基于机器学习的疾病风险分层和使用振动控制的短暂弹性图形来预测与代谢功能障碍相关的脂肪肝疾病:来自NHANES 2021-2023年的结果
Liqiong Huang1, Yu Luo1, Li Zhang1
1Department of Ultrasound, Chengdu Integrated Traditional Chinese Medicine and Western Medicine Hospital, Sichuan Province, No. 18 Wanxiang North Road, High Tech Zone, Chengdu, China.
BMC gastroenterology
|April 14, 2025
概括
机器学习有效地使用可访问的数据对代谢功能障碍相关的脂肪肝疾病 (MAFLD) 的风险进行分层. 这种方法有助于识别高风险个体,以便及时进行肝病学评估.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 数据科学数据科学数据科学
- 公共卫生 公共卫生
背景情况:
- 代谢功能障碍相关的脂肪肝病 (MAFLD) 是一种普遍的慢性肝病,对公共健康构成重大挑战.
- 目前用于分层MAFLD风险的方法在临床实践中不足.
研究的目的:
- 使用机器学习识别MAFLD风险的关键预测因素.
- 开发和验证一个预测模型,用于MAFLD风险分层 (低,中等,高) 在成年人.
主要方法:
- 对2021-2023年NHANES数据库的分析.
- 使用振动控制的短暂弹性图 (肥胖症和肝硬度测量) 进行风险分层.
- 雇佣最低绝对收缩和选择操作员 (LASSO) 回归和随机森林分类用于特征选择和模型开发.
主要成果:
- 包括4,227名参与者,确定了16个重要的预测因素.
- 最重要的预测因素包括人口 (年龄,性别,种族,高血压) 和临床 (BMI,腰围,血红蛋白,葡萄糖血红蛋白,淋巴细胞计数) 因素,以及教育水平.
- 随机森林模型在验证组中达到0.80的AUC,个体AUC为0.83 (低风险),0.66 (中等风险) 和0.79 (高风险).
结论:
- 一个机器学习模型在使用现有的临床和人口参数来分层MAFLD风险方面表现出色.
- 该模型可以作为一种有价值的查工具,用于识别和转介高风险患者进行进一步的肝病学评估.
