背景：术后房颤（PoAF）是冠状动脉搭桥术（CABG）常见的并发症。尽管其与缺血性中风、出血、急性肾衰竭和死亡率增加的风险相关，但目前仍缺乏理想的、具有适当临床可解释性的预测工具。
方法：本研究为一项回顾性单中心队列研究，纳入了1305例接受选择性孤立CABG患者的电子病历数据，其中280例（21.5%）患者出现术后房颤。研究使用多元逻辑回归（MLR）、随机森林和极端梯度提升方法构建了包含连续变量的预后模型。通过网格搜索最佳截断点、质心计算以及Shapley加性解释（SHAP）将预测因子二值化。对于多层分类，我们建议结合在二值化过程中确定的阈值，并根据MLR权重系数对截断阈值进行排序（多指标分类方法）。
结果：基于多阶段筛选，识别并验证了九个术后房颤预测因子。经过分类后，开发了包含连续变量和多层分类变量的预后模型。多层分类模型的优势在于能够解释术后房颤预测结果并提供临床解释，同时保持了相当的质量（AUC：0.802和0.795）。
结论：多层预测因子分类在术后房颤预测解释中展现出潜力，所开发的模型在结论上表现出高准确性和透明度。
要点：
- 在冠状动脉搭桥术后冠心病患者中验证了新诊断房颤的预测因子，并利用机器学习方法开发了预测模型。
- 测试了一种新的多层分类方法，可以识别具有最大预测价值的预测因子阈值，并将其归类为术后房颤的风险因素。
- 基于多层分类方法识别的预测因子，随机梯度提升预后模型展示了最佳质量指标（AUC - 0.802）。
利益冲突声明：作者声明本文不存在明显的或潜在的利益冲突，也没有任何已知的竞争性财务利益或个人关系可能影响本文的工作。
资助声明：本研究由俄罗斯科学与高等教育部资助（远东联邦大学国家任务项目FZNS-2023-0010）。
数据可用性：数据集可通过以下链接获取：
(全文结束)
