动脉刚性和生物参数:在高血压参与者中,一个决策树机器学习应用

科学领域:

• 心血管医学 心血管医学
• 生物统计学 生物统计学
• 预防性心脏病学 预防性心脏病学

背景情况:

• 动脉硬是高血压患者目标器官损伤的关键指标.
• 目前对于动脉硬度指数 (ASI) 没有确定的正常参考值.
• ASI通过将测量值与预测值进行比较来量化动脉硬度,正值指数表示硬度.

研究的目的:

• 在没有心血管疾病的高血压患者中确定刚度指数的主要决定因素.
• 建立区分正和负刚度指数的门值.
• 使用决策树模型阐明这些决定因素之间的等级关联.

主要方法:

• 预测的ASI从53,363名健康的英国生物库参与者中确定.
• 硬度指数计算了49,452名没有心血管疾病的高血压患者.
• 一个决策树模型分析了临床和生物参数,以根据敏感性和特异性对分类器进行排名.

主要成果:

• 对正硬度指数最敏感的分类器是高密度胆固醇≤1.425 mmol/L,吸烟包年≥9.2和酸盐≥1.172 mmol/L.
• 具体的分类器包括cystatinc ≤0.901 mg/L,三糖化物≥1.487 mmol/L和尿酸≥291.9 μmol/L.
• 决策树模型在硬度指数的分类中表现出优异的性能 (p<0.001) 与逻辑回归相比.

结论:

• 度指数整合了多种心血管风险因素,为增强风险评估提供了潜力.
• 决策树模型为动脉硬性决定因素提供了准确和临床有用的分类.
• 研究结果支持在未来的心血管风险管理和预防策略中使用度指数和决策树.