逻辑回归心电图诊断：如何优化LVH检测性能？2025最新研究对比分析

逻辑回归（LR）的敏感性为70%，特异性为81%，准确率为81%，AUC为0.86（Naderi等，2023）。Kwon等使用了四个临床变量（年龄、性别、体重和身高），以及心电图特征，如心率、房颤或房扑的存在、QT间期、校正QT间期（QTc）、QRS时限、R波轴和T波轴（Kwon等，2020）。此外，他们还使用了每个导联的5000个原始心电图数据点。该LR的敏感性为36.4%，特异性为93.6%，准确率为84.6%，AUC为0.81（Kwon等，2020）。Lim等研究了17,310名16至23岁的男性应征入伍者，其临床变量包括体重、身高、体脂百分比和收缩压。心电图变量包括QT间期、平均QRS时限和I导联的R波（Lim等，2021）。所有变量的AUC为0.815，仅考虑心电图变量时为0.811（Lim等，2021）。Sabovčik等评估了1407名个体（平均年龄51岁，51%为女性），这些个体是从一般人群中随机招募的（Sabovčik等，2021）。使用了大量的临床和实验室变量（血细胞计数、血糖、血脂、肾素活性、瘦素、胰岛素、醛固酮和皮质醇）。从心电图中提取了P波、QRS复合波和T波的起始、幅度和间隔。他们的LR模型的AUC为0.783（Sabovčik等，2021）。Kokubo等分析了住院患者的数据（平均年龄64.2岁）（Kokubo等，2022）。19个因素——临床变量（年龄、性别、身高和体重）和心电图特征（心率、节律、PR间期、QT间期、QRS轴、P波轴），以及V1、V2、V5和V6导联的QRS电压——被用作输入变量。他们的LR模型的敏感性为47.8%，特异性为85.5%，准确率为70.8%，阳性预测值（PPV）为67.8%，阴性预测值（NPV）为8%，AUC为0.758（Kokubo等，2022）。我们发现多变量逻辑回归分析显示，年龄、性别和高血压等临床变量在某些心电图标准下改善了左室肥厚（LVH）的诊断，但在其他标准下则不然（Yoosefi 2025）。因此，不同的LR模型的敏感性范围从36%到70%，特异性范围从81%到93%，这表明人口类型和输入变量的种类会影响结果。