胰岛素抵抗指数预测心血管疾病的死亡率:一项大型NHANES研究与机器学习验证
Zeyi Zhou1, QiuJu Ding1, Xinlong Tang1
1Department of Cardiovascular Surgery, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School Nanjing University Nanjing China.
Food science & nutrition
|November 21, 2025
概括
两个胰岛素抵抗指数,麦考利指数和METS-IR,有效预测心血管疾病 (CVD) 死亡率. 较高的麦考利指数降低了风险,而较高的METS-IR增加了风险,有助于识别高风险患者.
科学领域:
- 心脏病学 心脏病学
- 内分泌学 在内分泌学.
- 公共卫生 公共卫生
背景情况:
- 胰岛素抵抗 (IR) 是导致心血管疾病 (CVD) 的重要因素,是全球主要的死亡原因.
- 对心血管疾病死亡风险分层的预测工具对于患者管理至关重要.
研究的目的:
- 评估麦考利指数和胰岛素抵抗代谢评分 (METS-IR) 的预后值,以预测所有原因和心血管疾病死亡率.
- 评估机器学习模型与这些风险预测指数一起的性能.
主要方法:
- 分析了22308名NHANES参与者 (1999-2018) 已确立心血管疾病的数据.
- 使用了考克斯的比例危险模型,受限制的立方线和机器学习算法 (随机森林,XGBoost,CoxBoost,DeepHit).
- 为了模型的可解释性,使用了夏普利添加式解释 (SHAP).
主要成果:
- 在9.2年内,更高的麦考利指数与减少全因和心血管疾病死亡率有关 (每单位增加分别减少9.2%和11.3%).
- 较高的METS-IR与全因和心血管疾病死亡率的增加有关,观察到U形关系.
- 考克斯模型显示出最好的预测性能 (C指数:所有原因的0.87,心血管疾病死亡率的0.85).
- SHAP分析确定了麦考利指数和METS-IR作为关键预测指标.
结论:
- 麦考利指数和METS-IR是所有原因和心血管疾病死亡率的强大,独立的预测指标.
- 与可解释机器学习的整合增强了风险分层,突出了代谢功能障碍和中心脂肪的作用.
- 这些指数可以帮助识别有针对性干预的高风险个体.
