编辑推荐：
为探究关节炎风险因素，研究人员基于 NHANES 数据构建列线图模型，该模型预测性能良好，意义重大。
关节炎，这个 “关节小恶魔”，正悄无声息地给全球超 3 亿人带来痛苦。它不仅会让关节疼痛、活动受限，还可能引发一系列健康问题，如心理健康隐患、睡眠障碍，甚至影响工作，增加死亡风险。而且，目前还没有能有效阻止其病情发展的药物，这无疑给全球公共卫生体系带来了沉重负担。为了能在早期识别出关节炎的高危人群，实现预防和缓解的目标，来自广东药科大学等机构的研究人员开展了一项重要研究，相关成果发表在《Scientific Reports》上。
研究人员为了构建预测关节炎风险的模型，从美国疾病控制与预防中心（CDC）维护的国家健康和营养检查调查（NHANES）数据库中，收集了 2021 - 2023 年的数据。他们对数据进行筛选，最终确定了 3660 名 20 岁及以上的美国居民作为研究对象，其中 1234 人被诊断患有关节炎。
在研究中，研究人员用到了多种关键技术方法。数据处理上，运用 R 4.4.1 软件和 SPSS 26.0 版本软件进行分析，连续变量以均值和标准差呈现，用 Student’s t 检验判断组间差异，分类变量则用频率（n）和百分比（%）表示，通过卡方检验进行组间比较。为了筛选关键变量，采用了最小绝对收缩和选择算子（LASSO）回归分析进行降维，确定最有价值的预测因子。同时，利用 Python 3.12.3 构建模型，将数据集按 7:3 分为训练集和测试集，运用随机森林（RF）算法建模，并通过 500 折重复交叉验证，计算受试者工作特征曲线下面积（AUC）评估模型性能。
下面来看看具体的研究结果：
- 参与者特征：研究对象的各项变量数据显示，除家庭贫困收入比（PIR）外，非关节炎患者和关节炎患者在其他变量上均存在显著差异（P<0.05）。例如，关节炎患者中女性占比更高（59.1%），平均年龄更大（63.5 ± 11.7 岁），系统免疫炎症指数（SII）均值也更高（617 ± 438）16。
- 模型开发与选择：构建受试者工作特征（ROC）曲线评估各变量对关节炎的预测效果，发现年龄、体重调整腰围指数（WWI）、身体形状指数（ABSI）、SII 和腰高比（WHtR）这五个变量预测效果最佳，BMI 并不在其中。LASSO 回归模型从 23 个变量中筛选出 12 个，再经逐步向后法排除 P>0.05 的变量，最终 9 个变量被纳入逻辑回归，据此构建了预测关节炎的列线图模型。该模型的 AUC 为 0.784，高于随机森林模型的 0.771，因此被选定为最终预测模型23。
- 模型解释与验证：计算随机森林模型中不同变量的 SHAP 值，生成变量重要性排名图和 SHAP 依赖图。结果表明，年龄、WHtR 和维生素 D 含量是预测关节炎风险的前三大重要变量。WHtR 为 0.6 是关节炎发生的临界阈值，其与关节炎发病率呈非线性正相关。列线图模型的校准曲线显示预测结果与实际结果一致性强，决策曲线分析（DCA）表明该模型对关节炎有显著预测能力，在验证集中也展现出良好的判别能力、高准确性和潜在临床益处45。
研究结论和讨论部分意义非凡。此次研究构建的列线图模型，包含年龄、性别、PIR、种族、糖尿病状态、维生素 D 水平、SII 和 WHtR 等九个预测因子，经检验，预测价值良好，能为潜在高危人群提供精准的风险分层。研究发现 SII 可作为关节炎预测模型的参数，这为未来预测炎症相关疾病的模型构建提供了新思路。同时，WHtR 对关节炎预测贡献较大，相比 BMI，它对关节炎的预测效果更佳，且测量简便，通过测量腰围和身高就能获取。不过，研究也存在一定局限性。由于是横断面研究设计，无法确定因果关系；研究结果基于美国成年人，可能无法代表其他人群；虽调整了部分混杂因素，但仍无法完全排除未测量的混杂因素影响；2021 - 2023 年部分数据缺失，限制了更精确模型的开发。但总体而言，这项研究构建的新列线图模型性能良好，为关节炎的早期预防、病情进展控制提供了新方法，有望节省医疗资源，助力多样化的关节炎预测，对全球抗击关节炎具有重要的推动作用。
