仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
https ://www.jhltonline.org/article/S1053-2498(24)01010-6/fulltext
目的：2020年ISHLT关于儿童供体心脏可接受性的共识声明指出，供体特征对移植后生存率的影响微乎其微。然而，在美国，超过90%的儿童候选者供体心脏被拒绝，近40%的儿童供体心脏最终被弃用。我们利用机器学习（ML）评估了包括供体变量在内的不同类型变量在预测儿童心脏移植生存率中的重要性。
方法：使用随机森林（RF）和Lasso逻辑回归（LR）模型，基于UNOS数据（2010-2019年）预测儿童心脏移植受者移植后1年的生存率。RF和LR模型分别结合了供体、候选者、供体-候选者匹配度以及移植预测变量。通过10折交叉验证的AUC值和Brier评分进行配对t检验，以评估模型性能的差异。
结果：用于分析的数据集包含3877例移植。仅包含供体变量的模型表现最差，平均AUC为（RF.57，LR.60）。包含候选者和移植变量的模型AUC最大（RF.72，LR.71）。配对t检验发现这些差异具有统计学意义（p值<.001）。将供体变量添加到最佳模型中，RF模型的性能变化不明显（p值.133），而LR模型的性能则出现明显下降（p值.009）。Brier评分也得出类似结果。
结论：供体相关变量并未提高模型的预测性能，表明它们对移植后结果的影响可以忽略不计。值得注意的是，这一结论基于当前保守且接受供体特征变异性较低的儿童供体心脏选择实践。这些发现支持了近期ISHLT共识声明的结论，并进一步强调了通过利用已确立的供体可接受性标准（如缺血时间和心脏功能超声评估）来降低供体器官弃用率和等待名单死亡率的重要性。
机器学习论文：复现特征重要性柱状图、Shap模型可视化解释
