<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Гельцер Б. И.</author>
     <author>Шахгельдян К. И.</author>
     <author>Пак Р. Л.</author>
     <author>Куксин Н. С.</author>
     <author>Домжалов И. Г.</author>
     <author>Кокарев Е. А.</author>
     <author>Котельников В. Н.</author>
    </authors>
   </contributors>
   <titles>
    <title>Анализ предиктивной ценности электрокардиографических, эхокардиографических и гематологических показателей для прогнозирования &quot;новой&quot; фибрилляции предсердий у больных инфарктом миокарда с подъемом сегмента ST после чрескожного коронарного вмешательства</title>
   </titles>
   <keywords>
    <keyword>инфаркт миокарда с подъемом сегмента ST</keyword>
    <keyword>фибрилляция предсердий</keyword>
    <keyword>чрескожное коронарное вмешательство</keyword>
    <keyword>машинное обучение</keyword>
    <keyword>прогнозирование</keyword>
   </keywords>
   <dates>
    <year>2025</year>
    <pub-dates>
     <date>2025-10-10</date>
    </pub-dates>
   </dates>
   <doi>10.15829/1560-4071-2025-6353</doi>
   <journal>Российский кардиологический журнал</journal>
   <abstract>Цель. Сравнительная оценка предиктивного потенциала электрокардиографических, эхокардиографических и гематологических показателей для прогнозирования &quot;новой&quot; фибрилляции предсердий (ФП) у больных инфарктом миокарда с подъемом сегмента ST после чрескожного коронарного вмешательства (ЧКВ) и разработка новых прогностических моделей на основе методов машинного обучения.Материал и методы. Проведено одноцентровое проспективное исследование, в рамках которого анализировали данные 733 больных инфарктом миокарда с подъемом сегмента ST. Было выделено 2 группы лиц, в первую из которых вошли 57 (7,8%) пациентов с впервые зарегистрированной ФП в послеоперационном периоде ЧКВ, а во вторую — 676 (92,2%) больных без нарушения сердечного ритма. Для прогнозирования ФП использовали методы однофакторной и многофакторной логистической регрессии, деревья решений, градиентный бустинг CatBoost.Результаты. Сравнительный анализ электрокардиографии, эхокардиографии, гематологических и клинических показателей демонстрировал, что наиболее высоким предиктивным потенциалом обладают соотношение нейтрофилов к эозинофилам (NER) &amp;gt;48,7 усл.ед. (отношение шансов (ОШ) 7,1), класс острой сердечной недостаточности по Т. Killip &amp;gt;2 (ОШ 4,44), скорость оседания эритроцитов &amp;gt;36 мм/ч (ОШ 4) и индекс системного воспалительного ответа (SIRI) &amp;gt;5 усл.ед. (ОШ 3,8). Лучшая прогностическая модель &quot;новой&quot; ФП после ЧКВ (AUC=0,806) включала в свою структуру 9 категориальных предикторов: NER &amp;gt;48,7 усл.ед., SIRI &amp;gt;5 усл.ед., скорость оседания эритроцитов &amp;gt;36 мм/ч, PQ &amp;gt;200 мс, 600 мс&amp;lt; RR &amp;gt;1200 мс, систолическое давление в легочной артерии &amp;gt;33,5 мм рт.ст., возраст &amp;gt;66 лет, TIMI &amp;lt;3 и класс острой сердечной недостаточности по Т. Killip &amp;gt;2.Заключение. Повышение точности прогноза &quot;новой&quot; ФП после ЧКВ может быть достигнуто за счет расширения спектра потенциальных предикторов и использования современных технологий объяснимого искусственного интеллекта.</abstract>
   <urls>
    <web-urls>
     <url>https://www.cardiojournal.online/publication/13735</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.cardiojournal.online/files/14213</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
