Platelet-to-Lymphocyte Ratio-Driven Machine Learning Model for Predicting In-Hospital Major Adverse Cardiovascular Events After Percutaneous Coronary Intervention in Acute Myocardial Infarction: A Retrospective Cohort Study
تُظهر هذه الدراسة الاستعادية الأترابية أن نموذج تعلم الآلة (XGBoost) القائم على نسبة البلازما إلى الليمفوسيت (PLR)، والذي يدمج عوامل سريرية رئيسية مثل العمر ودرجة جينسيني، يتفوق بشكل كبير على الانحدار اللوجستي التقليدي في التنبؤ بالأحداث القلبية الوعائية الضائرة الكبرى داخل المستشفى بعد التدخل عبر الجلد (PCI) لدى مرضى احتشاك عضلة القلب الحاد، مع تحديد عتبة حرجة للكسر القذفي تبلغ حوالي 50%.