
数据分析在这项研究中受到以下许可证/限制:如果必要的数据和结果可能会提供确认结果。请求访问这些数据集应该指向Maximo Rousseau-Portalis mrousseauportalis@frba.utn.edu.ar。
道德声明
涉及人类受试者的研究回顾和批准生物工程研究和开发集团国立技术大学的布宜诺斯艾利斯,阿根廷。患者/参与者提供了他们的书面知情同意参与这项研究。
作者的贡献
::学习规划、数据分析、和写作手稿,手稿审查。如果:数据分析和手稿审查。LC:学习规划、数据分析、审查和手稿。类风湿性关节炎:学习规划、数据分析、手稿审查。所有作者的文章和批准提交的版本。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
补充材料
本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fcvm.2023.1161914/full补充材料。
引用
1。罗斯GA, Mensah GA,约翰逊有限公司Addolorato G, Ammirati E,巴多尔LM,等。全球心血管疾病负担和风险因素,1990 - 2019:从GBD更新2019年的研究。J是科尔心功能杂志。(2020)76:2982 - 3021。doi: 10.1016 / j.jacc.2020.11.010
2。Vos T, Lim党卫军,Abbafati C,阿巴斯公里,Abbasi M, Abbasifard M, et al . 369年疾病的全球负担和伤害在204个国家和地区,1990 - 2019年:2019年全球疾病负担研究系统分析。《柳叶刀》。(2020)396:1204-22。doi: 10.1016 / s0140 - 6736 (20) 30925 - 9
3所示。马赫F,白根特C, Catapano AL, Koskinas KC, Casula M, Badimon L, et AL . 2019 ESC / EAS dyslipidaemias管理指南:脂质修饰降低心血管风险:管理工作组dyslipidaemias欧洲心脏病学会(ESC)和欧洲动脉粥样硬化协会(EAS)。心欧元J。(2020)41:111 - 88。doi: 10.1093 / eurheartj / ehz455
5。Patel先生,彼得森ED,戴D,布伦南JM, Redberg射频,安德森高压,et al .选择性冠状动脉造影诊断产量低。N拉米夫地中海。(2010)362:886 - 95。doi: 10.1056 / NEJMoa0907272
6。Michos ED,纳西尔K,布劳恩斯坦JB, Rumberger是的,Budoff MJ, WS, et al。弗雷明汉风险方程低估了亚临床动脉粥样硬化风险在无症状的女性。动脉粥样硬化。(2006)184:201-6。doi: 10.1016 / j.atherosclerosis.2005.04.004
7所示。Akosah KO, Schaper Cogbill C, Schoenfeld p .预防心肌梗塞的年轻人首先:第三国家胆固醇教育委员会指南如何执行?J是科尔心功能杂志。(2003)41:1475-9。doi: 10.1016 / s0735 - 1097 (03) 00187 - 6
8。班纳特lloyd - jones高夫,唐纳德·M G,柯迪年代,RB,达吉本斯R, et al . 2013年ACC / AHA指南评估心血管疾病的风险。J是科尔心功能杂志。(2014)63:2935-59。doi: 10.1016 / j.jacc.2013.11.005
10。艾哈迈迪,Argulian E,莱比锡J,纽比德,Narula J .从亚临床动脉粥样硬化斑块进展和急性冠状动脉事件:JACC先进的审查。J是科尔心功能杂志。(2019)74:1608-17。doi: 10.1016 / j.jacc.2019.08.012
11。Hackam DG, Anand党卫军。新兴风险因素对动脉粥样硬化血管疾病关键评审的证据。J是医疗协会。(2003)290:932-40。doi: 10.1001 / jama.290.7.932
12。Serra R, Ielapi N,谈情说爱,Andreucci M, de Franciscis美国心血管风险的新生物标志物。Biomark地中海。(2018)12:1015-24。doi: 10.2217 / bmm - 2018 - 0056
13。Ben-Shlomo Y,长矛,Boustred C、M,安德森SG,本杰明EJ, et al。主动脉脉搏波速度提高心血管事件的预测。J是科尔心功能杂志。(2014)63:636-46。doi: 10.1016 / j.jacc.2013.09.063
14。桑塔纳DB,广场丫,文图拉,如果Arrosa JFT,弗洛里奥L, Lluberas R, et al .卫生信息学设计辅助诊断亚临床动脉粥样硬化,动脉年龄结构和功能微积分和患者心血管风险评估。IEEE反式正生物医学生物抛光工艺。(2012)16:943-51。doi: 10.1109 / TITB.2012.2190990
15。Stolzmann P, Alkadhi H, Scheffel H,布特就,Leschka年代,福尔克V,等。结合心脏磁共振和ct冠状动脉钙评分:附加价值形态的评估冠状动脉疾病?Int J Cardiovasc成像。(2011)27:969 - 77。doi: 10.1007 / s10554 - 010 - 9738 - 5
16。Budoff MJ,纳西尔K麦克勒兰德RL Detrano R,黄N, Blumenthal RS, et al .冠状动脉钙预测事件绝对分数钙比age-sex-race /种族百分位数。J是科尔心功能杂志。(2009)53:345-52。doi: 10.1016 / j.jacc.2008.07.072
17所示。Rumberger是的,施瓦茨RS,西蒙斯DB,西迪PF,爱德华兹WD, Fitzpatrick洛杉矶。冠状动脉钙化的关系由电子束计算机断层扫描和腔缩小由尸检。在心功能杂志。(1994)73:1169 - 73。0002 - 9149 . doi: 10.1016 / (94) 90176 - 7
18岁。斯巴达罗阿拉德Y,洛杉矶,古德曼K, Newstein D, Guerci广告。与电子束ct冠状动脉事件的预测。J是科尔心功能杂志。(2000)36:1253-60。doi: 10.1016 / s0735 - 1097 (00) 00872 - x
19所示。Hadamitzky M, Freissmuth B, Meyer T,嗯F, Kastrati, Martinoff年代,et al。预后价值预测冠状动脉电脑断层血管摄影的疑似冠心病患者心脏事件。JACC Cardiovasc成像。(2009)2:404-11。doi: 10.1016 / j.jcmg.2008.11.015
20.阿内特DK, Blumenthal RS,阿尔伯特·马Buroker AB, Goldberger ZD,哈恩EJ, et al . 2019年ACC / AHA指南在心血管疾病的一级预防:报告的美国心脏病学院/美国心脏病协会临床实践指南工作组。循环。140年(2019年):e596 - 646。doi: 10.1161 / CIR.0000000000000678
21。Piepoli MF,锄头啊,Agewall年代,阿不思·C, Brotons C, Catapano,等。2016年欧洲心血管疾病预防指南在临床实践:第六届欧洲心脏病学会联合特遣部队和其他社会预防心血管疾病在临床实践中(由10代表社会和邀请专家)开发的特殊贡献欧洲心血管预防与康复协会(EACPR)。心欧元J。(2016)37:2315 - 81。doi: 10.1093 / eurheartj / ehw106
22。Yeboah J,年轻的R,麦克勒兰德RL,德莱尼JC,波隆斯基TS, Dawood FZ, et al .效用的非传统风险标记在动脉粥样硬化性心血管疾病风险评估。J是科尔心功能杂志。(2016)67:139-47。doi: 10.1016 / j.jacc.2015.10.058
23。Haberl R,贝克尔,伯Knez,贝克尔C, C朗,et al。相关的冠状动脉钙化和血管摄影记录在疑似冠心病患者狭窄:1764名患者的结果。J是科尔心功能杂志。(2001)37:451-7。doi: 10.1016 / s0735 - 1097 (00) 01119 - 0
24。Blaha MJ, Naazie Cainzos-Achirica M, Dardari咱,DeFilippis美联社,麦克勒兰德RL, et al .推导的冠状动脉年龄计算器使用传统危险因素与冠状动脉钙:动脉粥样硬化的多民族研究。J是心脏协会。(2021)10:e019351。doi: 10.1161 / JAHA.120.019351
25。艾金迪萨德团里G,科斯塔M, Tashtish N, Duriuex J, Zidar D,拉希德,et al。免费冠状动脉钙筛查心血管风险评估。J是科尔心功能杂志。(2020)76:1259 - 62。doi: 10.1016 / j.jacc.2020.06.077
27。chirino是的,塞格尔P,休斯T,汤森r .大动脉僵硬在健康和疾病。J是科尔心功能杂志。(2019)74:1237 - 63。doi: 10.1016 / j.jacc.2019.07.012
28。宗像m . Brachial-ankle脉搏波速度的测量动脉硬化:最近的证据和临床应用。咕咕叫Hypertens牧师。(2014)10:49-57。doi: 10.2174 / 157340211001141111160957
29。科恩约Quyyumi AA, Hollenberg NK,杰姆森KA。代理标记为心血管疾病。循环。(2004)109:IV31-46。cir.0000133442.99186.39 doi: 10.1161/01.
30.功效C, Aznaouridis K, Stefanadis C与动脉硬化心血管事件和全因死亡率的预测。J是科尔心功能杂志。(2010)55:1318-27。doi: 10.1016 / j.jacc.2009.10.061
31日。Mattace-Raso付,van der Cammen TJM,霍夫曼,van Popele NM, Bos ML, Schalekamp MADH, et al。动脉硬化和冠心病和中风的风险。循环。(2006)113:657 - 63。doi: 10.1161 / CIRCULATIONAHA.105.555235
32。米切尔GF,黄s j, Vasan RS,拉尔森毫克,Pencina MJ,汉堡NM, et al .动脉硬化和心血管事件。循环。(2010)121:505-11。doi: 10.1161 / CIRCULATIONAHA.109.886655
33。Sutton-Tyrrell K,纳贾尔党卫军,Boudreau RM, Venkitachalam L, Kupelian V, Simonsick EM, et al .主动脉脉搏波速度升高,动脉硬化的标志,预测心血管事件在运转良好的老年人。循环。(2005)111:3384 - 90。doi: 10.1161 / CIRCULATIONAHA.104.483628
34。布鲁诺RM,尼尔森点,G, Wadstrom BN, Empana j], Boutouyrie P, et al。早期和超常血管老化。高血压。(2020)76:1616-24。doi: 10.1161 / HYPERTENSIONAHA.120.14971
35。尼尔森Wadstrom B, G,尼尔森点。探索和比较定义健康血管老化的人口特征和潜在的心血管风险。J哼Hypertens。(2021)35:428-36。doi: 10.1038 / s41371 - 020 - 0353 - 1
37岁。戴伊D, Slomka PJ,利森P Comaniciu D, Shrestha年代,森古普塔PP、et al。人工智能在心血管成像。J是科尔心功能杂志。(2019)73:1317-35。doi: 10.1016 / j.jacc.2018.12.054
38。Buch VH艾哈迈德•我Maruthappu m .人工智能在医学:当前的趋势和未来的可能性。Br J创Pract。(2018)68:143-4。doi: 10.3399 / bjgp18X695213
39岁。哈克I服了u,哈克,我徐b .人工智能个性化心血管药和心血管成像。Cardiovasc成岩作用其他。(2021)11:91123 - 923。doi: 10.21037 / cdt.2020.03.09
41岁。Serag, Ion-Margineanu,库雷希H,麦克米兰R,圣马丁m J,钻石J, et al .平移AI和深度学习诊断病理学。地中海面前。(2019)6:185。doi: 10.3389 / fmed.2019.00185
42。汉族学生,金女士,Lim W,公园GH,公园我,Chang SE。分类为良性和恶性皮肤肿瘤的临床图像使用深学习算法。J投资北京医学。(2018)138:1529-38。doi: 10.1016 / j.jid.2018.01.028
43。这位G, Arnaout R, Henne M, Arnaout R .心血管保健的机器学习和未来。J是科尔心功能杂志。(2021)77:300-13。doi: 10.1016 / j.jacc.2020.11.030
44岁。罗Y, Ahmad FS,沙SJ。张量分解精密医学与射血分数保留心脏衰竭。J Cardiovasc Transl Res。(2017)10:305-12。doi: 10.1007 / s12265 - 016 - 9727 - 8
45岁。Katz DH、托RC Aguilar FG,一年代,马丁内斯EE, Beussink-Nelson L, et al . Phenomapping识别的高血压患者心力衰竭的心肌基质保存射血分数。J Cardiovasc Transl Res。(2017)10:275 - 84。doi: 10.1007 / s12265 - 017 - 9739 - z
47岁。法兰,Cinaud, Protogerou A, Y, Topouchian J,回历2月我,et al .动脉硬化和冠状动脉缺血:新的方面和范例。咕咕叫Hypertens代表。(2020)22:5。doi: 10.1007 / s11906 - 019 - 1006 - z
48。Chironi G, Orobinskaia L, Megnien J-L, Sirieix e, Clement-Guinaudeau年代,Bensalah M,等。无症状的个体早期胸主动脉扩张心血管疾病的风险:行列式因素和临床意义。J Hypertens。(2010)28:2134-8。doi: 10.1097 / HJH.0b013e32833cd276
49。Agatston, Janowitz WR, Hildner FJ, Zusmer NR, Viamonte M, Detrano r .量化冠状动脉钙使用超快的计算机断层扫描。J是科尔心功能杂志。(1990)15:827-32。0735 - 1097 . doi: 10.1016 / (90) 90282 - t
50。达RB、Vasan RS Pencina MJ,狼爸,柯本M,马萨罗JM, et al .总体心血管风险在初级保健中使用。循环。(2008)117:743-53。doi: 10.1161 / CIRCULATIONAHA.107.699579
51。康罗伊RM, Pyorala K,菲茨杰拉德美联社,Sans, Menotti,德支持者G,等。十年的致命的心血管疾病的风险估计在欧洲:评分项目。心欧元J。(2003)24:987 - 1003。doi: 10.1016 / s0195 - 668 x (03) 00114 - 3
52岁。奥马尔AMS,拉米雷斯R, Haddadin F,人力B, Khandaker M, Patel Y,等。无监督聚类临床表型分层,人口、压力的属性在非缺血型锻炼的患者超声心动图心脏风险。超声心动图。(2020)37:505-19。doi: 10.1111 / echo.14638
53岁。Kim HC的事实- h, Kim G-H Kim JH K金,李H-Y, et al . 2018韩国社会的高血压指南的管理高血压:I-epidemiology部分高血压。中国Hypertens。(2019)二五16。doi: 10.1186 / s40885 - 019 - 0121 - 0
54。Umemura年代,Arima H, Arima年代,Asayama K, Dohi Y, Hirooka Y,等。高血压指南的日本社会的管理高血压(JSH 2019)。Hypertens Res。(2019)42:1235 - 481。doi: 10.1038 / s41440 - 019 - 0284 - 9
55。李j y, Ryu年代,李SH,金正日BJ,金正日台球,康陶宏根,et al .联系brachial-ankle脉搏波速度和冠状动脉钙的进展:前瞻性队列研究。Cardiovasc Diabetol。(2015)14:147。doi: 10.1186 / s12933 - 015 - 0311 - 3
56。毗瑟奴,Choo J, Wilcox B, Hisamatsu T, Barinas-Mitchell EJM, Fujiyoshi, et al . Brachial-ankle脉搏波速度与冠状动脉钙化在1131名健康的中年男子。Int心功能杂志。(2015)189:67 - 72。doi: 10.1016 / j.ijcard.2015.04.020
57。鸟居年代,Arima H, Ohkubo T, Fujiyoshi, Kadota,高岛N, et al。脉搏波速度和冠状动脉钙化之间的联系的日本男人。J Atheroscler Thromb。(2015)22日(12):1266 - 77。doi: 10.5551 / jat.30247
58岁。常Cainzos-Achirica M, Rampal年代,Y, Ryu年代,张Y,赵D, et al . Brachial-ankle脉搏波速度与冠状动脉钙化在中青年成人无症状:kangbuk三星健康研究。动脉粥样硬化。(2015)241:350-6。doi: 10.1016 / j.atherosclerosis.2015.05.031
59。南H-J,荣格IH,金正日J, Kim JH Suh J, Kim HS et al .联系brachial-ankle脉搏波速度和神秘的冠状动脉疾病多探头探测到计算机断层扫描。Int心功能杂志。(2012)157:227-32。doi: 10.1016 / j.ijcard.2011.01.045
60。金BH,张成泽JS, Kwon y, Kim JH金IJ,李连续波。高臂踝脉搏波速度作为预测的标志在2型糖尿病患者冠状动脉狭窄。性金属底座。(2018)33:88 - 96。doi: 10.3803 / EnM.2018.33.1.88
61年。Funck KL, Laugesen E,Øvrehus K,詹森JM Nørgaard提单,总督D, et al .高危冠状动脉斑块增加负担与动脉硬化有关在2型糖尿病患者冠状动脉疾病的临床症状:一个计算机断层扫描血管造影研究。J Hypertens。(2017)35:1235-43。doi: 10.1097 / HJH.0000000000001308
62年。金h l,金KN, Seo jb,崔YH,钟W-Y,金- h, et al . brachial-ankle协会脉搏波速度与冠状动脉疾病评估冠状动脉ct血管造影术。《公共科学图书馆•综合》。(2015)10:e0123164。doi: 10.1371 / journal.pone.0123164
63年。功效C, Xaplanteris P V Aboyans Brodmann M, Cifkova R,张家港基地F,等。血管的作用为初级和二级预防生物标志物。意见书从欧洲心脏病学会工作组末梢循环:认可动脉结构和生理学研究协会(动脉)的社会。动脉粥样硬化。(2015)241:507-32。doi: 10.1016 / j.atherosclerosis.2015.05.007
64年。利马Cavalcante杰,江淮,Redheuil Al-Mallah Mouaz h .主动脉僵硬:当前的理解和未来的方向。J是科尔心功能杂志。(2011)57:1511-22。doi: 10.1016 / j.jacc.2010.12.017
65年。Zieman SJ, Melenovsky V,卡斯达。动脉硬化的机制、病理生理学和治疗。Arterioscler Thromb Vasc杂志。(2005)25:932-43。atv.0000160548.78317.29 doi: 10.1161/01.
66年。帕隆博C, Kozakova m .动脉硬化、动脉粥样硬化和心血管风险:病理生理机制和新兴的临床适应症。Vascul杂志。(2016)77:1-7。doi: 10.1016 / j.vph.2015.11.083
67年。Rattazzi M, Bertacco E, Puato M, Faggin E, Pauletto p .高血压和血管钙化:恶性循环?J Hypertens。(2012)30:1885 - 93。doi: 10.1097 / HJH.0b013e328356c257
68年。Witteman JCM Grobbee DE, Valkenburg哈,Stijnen T,汉堡H,霍夫曼,et al . j舒张压的变化关系和主动脉动脉粥样硬化进展。《柳叶刀》。(1994)343:504-7。doi: 10.1016 / s0140 - 6736 (94) 91459 - 1
69年。伦敦通用,Guerin美联社。动脉脉冲和反射波对血压和心脏功能。我的心我。(1999)138:S220-4。doi: 10.1016 / s0002 - 8703 (99) 70313 - 3
71年。朋友JM,小m .数学方法在医学:神经科学,心脏病学和病理学。费罗斯反式R Soc数学phy Eng科学领域。(2017)375:20170016。doi: 10.1098 / rsta.2017.0016
73年。MacEwen c .人工智能医疗保健。医学科学院皇家学院。可以在https://www.aomrc.org.uk/reports-guidance/artificial-intelligence-in-healthcare/(2022年1月17日通过)。
75年。Zeleznik R, Foldyna B,伊斯拉米P,维斯J,亚历山大一世,Taron J, et al。深卷积神经网络预测心血管风险从计算机断层扫描。Nat Commun。(2021)12:715。doi: 10.1038 / s41467 - 021 - 20966 - 2
76年。Motwani M,总督D,伯曼DS,杰G,阿肯巴克都年代,Al-Mallah MH, et al。机器学习的预测在疑似冠心病患者全因死亡率:5年多中心前瞻性注册表分析。心欧元J。(2017)38:500-7。doi: 10.1093 / eurheartj / ehw188
78年。除梗器一个,Shadmi R, Bregman-Amitai O, Chettrit D, Blagev D, Orlovsky M,等。利用机器学习算法审查计算机断层扫描和评估心血管疾病的风险:回顾性分析国家肺癌筛查试验(NLST)。《公共科学图书馆•综合》。(2020)15:e0236021。doi: 10.1371 / journal.pone.0236021
79年。法兰,Petruescu L, Kretz年代,回历2月我,布兰奇j .附加值的主动脉脉搏波速度指数预测冠心病的诊断决策树。是J Hypertens。(2019)32:375 - 83。doi: 10.1093 / ajh / hpz004
80年。法兰,Cinaud, Blachier V, Lelong H,回历2月我,布兰奇j .冠心病诊断的人工神经网络包括主动脉脉搏波速度指数和临床参数。J Hypertens。(2019)37:1682-8。doi: 10.1097 / HJH.0000000000002075
81年。YM Visseren FLJ,马赫F, Smulders说道,Carballo D, Koskinas KC, M, et al . 2021 ESC心血管疾病预防指南在临床实践:心血管疾病预防工作组开发的临床实践与欧洲心脏病学会的代表和12个医疗社会的特殊贡献欧洲预防心脏病学协会(EAPC)。J:欧元心功能杂志。(2022)29:5 - 115。doi: 10.1093 / eurjpc / zwab154
82年。石头新泽西,史密斯SC, Orringer CE、Rigotti NA,瓦尔,汗党卫军,et al。年轻人动脉粥样硬化性心血管疾病的风险管理:JACC先进的审查。J是科尔心功能杂志。(2022)79:819-36。doi: 10.1016 / j.jacc.2021.12.016
关键词:脉搏波速度、冠状动脉疾病、机器学习、集群、冠状动脉钙计算机断层扫描
引用:Rousseau-Portalis M, Cymberknop L, Farro我和Armentano R(2023)计算集群揭示分化冠状动脉钙进展在普遍水平分类高危患者的脉搏波速度。前面。Cardiovasc。地中海。10:1161914。doi: 10.3389 / fcvm.2023.1161914
收到:2023年2月8日;接受:2023年5月2日;
发表:2023年5月16日。
编辑:
莎拉Costantino瑞士苏黎世大学©2023 Rousseau-Portalis、Cymberknop Farro Armentano。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:Maximo Rousseau-Portalismrousseauportalis@frba.utn.edu.ar