心血管疾病特异性虚弱指数的开发和评估:基于机器学习的英国生物库分析
Jiatang Xu1,2, Zhensheng Hu2,3, Kai Huang2,4
1Department of Cardiovascular Surgery, The First Affiliated Hospital of Sun Yat-sen University, Sun Yat-sen University, No. 58 Zhongshan Second Road, Guangzhou 510030, China.
European journal of preventive cardiology
|August 22, 2025
概括
使用机器学习开发了一种新的心血管疾病特异性虚弱指数 (FICVD). FICVD改善了心血管疾病风险预测和分层,尤其是在与遗传风险因素相结合时.
科学领域:
- 心脏病学
- 老年学
- 生物统计学
- 遗传学
背景情况:
- 对心血管疾病 (CVD) 风险的脆弱性评估缺乏特异性.
- 优化对心脏病风险的脆弱性评估策略对于早期干预至关重要.
- 机器学习算法为增强风险预测模型提供了新的方法.
研究的目的:
- 通过机器学习开发和验证心血管疾病特异性脆弱性指数 (FICVD).
- 评估FICVD的预测性能与传统的CVD脆弱性指数 (FI) 相比.
- 评估FICVD和多基因风险评分 (PRS) 对心脏病风险分层的综合实用性.
主要方法:
- 使用来自英国生物库的366,622名参与者的前队列.
- 使用弹性净回归来从与健康相关的项目构建FICVD.
- 产生多基因风险评分 (PRS) 来评估心血管疾病的遗传易感性.
主要成果:
- 与传统的FI相比,FICVD显示出较高的CVD风险危险比率.
- 在预测10年CVD时,FICVD曲线下的面积明显高于FI (0. 649比0. 605).
- 结合高FICVD和高遗传风险,发现个体患心血管疾病的风险增加了2.84倍.
结论:
- 开发的FICVD在预测和分层心血管疾病风险方面表现优异.
- 将FICVD与遗传易感性结合起来,可以更好地识别患有心血管疾病的高风险个体.
- FICVD提供了一种创新的方法来优化个性化心脏病风险评估,并指导早期干预策略.


