Machine learning-based prediction model for post-stroke cerebral-cardiac syndrome: a risk stratification study
7.4
来源：
Nature
发布时间：
2025-08-21 04:09
摘要：
研究开发了一种机器学习模型，能够有效预测中风后心脏综合症，XGBoost模型在准确性和区分度上表现最佳，具有重要的临床应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.5分+重点关注领域符合度
business_impact
0.0分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
audience_relevance
1.0分+受众相关性
timeliness_innovation
1.5分+时效性与创新性
Investment_perspective
0.0分+投资视角
team_institution_background
0.5分+知名机构、顶级团队、成功经验
technical_barrier_competition
1.0分+技术壁垒高、竞争少、专利保护强
关键证据
XGBoost模型在测试集上表现出最高的区分度（AUC 0.879）
研究分析了511名中风患者的临床数据
SHAP分析确定了D-二聚体等作为主要预测因子
真实性检查
否
AI评分总结
研究开发了一种机器学习模型，能够有效预测中风后心脏综合症，XGBoost模型在准确性和区分度上表现最佳，具有重要的临床应用潜力。