THÔNG TIN LUẬN ÁN TIẾN SĨ
Tên đề tài 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
Chuyên ngành: Nội khoa (Lão khoa)
Mã số: 9720107
Họ và tên nghiên cứu sinh: Nguyễn Thế Quyền
Họ và tên người hướng dẫn:
PGS.TS. Nguyễn Văn Tân;
TS. Nguyễn Thượng Nghĩa.
Tên cơ sở đào tạo: Đại học Y Dược Thành phố Hồ Chí Minh
TÓM TẮT NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN
Đặt vấn đề: Mặc dù đã có nhiều tiến bộ trong chăm sóc y tế nhưng bệnh nhân cao tuổi mắc nhồi máu cơ tim cấp có ST chênh lên (NMCTC có STCL) được can thiệp mạch vành qua da (CTMVQD) tiên phát hiện vẫn có tỉ lệ tử vong cao. Các mô hình tiên lượng cổ điển, chủ yếu được xây dựng trên quần thể người da trắng với số lượng hạn chế bệnh nhân cao tuổi và dựa trên các phương pháp thống kê cổ điển, có thể không đạt hiệu quả tốt trong bối cảnh tại Việt Nam.
Đối tượng và phương pháp nghiên cứu: Nghiên cứu này phát triển các mô hình tiên lượng tửvong dựa trên trí tuệ nhân tạo, được thiết kế cho bệnh nhân NMCTC có STCL từ 60 tuổi trở lên sau CTMVQD tiên phát tại Việt Nam. Các mô hình học máy được xây dựng và hiệu chỉnh dựa trên các đặc điểm trước và sau thủ thuật để dự đoán tử vong nội viện và từ vong 1 năm, sử dụng các kỹ thuật lựa chọn đặc trưng tiên tiến nhằm xác định các yếu tố dự báo quan trọng. Phương pháp SHapley Additive exPlanations và Rừng ngẫu nhiên nhân quả được áp dụng nhằm nâng cao khả năng giải thích và xác định mối quan hệ nhân quả giữa các yêu tổ tiên lượng và tử vong.
Kết quả: Mô hình CatBoost kết hợp với hồi quy Elastic Net trước thủ thuật và mô hình Rừng ngẫu nhiên kết hợp với hồi quy Ridge sau thủ thuật cho thấy hiệu năng vượt trội đáng kể so với các thang điểm tiên lượng cổ điển, với giá trị AUC lần lượt đạt 92,2% và 95,1%, cao hơn so với thang điểm GRACE 2.0 (83,5%) và CADILLAC (87,0%). Phân độ Killip và thang suy yếu lâm sàng là những yếu tố dự báo chính trong tiên lượng tử vong nội viện. Đối với dự đoán tử vong 1 năm, mô hình hồi quy Logistic kết hợp với hồi quy ElasticNet cũng cho thấy hiệu quả vượt trội so với các thang điểm truyền thống, với AUC đạt 88,5%, cao hơn so với GRACE 2.0 (72,0%) và CADILLAC (75,0%). Phân suất tổng máu thất trái và thang suy yếu lâm sàng tiếp tục được xác định là những yếu tố dự báo quan trọng hàng đầu.
Kết luận: Bằng cách tích hợp suy yếu và áp dụng các kỹ thuật học máy tiên tiến, các mô hình đã cung cấp những đánh giá nguy cơ chính xác và cá thể hóa, từ đó có thể hỗ trợ tối ưu hóa quá trình ra quyết định lâm sàng và cải thiện kết cục điều trị cho bệnh nhân cao tuổi mắc NMCTC có STCL được CTMVQD tiên phát.
