早期心房颤动预测模型构建：基于中国人群窦性心律期间心电定量特征

摘要

目的 基于中国人群的心电大数据开发早期房颤风险预测模型。方法 回顾性纳入2009年～2023年于解放军总医院有多次心电图检查记录的患者30 383例。患者按7∶3的比例随机划分为训练集和内部测试集。使用训练集数据，采用单因素分析、LASSO回归、Boruta算法筛选预测因子。基于Cox比例风险回归建立心电模型以及结合年龄、性别和心电模型评分的复合模型。采用受试者工作特征分析曲线下面积（AUROC）、校准曲线、决策曲线评估模型区分度、校准度及临床净获益。结果 纳入患者的中位年龄为51(36,62)岁，男性占比51.1%，房颤的发生率为4.5%(1370/30 383)。在心电模型中，P波相关参数及QRS波相关参数是重要预测变量。在测试集中，心电模型预测5年房颤风险的AUROC为0.77(95%CI:0.74-0.80)，加入年龄和性别后的复合模型AUROC提升至0.81(95%CI:0.78-0.83)，净重新分类指数为0.123，综合判别改善指数为0.04(P<0.05)。模型校准曲线斜率接近对角线。决策曲线分析显示复合模型的临床净获益在绝大多数风险阈值范围内均高于心电模型。结论基于中国人群窦性心律期间的心电图定量特征及年龄和性别开发的复合模型可有效预测未来房颤风险，为房颤的早期风险评估及预防干预提供了低成本的筛查工具。

关键词

心电图 / 心房颤动 / LASSO回归 / Boruta算法