研究：中国多中心队列构建AI多时间点风险分层模型预测UA合并HFpEF患者心衰住院

中国多中心回顾性队列纳入4367例合并不稳定型心绞痛（UA）的射血分数保留型心衰（HFpEF）患者，训练12种机器学习算法并外部验证，用于预测12、24、36个月心衰住院（HFH）风险。

临床证据卡

研究设计 / 文件类型

多中心回顾性队列研究，开发并外部验证多时间点机器学习风险分层模型

P · 研究人群

不稳定型心绞痛（UA）合并射血分数保留的心力衰竭（HFpEF）患者

I · 干预 / 暴露

整合LASSO、SVM-RFE与Boruta的集成特征选择流程筛选预测因子，并训练12种机器学习算法，在12、24、36个月时间点估计心衰住院风险

C · 对照

所读取材料未报告 / 尚待提取

O · 主要结局

主要结局为心衰住院（HFH）风险，在12、24、36个月三个时间点评估

样本量

4367例患者

随访时间

评估时间点为12、24、36个月

效应量与置信区间

训练队列中最佳时间特异模型ET、GBDT、LightGBM的AUC分别为0.818、0.834、0.863；外部验证中AUC分别为0.839、0.836、0.851

绝对效应

所读取材料未报告 / 尚待提取

伤害与不良事件

所读取材料未报告 / 尚待提取

局限与偏倚

需在不同人群和医疗体系中开展进一步前瞻性与真实世界验证，以确认临床有效性并支持常规应用

原文证据确定性

所读取材料未报告 / 尚待提取

原文推荐方向与强度

所读取材料未报告 / 尚待提取

适用地区

中国多中心

适用与排除人群

UA合并HFpEF人群；作者指出需在多样人群与医疗体系中进一步验证

原文提及的中国适用情况

研究基于中国多中心队列，纳入中国多家医院患者

资金来源与利益冲突

成都市科技局重大科技应用示范项目（2022-YF09-00001-SN）、国家重点研发计划（2025YFC3610000；2025YFC3610004）、四川省科技厅中央引导地方科技发展项目（2024ZYD0065）、人才项目（TJZ202421）、四川省卫健委重点研发项目（ZH2025-101）、国家自然科学基金（82600774）；作者声明无利益冲突

试验注册号

所读取材料未报告 / 尚待提取

DOI

10.1038/s41746-026-03427-2

PMID

所读取材料未报告 / 尚待提取

正式版 / 草案 / 预印本

开放获取的已接受稿件早期版本，可引用并有永久DOI，后续将被最终正式版替换

版本与更新说明

早期在线发表版本（2026年11月5日发布），后续将被最终正式版替换

生成时间：2026/11/10 00:17:07。原文数值优先；系统不从相对效应推算 NNT/NNH。

批判性阅读提示

• 随机化、混杂、失访如何处理？
• 主要终点是否预先注册？是否为替代终点？
• 报告了绝对获益、不良事件和置信区间吗？
• 诊断/预测研究是否有外部验证和适用场景评估？
• 资金来源与利益冲突是否披露？

变更记录