机器学习预测代谢功能障碍相关的脂肪肝疾病的全因死亡率:基于NHANESES的纵向研究
Xueni Wang1, Huihui Chen1, Luqiao Wang1
1Center of Clinical Big Data and Analytics of The Second Affiliated Hospital, and Department of Big Data in Health Science School of Public Health, Zhejiang University School of Medicine, Zhejiang University, Hangzhou, Zhejiang, 310058, China.
BMC gastroenterology
|May 15, 2025
概括
机器学习模型有效地预测了代谢功能障碍相关的脂肪肝疾病 (MAFLD) 患者的死亡率. 确定了年龄和腰围等关键风险因素,有助于管理和改善生存率.
科学领域:
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
- 肝病学 肝病学是一种肝病学.
背景情况:
- 与代谢功能障碍相关的脂肪肝疾病 (MAFLD) 构成日益增加的死亡风险.
- 预测死亡率和确定MAFLD的促成因素对于患者管理至关重要.
- 先进机器学习在预测MAFLD全因死亡率方面的有效性需要进一步研究.
研究的目的:
- 开发和比较机器学习模型,用于预测MAFLD患者的全因死亡率.
- 确定与MAFLD全因死亡率相关的重大风险因素.
- 为临床干预提供见解,并改善MAFLD个体的生存率.
主要方法:
- 利用了NHANES III中3921名MAFLD患者的数据,随访时间中位数为310个月.
- 在特征选择后使用人口,行为和实验室数据构建机器学习模型 (Coxnet,RSF,GBS).
- 通过依赖时间的AUC,Brier分数和C指数评估模型性能;通过RCS和Kaplan-Meier曲线确定顶级风险因素.
主要成果:
- 考克斯网显示出优异的预测性能,时间依赖的AUC为0.82在5年和0.88在25年.
- 与全因死亡率的积极关联包括年龄,FORNS,腰围,AAR和FLI.
- 与较重的吸烟者相比,吸烟少于100支烟的个体的生存结果明显更好 (P < 0.0001).
结论:
- 机器学习为预测MAFLD全因死亡率提供了一个有希望的方法.
- 确定了导致死亡率的关键风险因素,使得有针对性的干预措施成为可能.
- 这些发现支持社区卫生从业人员管理可修改的风险因素,以提高MAFLD患者的生存率和生活质量.
