使用不平衡数据预测心血管疾病:2022年BRFSS数据集的XGBoost分析

科学领域:

• 公共卫生 公共卫生
• 流行病学 流行病学
• 医疗信息学 医疗信息学

背景情况:

• 心血管疾病 (CVD) 是全球主要的死亡原因.
• 人口,临床,行为和社会因素的复杂相互作用有助于CVD.
• 像2022行为风险因素监测系统 (BRFSS) 这样的国家数据集对于识别风险模式和差异至关重要.

研究的目的:

• 利用2022年BRFSS数据集的机器学习来识别心血管疾病的关键预测因素.
• 监测心血管疾病风险在人口层面的差异.
• 为目标心血管疾病预防和风险分层策略提供信息.

主要方法:

• 来自2022年BRFSS调查的221,643名参与者的分析.
• 使用十倍交叉验证开发和评估四种机器学习模型 (XGBoost,随机森林,后勤回归,天真贝叶斯).
• 用于特征重要性的SHAP值和用于类不平衡的合成少数人过量采样技术 (SMOTE).

主要成果:

• XGBoost实现了最高的预测性能 (准确率为94.2%,F1得分为85.3%).
• 确定了关键预测因素:年龄≥65,男性性别,糖尿病,脏疾病,就业状况和社会隔离.
• 观察到从不吸烟和高等教育的保护作用;在特定子组中注意到BMI悖论的异质性.

结论:

• 2022年BRFSS数据揭示了既定和新兴的心血管疾病风险决定因素,包括并发症相互作用和社会隔离.
• 机器学习模型为心血管疾病风险预测和分层提供了宝贵的见解.
• 国家监测数据对于制定可行的心血管疾病预防策略至关重要.