Сравнение подходов для построения моделей оценки риска возникновения фибрилляции предсердий у больных ишемической болезнью сердца
https://doi.org/10.52727/2078-256X-2023-19-3-290-291
Abstract
Введение. Фибрилляция предсердий (ФП) – одна из самых распространенных аритмий. Этим заболеванием страдает до 2 % общей популяции, и показатель растет в последние годы. Сочетание ФП с ишемической болезнью сердца (ИБС) усугубляет проблему для здравоохранения. В связи с этим персонифицированный подход не только к определению риска развития ФП у больных ИБС, но и поиск возможности управления такими рисками делает актуальным изучение данной проблемы. Дополнительное применение современных методов математической статистики и математического моделирования с использованием нового программного обеспечения позволит предоставить дополнительную прогностическую силу и усилит возможности современного профилактического здравоохранения.
About the Authors
С. Кузин
ФГБНУ «Федеральный исследовательский центр фундаментальной и трансляционной медицины»;
ГГБУЗ НО «Городская клиническая больница № 34»
Russian Federation
Russian Federation
Н. Ложкина
ФГАОУ ВО «Новосибирский национальный исследовательский государственный университет» Минздрава России;
ФГБНУ «Федеральный исследовательский центр фундаментальной и трансляционной медицины»;
ГБУЗ НО «Городская клиническая больница № 1»
Russian Federation
Russian Federation
References
1. Jelena Kornej, Christin S. Börschel, Emelia J. Benjamin, Renate B. Schnabel. Epidemiology of Atrial Fibrillation in the 21st Century: Novel Methods and New Insights. Circ. Res., 2020 Jun 19; 127 (1): 4–20. doi: 10.1161/CIRCRESAHA.120.316340
2. ESC Guidelines for the diagnosis and management of atrial fibrillation developed in collaboration with the European Association for Cardio-Thoracic Surgery (EACTS): The Task Force for the diagnosis and management of atrial fibrillation of the European Society of Cardiology (ESC) Developed with the special contribution of the European Heart Rhythm Association (EHRA) of the ESC.
3. Janez Demšar, Tomaž Curk, Aleš Erjavec, Črt Gorup, Tomaž Hočevar, Mitar Milutinovič, Martin Možina, Matija Polajnar, Marko Toplak, Anže Starič, Miha Stajdohar, Lan Umek, Lan Žagar, Jure Žbontar, Marinka Žitnik, Blaž Zupan. Orange: data mining toolbox in Python. J. Machine Learning Res., 2013; 14 (1): 2349–2353.
Review
For citations:
, . Ateroscleroz. 2023;19(3):290-291. (In Russ.) https://doi.org/10.52727/2078-256X-2023-19-3-290-291
Views:
137
Email this article 