主要結果：周術期血行動態指標（肺動脈収縮期圧、平均動脈圧、中心静脈圧）を組み込んだ機械学習モデルが、心移植後の術後ステージ2-3 AKIをAUC 0.898で予測。
発生率：レシピエントの21.9%（25/114）が中等度から重度のAKIを発症。
最良モデル：LightGBMが識別能と較正において他のアルゴリズムを上回った。
臨床的意義：本モデルは早期の血行動態最適化を導きAKIリスクを低減する可能性があるが、外部検証が必要。
研究デザイン | 後方視的コホート研究 |
|---|---|
実施施設 | 中国の単一施設 |
対象集団 | 同所性心移植レシピエント114例 |
アウトカム | 術後7日以内のステージ2-3急性腎障害（KDIGO基準） |
予測因子 | 8因子：肺動脈収縮期圧、平均動脈圧、中心静脈圧、術前クレアチニンなど |
モデル性能 | LightGBM：AUC 0.898、AUPRC 0.802、Brierスコア0.106 |
資金提供 | 出典に記載なし |
