Ишемическая болезнь сердца (ИБС) и ишемический инсульт (ИИ) имеют общие факторы риска и механизмы, что подчеркивает необходимость в новых биомаркерах.
Повышенное соотношение глюкозы и альбумина в крови является сильным независимым индикатором риска инсульта у пациентов с ишемической болезнью сердца.
Ишемическая болезнь сердца (ИБС) и ишемический инсульт (ИИ) имеют общие факторы риска и механизмы, что подчеркивает необходимость в новых биомаркерах. В этом ретроспективном исследовании соотношение глюкозы и альбумина (GAR) в крови было оценено как прогностический маркер ИИ у пациентов с ИБС.
Всего в исследование были включены 1885 пациентов, страдающих ИБС. Отбор признаков осуществлялся с помощью алгоритма Boruta. Для прогнозирования риска ИИ была разработана модель многослойного перцептрона. Качество модели оценивали с помощью рабочих характеристических кривых (ROC-кривых) и калибровочных графиков, в то время как интерпретируемость ключевых предикторов обеспечивали значения SHAP (Shapley Additive Explanations) и графики частных зависимостей (PDP).
Пациенты с ИИ были старше и имели более высокие показатели артериальной гипертензии и диабета по сравнению с лицами без острого ИИ. Кроме того, у пациентов с острым ИИ наблюдалась более высокая распространенность поражения правой коронарной артерии и трехсосудистого поражения. GAR был заметно повышен в группе ИИ, выступая в качестве ключевого биомаркера наряду с гиперлипидемией и артериальной гипертензией в анамнезе, выявленным с помощью алгоритма Boruta. Анализ SHAP выявил GAR как сильный фактор риска, а анализ PDP дополнительно подтвердил его роль как независимого предиктора ИИ, подчеркнув его клиническую значимость для стратификации риска у пациентов с ИБС.
Показатель соотношения глюкозы и альбумина (GAR) оказался эффективным независимым предиктором риска ИИ у пациентов с ИБС, при этом повышенные значения GAR демонстрируют тесную связь с повышенным риском инсульта.
BMC Cardiovascular Disorders
Association between glucose-to-albumin ratio and ischemic stroke risk in patients with coronary heart disease: a machine learning-based predictive model analysis
Ling Hou и соавт.
Комментарии (0)