龚海蓉，吴婷婷,2，郑若菲，李红

中国急诊就诊人数十年增加了170%[1]，其中胸痛患者比例高达4.7%[2]。患者数量的增加势必导致急诊科拥挤和治疗延迟，最终导致患者临床风险甚至是病死率增加[3]。由于急诊医疗资源有限，准确鉴别高危患者并制定快速反应系统是胸痛患者有效风险管理的策略。以往研究证明，心脏骤停发生前数小时患者表现出某些临床特征的变化，基于此构建早期预警模型能够预测心脏骤停的发生[4-8]，但针对胸痛患者发生心脏骤停的早期预警模型鲜见报道[9]。由5个指标首字母构成的HEART评分，即病史(History)、心电图(Electrocardiograph)、年龄(Age)、危险因素(Risk factor)、肌钙蛋白(Troponin)[10]，全球急性冠状动脉事件注册(Global Registry of Acute Coronary Events,GRACE)评分[11]和心肌梗死溶栓治疗危险评分(Thrombolysis in Myocardial Infarction, TIMI)[12]是常用的预测胸痛患者心血管不良事件的评估工具，但其对心脏骤停预测效能有待进一步验证。近年来，大数据和人工智能在医学领域的应用，为风险预测模型和临床诊断带来更先进的科学技术，同时为临床医护人员的医疗决策提供支持依据[13]。决策树作为一种机器学习算法，运用递归划分特征的原理将目标分为不同类别以构建树的模型。Goto等[14-15]应用决策树预测院外心脏骤停的预后，预测指标与心脏骤停之间的关系逻辑清晰、结果直观、容易理解。因而本研究基于决策树构建胸痛患者心脏骤停的早期预警模型，并将所构建的模型与HEART评分、GRACE评分及TIMI评分进行对比，旨在为急诊科医护人员提供一种准确、直观的早期预警模型。……