Сердечная недостаточность (СН) — частое и серьезное сердечно-сосудистое заболевание у пожилых людей, особенно у пациентов с сахарным диабетом 2-го типа и артериальной гипертензией (АГ). Обычные клинические инструменты для оценки риска развития СН часто сложны и не всегда доступны в повседневной практике. Авторы поставили цель разработать и сравнить прогностические модели риска СН, используя машинное обучение, чтобы найти эффективный способ прогнозирования риска развития СН у людей 65 лет и старше с СД и АГ. Проанализировали информацию из национального исследования здоровья и питания США (NHANES) за период 2003–2016 гг. (n=71 058, 1445 участников возрастом ≥65 лет имели как СД, так и АГ). Авторы оценили семь новых сложных индексов, которые легко рассчитать на основании стандартных параметров: индекс формы тела (ABSI), атерогенный индекс плазмы (AIP), шкалу оценки жировой болезни печени (BARD score), процент жира в теле (BFP), индекс округлости тела (BRI), индекс стеатоза печени (FLI), прогностический нутриционный индекс (PNI). Применили девять алгоритмов (например, Random Forest, XGBoost). В ходе исследования выявлено, что главными предикторами риска развития СН являются: индекс округлости тела (BRI) и прогностический питательный индекс (PNI). Индексы, легко вычисляемые из рутинных данных, такие как индекс формы тела (ABSI), атерогенный индекс плазмы (AIP), индекс округлости тела (BRI), или прогностический нутриционный индекс (PNI) могут эффективно предсказывать риск СН у пожилых пациентов с СД и АГ. Использование машинного обучения (особенно XGBoost) позволяет получить очень точный прогноз, что может быть полезно для врачей при оценке риска у данных пациентов. Данные индексы и модели можно применять в клинической практике, чтобы заранее определять пациентов с высоким риском и проводить профилактические меры до развития СН. Такой инструмент может быть особенно полезен там, где сложно или дорого проводить обширные лабораторные исследования, но при этом необходимо быстро оценить риск с целью коррекции лечения.
European Journal of Preventive Cardiology, Volume 33, Issue 1, January 2026, Pages 53-63, https://doi.org/10.1093/eurjpc/zwaf081
