心电图DT分析如何识别LVH？2021机器学习模型性能对比研究

DT分析心电图数据和LVH识别的结果应结合DT分析的类型以及其应用的不同研究类型来考虑。Garza-Salazar等人使用了以下心电图变量：所有心电图导联（I、II、III、aVL、aVF、aVR 和 V1–V6）的S波电压和R波电压，V1导联的P波持续时间和电压，左心房扩大，V1导联的QRS复合波持续时间，QRS轴（使用I和aVL导联），V6导联的内在偏移，以及“ST应变”（ST段下移和不对称T波倒置）（De la Garza Salazar等，2021）。他们使用了一个LR模型来创建一个多级二元决策树，利用提供最大信息的心电图特征来分类患者是否患有LVH（De la Garza Salazar等，2021）。使用六个预测变量，他们的模型具有80%的敏感性，53%的特异性和71%的准确性（De la Garza Salazar等，2021）。 他们在另一项研究中采用了不同的方法，涉及439名患者（前一项研究中具体有多少患者不清楚），使用了16个心电图参数，包括I导联的T波电压，aVL导联的峰间QRS距离（>1.235 mV），以及aVF导联的峰间QRS距离（>0.178 mV），并使用C5.0机器学习算法定义决策树结构模型。该模型的敏感性为74%，特异性为69%，准确率为71%。