预测代谢相关脂肪肝疾病的机器学习,包括NHHR:一个横截面NHANES研究

科学领域:

• 肝病学和胃肠病学 肝病学和胃肠学
• 生物化学和脂质新陈代谢
• 医学诊断和预测建模预测模型

背景情况:

• 代谢相关的脂肪肝疾病 (MAFLD) 是一种普遍存在的肝脏疾病,在早期检测方面存在挑战.
• 确定MAFLD可靠的生物标志物对于及时干预和管理至关重要.

研究的目的:

• 研究非高密度脂蛋白胆固醇与高密度脂蛋白胆固醇比率 (NHHR) 和MAFLD之间的关联.
• 开发和验证MAFLD的预测模型,利用NHHR作为关键预测因素.

主要方法:

• 分析NHANES队列数据 (2017-2020年) 使用多重线性回归和平滑曲线拟合.
• 通过受限制的立方支线探索NHHR和受控衰减参数 (CAP) 之间的非线性关系.
• 使用7个机器学习算法 (包括XGBoost) 开发MAFLD预测模型,并使用SHAP值进行特征重要性评估.

主要成果:

• 在NHHR和CAP之间观察到显著的正相关性 (P<0.001),表明存在非线性关系.
• 纳入NHHR的XGBoost模型实现了高预测性能 (AUC = 0.828).
• NHHR被确定为MAFLD的第二个最重要的预测因子,仅次于BMI.

结论:

• NHHR显示出与MAFLD指标的显著积极关联.
• 对于开发强大的MAFLD预测模型来说,NHHR是一个有价值的特性,特别是使用XGBoost.
• 这项研究强调了NHHR在早期发现MAFLD方面的临床潜力.