Marco de aprendizaje automático explicable utilizando el índice de adiposidad visceral para predecir el síndrome...

Área de la Ciencia:

• Cardiología
• Nefrología
• Salud Metabólica

Sus antecedentes:

• El síndrome cardiorrenal (CRS) describe la compleja interacción entre la disfunción cardíaca y renal.
• El índice de adiposidad visceral (VAI) cuantifica la grasa visceral y el riesgo cardiometabólico.
• La asociación entre el VAI y el CRS sigue sin explorarse en gran medida.

Objetivo del estudio:

• Investigar la relación entre el VAI y el CRS en una población adulta grande y representativa a nivel nacional.
• Identificar el VAI como un biomarcador potencial del riesgo de CRS.
• Desarrollar y validar modelos de aprendizaje automático para la predicción del CRS utilizando el VAI.

Principales métodos:

• Análisis de datos de la Encuesta Nacional de Examen de Salud y Nutrición (NHANES) de 33.605 adultos.
• Regresión logística y splines cúbicos restringidos (RCS) para evaluar la asociación VAI-CRS.
• Desarrollo y evaluación de modelos de aprendizaje automático (XGBoost, SVM, GLM) con SHAP para la interpretabilidad.

Principales resultados:

• Un VAI más alto se asoció de forma independiente con un aumento de las probabilidades de CRS (OR = 1.29).
• Se observó una asociación lineal entre el VAI y el riesgo de CRS.
• El modelo XGBoost identificó la edad, el VAI y la hipertensión como predictores clave del CRS.

Conclusiones:

• Un VAI elevado es un factor de riesgo independiente para el síndrome cardiorrenal.
• El VAI sirve como una métrica valiosa para evaluar el riesgo de CRS en la población general.
• Este estudio proporciona el primer punto de referencia de predicción de CRS basado en aprendizaje automático explicable que incorpora el VAI.