Luận án Xây dựng mô hình tiên lượng tử vong trên bệnh nhân cao tuổi nhồi máu cơ tim cấp có ST chênh lên được can thiệp mạch vành qua da tiên phát

Tên luận án:

XÂY DỰNG MÔ HÌNH TIÊN LƯỢNG TỬ VONG TRÊN BỆNH NHÂN CAO TUỔI NHỒI MÁU CƠ TIM CẤP CÓ ST CHÊNH LÊN ĐƯỢC CAN THIỆP MẠCH VÀNH QUA DA TIÊN PHÁT

Ngành:

Nội khoa (Lão khoa)

Tóm tắt nội dung tài liệu:

Luận án này tập trung vào việc xây dựng mô hình tiên lượng tử vong cho bệnh nhân cao tuổi mắc nhồi máu cơ tim cấp có ST chênh lên (NMCTC có STCL) được can thiệp mạch vành qua da tiên phát (CTMVQD). Nghiên cứu xuất phát từ thực tế tỷ lệ tử vong cao ở nhóm bệnh nhân này và hạn chế của các mô hình tiên lượng cổ điển (như GRACE 2.0, TIMI) vốn không tích hợp các yếu tố lão khoa đặc thù như suy yếu và chủ yếu được phát triển trên quần thể bệnh nhân da trắng, dẫn đến tính chính xác và khả năng ứng dụng còn hạn chế.

Nghiên cứu được thực hiện theo thiết kế quan sát tiến cứu kết hợp hồi cứu tại hai trung tâm tim mạch lớn ở TP. Hồ Chí Minh, với tổng cộng 1460 bệnh nhân cho mô hình tử vong nội viện và 1196 bệnh nhân cho mô hình tử vong 1 năm. Các mục tiêu chính là phát triển và thẩm định mô hình tiên lượng tử vong nội viện và 1 năm. Nghiên cứu đã tích hợp 38 yếu tố tiên lượng tiềm năng, bao gồm 37 yếu tố từ các mô hình cổ điển và 1 yếu tố lão khoa đặc thù là suy yếu theo thang lâm sàng (CFS), áp dụng các thuật toán học máy hiện đại và kỹ thuật giải thích trí tuệ nhân tạo (SHAP, Rừng ngẫu nhiên nhân quả) để khám phá mối quan hệ phi tuyến tính.

Kết quả cho thấy các mô hình học máy phát triển trong nghiên cứu có hiệu suất phân biệt vượt trội so với các mô hình cổ điển. Cụ thể, mô hình CatBoost (ElasticNet) đạt AUC 0,922 cho tử vong nội viện trước CTMVQD, với các yếu tố đóng góp đáng kể nhất là phân độ Killip, thang suy yếu lâm sàng và đường huyết. Mô hình Rừng ngẫu nhiên (Ridge) đạt AUC 0,951 cho tử vong nội viện sau CTMVQD, với các yếu tố quan trọng là phân độ Killip, thang suy yếu lâm sàng và phân suất tống máu thất trái. Đối với tiên lượng tử vong 1 năm, mô hình hồi quy logistic (ElasticNet) đạt AUC 0,885, với các yếu tố chính là phân suất tống máu thất trái, sử dụng thuốc ức chế P2Y12 và thang suy yếu lâm sàng.

Những đóng góp mới của luận án là lần đầu tiên tại Việt Nam xây dựng mô hình tiên lượng tử vong tích hợp yếu tố suy yếu, chứng minh ưu thế của học máy trong dự báo và cung cấp công cụ nhận diện nguy cơ cao ở bệnh nhân cao tuổi. Nghiên cứu khuyến nghị tích hợp đánh giá suy yếu thường quy vào thực hành lâm sàng, chuyển đổi thuật toán thành công cụ dễ sử dụng và tiếp tục thẩm định ngoài trên các quần thể khác nhau.

Mục lục chi tiết:

• Đặt vấn đề và mục tiêu nghiên cứu: 02 trang
• Chương 1 Tổng quan tài liệu: 32 trang
• Chương 2 Đối tượng và phương pháp nghiên cứu: 33 trang
• Chương 3 Kết quả: 40 trang
• Chương 4 Bàn luận: 46 trang
• Kết luận và kiến nghị: 03 trang