使用机器学习为斯里兰卡人开发和验证心血管风险预测模型
Chamila Mettananda1, Isuru Sanjeewa2, Tinul Benthota Arachchi2
1Department of Pharmacology, Faculty of Medicine, University of Kelaniya, Ragama, Sri Lanka.
PloS one
|October 22, 2024
概括
斯里兰卡现在有一个专门的心血管风险预测工具,SLCVD得分. 这种机器学习模型准确地识别出患心血管疾病高风险的个体,超过现有的全球图表.
科学领域:
- 心血管疾病流行病学
- 机器学习在医疗保健中的应用
- 公共卫生风险评估 公共卫生风险评估
背景情况:
- 斯里兰卡人缺乏特定的心血管 (CV) 风险预测模型.
- 目前的做法依赖于世界卫生组织 (WHO) 对东南亚地区的风险图表.
- 需要一个本地化和准确的CV风险评估工具至关重要.
研究的目的:
- 为斯里兰卡人开发一个特定于人群的CV风险预测模型.
- 在外部队列中验证开发的模型.
- 为了提高斯里兰卡心血管疾病风险分层的准确性.
主要方法:
- 在随机选择的斯里兰卡队列 (n=2596) 的10年随访数据上利用机器学习 (ML).
- 开发并比较了三种ML模型,其中模型3 (SLCVD得分) 因其预测能力和实用性而被选中.
- 外部验证是在基于医院的队列上进行的.
主要成果:
- 在初级队列中,SLCVD得分显示出高预测性表现 (AUC=0.98).
- 外部验证显示,SLCVD得分显著超过了世卫组织的风险图表 (AUC=0.64与0.54).
- 在验证队列中,SLCVD得分准确地预测了119个硬心血管事件中的56个.
结论:
- 斯里兰卡的SLCVD评分是第一个也是唯一一个针对斯里兰卡人量身定制的CV风险预测模型.
- 它准确地预测了斯里兰卡人口10年内发生硬心血管事件的风险.
- 与世卫组织的风险图表相比,SLCVD评分是识别高风险个体的卓越工具.
