Machine learning (ML) can identify nonintuitive clinical variable combinations that predict clinical outcomes. To assess the potential predictive contribution of standardized Society of Thoracic Surgeons (STS) Database clinical variables, we used ML to detect their association with repair durability in ischemic mitral regurgitation (IMR) patients in a single institution study.

中文翻译：

---

使用机器学习将 STS 数据库变量与缺血性二尖瓣关闭不全修复耐久性的关联

机器学习 (ML) 可以识别预测临床结果的非直观临床变量组合。为了评估标准化胸外科医师协会 (STS) 数据库临床变量的潜在预测贡献，我们在一项单一机构研究中使用 ML 来检测它们与缺血性二尖瓣关闭不全 (IMR) 患者修复耐久性的关联。