开发基于机器学习的模型来预测先天性心脏病:一项匹配的病例对照研究
Shutong Zhang1, Chenxi Kang1, Jing Cui1
1Department of Epidemiology and Health Statistics, School of Public Health, Xi'an Jiaotong University Health Science Center, Xi'an, Shaanxi 710061, China.
International journal of medical informatics
|December 8, 2024
概括
一个新的机器学习模型使用农村生活和叶酸使用等因素准确预测先天性心脏病 (CHD) 风险. 该工具有助于识别高风险妊娠,以更好地管理心血管疾病.
科学领域:
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
- 遗传学 遗传学 是一个
背景情况:
- 目前的先天性心脏病 (CHD) 预测工具缺乏解释性和方便性.
- 个性化的CHD管理策略受到不充分的预测工具的阻碍.
研究的目的:
- 开发和验证基于机器学习的风险分层模型,用于CHD预测.
- 提高心血管疾病风险评估的准确性和方便性.
主要方法:
- 利用中国西北地区一项病例控制研究 (2014-2016) 的1759名参与者的数据.
- 雇佣的最小绝对缩小和选择操作员 (LASSO) 来从47个变量中进行预测器选择.
- 构建并评估了五个机器学习算法,包括 eXtreme Gradient Boosting (XGB),使用AUROC,F1分数和Brier分数等指标.
主要成果:
- XGB模型在测试数据集中获得了0.772的AUROC,在外部验证中获得了0.738的AUROC,实现了卓越的性能.
- 确定的主要预测因素是农村生活,低财富指数和短期叶酸补充 (<90天).
- 开发的风险评分有效地将参与者分为低风险,中等风险和高风险类别,显示出显著的风险差异.
结论:
- 机器学习为CHD预测提供了一种可行和有效的方法.
- 风险评分可以识别孕妇患胎儿心脏病的高风险.
- 该工具为初级预防和心血管疾病管理策略提供了宝贵的见解.
