使用肥胖修改的TyG指数进行胆囊切除术的增强预测:基于机器学习和SHAP的研究

科学领域:

• 代谢综合征和心血管健康
• 医疗信息学和机器学习
• 胃肠病学和肝病学

背景情况:

• 研究了与甘油三糖 (TyG) 相关的复合指数与胆结石风险和胆囊切除术史之间的关联.
• 探索TyG衍生的肥胖指数与胆囊切除术时的年龄之间的关系.

研究的目的:

• 评估与TyG相关的结合指数对胆结石患病率和胆囊切除病史的预测性能和临床实用性.
• 为了比较各种机器学习模型的性能,包括XGBoost,预测胆囊切除风险.

主要方法:

• 通过逻辑回归和11个机器学习模型 (XGB,LR,GBM) 分析了3737名参与者.
• 使用AUC-ROC评估模型性能,精度,灵敏度和特异性.
• 通过DCA,校准图表和SHAP分析评估临床实用性和解释性;德朗测试比较AUC-ROC值.

主要成果:

• 与TyG相关的复合指数 (TyG.BMI,TyG.WC,TyG.WHtR) 与胆结石风险有着强烈的关联.
• 这些指数的高四分位数与增加胆结石的几率和胆囊切除术时的年龄相对相关.
• 在预测胆囊切除术史方面,XGB模型实现了最高的AUC-ROC (0.83) 和准确性 (0.89),明显超过其他模型.

结论:

• 来自TyG的复合指数,特别是TyG.WHtR,是胆结石患病率和胆囊切除病史的强有力的预测指标.
• XGB模型在预测胆囊切除风险方面表现出卓越的性能,并通过De Long测试进行验证.
• XGB的预测能力,校准和可解释性使其在胆囊疾病管理中的临床决策中具有价值.