在接受经皮冠状动脉介入治疗的急性冠状动脉综合征年轻患者中，采用无监督聚类方法进行表型分析

《Catheterization and Cardiovascular Interventions》：Unsupervised Agglomerative Cluster Phenotyping of Young Patients With Acute Coronary Syndrome Undergoing Percutaneous Coronary Intervention

基于2010-2022年休斯顿卫理公会年轻ACS PCI注册数据，采用凝聚式聚类分析将452例年轻PCI患者分为低（273例）、中（101例）、高（78例）风险三组。结果显示：低风险组HF发生率10.3%、PAD 5.9%、LVEF 0.60、支架长度16mm；高风险组糖尿病67.9%、高血压93.6%、HF 65.4%、LVEF最低0.3且机械循环支持使用率最高5.1%。死亡风险分析表明高、低风险组HR达4.50（1.68-12.1），中低风险组HR 1.52（0.44-5.19）。敏感性分析显示两集群模型结果一致，验证了聚类方法的稳健性。

　　

摘要

背景

患有急性冠状动脉综合征（ACS）的年轻患者在人口统计学、临床特征和血管造影方面表现出多样性。我们假设无监督机器学习（ML）能够识别出不同表型群，并预测接受经皮冠状动脉介入治疗（PCI）的年轻ACS患者的预后。

方法

我们使用了休斯顿卫理公会青年ACS PCI登记数据（2010?2022年），并对接受PCI治疗的年轻患者（≤50岁）的人口统计学、临床和血管造影变量进行了聚类分析。

结果

在452名患者中，聚类分析识别出三个不同的表型群。低风险组（n=273）的心力衰竭（HF）和周围动脉疾病（PAD）发生率最低：分别为10.3%和5.9%；左心室射血分数（LVEF）正常（中位数=0.60），且病变血管支架的中位长度较短（16毫米）。中等风险组（n=101）的糖尿病（36.6%）、高血压（77.2%）、既往心肌梗死（16.8%）和既往PCI（18.8%）的发生率较高。高风险组（n=78）的糖尿病（67.9%）、高血压（93.6%）、HF（65.4%）、PAD（17.9%）和既往心肌梗死（41.0%）的发生率最高；LVEF的中位数最低（0.3），并且使用机械循环辅助装置的比例最高（5.1%）。全因死亡率存在显著差异，高风险组的全因死亡率是低风险组的4倍（HR：4.50 [1.68?12.1]）；然而中等风险组和低风险组之间没有显著差异（HR：1.52 [0.44?5.19]）。基于两个表型的敏感性分析显示结果相似，表明该分析的可靠性。

结论

接受PCI治疗的年轻ACS患者中存在三个不同的表型群，这些群在合并症负担和死亡风险方面存在差异，这突显了基于表型指导的治疗方法的潜力。

利益冲突

作者声明没有利益冲突。

数据可用性声明

支持本研究结果的数据可向通讯作者索取。由于隐私或伦理限制，这些数据无法公开。