内臓脂肪指数を用いた説明可能な機械学習フレームワークによる心腎症候群の予測：SHAP解釈を用いたサーベイ加重NHANES研究

科学分野:

• 心臓病学
• 腎臓病学
• 代謝性健康

背景:

• 心腎症候群（CRS）は、心臓と腎臓の機能不全の複雑な相互作用を表す。
• 内臓脂肪指数（VAI）は、内臓脂肪と心代謝リスクを定量化する。
• VAIとCRSの関連性は、ほとんど調査されていないままである。

研究 の 目的:

• 大規模で全国的に代表的な成人集団におけるVAIとCRSの関係を調査する。
• VAIをCRSリスクの潜在的なバイオマーカーとして特定する。
• VAIを用いたCRS予測のための機械学習モデルを開発および検証する。

主な方法:

• 33,605人の成人を対象とした国民健康栄養調査（NHANES）データの分析。
• VAI-CRS関連を評価するためのロジスティック回帰および制限立方スプライン（RCS）。
• 解釈可能性のためのSHAPを用いた機械学習モデル（XGBoost、SVM、GLM）の開発と評価。

主要な成果:

• より高いVAIは、CRSのオッズ増加（OR = 1.29）と独立して関連していた。
• VAIとCRSリスクの間には線形の関連性が観察された。
• XGBoostモデルは、年齢、VAI、高血圧がCRSの主要な予測因子であることを特定した。

結論:

• 内臓脂肪指数（VAI）の上昇は、心腎症候群の独立したリスク因子である。
• VAIは、一般集団におけるCRSリスクを評価するための貴重な指標として機能する。
• 本研究は、VAIを組み込んだ、説明可能な機械学習ベースのCRS予測ベンチマークを初めて提供する。