研究目的:早期风险分层对急性心肌梗死(AMI)患者很重要。我们旨在开发一个简单易于使用的APACHE Ⅳ网页动态列线图,结合入院24小时内容易获得的临床参数,从而提高其预测AMI患者28天死亡率的能力。研究方法:有关急性心肌梗死患者的临床信息从e ICU数据库v2.0中提取。使用机器学习算法XGBoost、随机森林、梯度提升机、广义线性模型对数据库中所有变量与28天死亡率之间的关联性进行了初步筛查。采用单因素和多因素logistic回归分析进行主要的变量筛选。基于多因素分析,建立了预测这些患者28天死亡率的动态列线图。为了处理数据库中含有缺失变量的数据,我们应用了多重插补(MI)方法。预测模型在三个主要方面进行评估,即区分度、校准和临床有效性。区分度主要体现在受试者工作特征曲线下面积(AUC)、净重分类改善率(NRI)和综合判别率改善率(IDI)。校准由校准曲线图表示。临床有效性由决策曲线分析(DCA)曲线表示。最后,建立的最终模型与梅奥诊所的M-CARS模型进行比较。结SBE-β-CD果:共有504人通过纳排标准进入了这PCR Equipment项研究。所有504人都被用于构建预测模型,Alpelisib内部验证模型使用500次bootstrap方法。多因素分析显示,列线图中包括四个变量,即APACHE Ⅳ、首次入院乳酸样本、既往房颤(AF)和性别,其被纳入作为AMI 28天死亡率的独立预测因子。预测模型的AUC为0.819(95%CI 0.770至0.868),而内部验证模型的AUC为0.814(95%CI 0.765至0.860)。校准和DCA曲线表明,本研究中的动态列线图能较好的反映真实情况,可用于临床。由这四个变量组成的预测模型在NRI和IDI方面均优于单个APACHE Ⅳ指标构建的模型,其中NRI为16.4%(95%CI:6.1%至26.8%;P=0.0019),IDI为16.4%(95%CI:6.0%至26.8%,P=0.0020)。乳酸对APACHE Ⅳ系统的改善度占总NRI的近一半,这表明乳酸是除APACHE Ⅳ之外的三个变量中最重要的。与M-CARS模型相比,我们的最终的模型较其改善的指标分别为NRI为23.02%(95%CI:9.54%至36.50%;P=0.0008),IDI为23.02%(95%CI:9.47%至36.56%;P=0.009)。结论:APACHE Ⅳ结合入院乳酸首测值、既往房颤和性别构建的预测模型在预测AMI 28天死亡率方面优于单独的APACHE Ⅳ评分系统。预测模型的动态列线图模型通过网站app发布,允许临床医生在1分钟内将APACHE Ⅳ评分的预测效力提高16.4%。