编辑推荐：
哮喘是全球公共卫生难题，研究人员利用 LASSO 回归和 Boruta 算法分析 NHANES 数据，探究中性粒细胞百分比与白蛋白比值（NPAR）和哮喘关系。结果显示 NPAR 与哮喘风险正相关，可作潜在生物标志物，为哮喘防治提供参考。
哮喘，作为一种常见的慢性炎症性气道疾病，如同隐匿在呼吸道中的 “幽灵”，悄无声息地影响着全球众多人的健康。据统计，2019 年全球哮喘患者数量高达 2.62 亿，这一庞大的数字背后，是无数患者生活质量的下降，以及家庭和社会沉重的经济负担。哮喘主要分为外源性哮喘（又称过敏性哮喘）和内源性哮喘，根据辅助性 T 细胞 2（Th2）炎症状态又可分为 Th2 高和 Th2 低哮喘。目前，虽然对哮喘的研究取得了一些进展，但仍有许多未解之谜，比如如何更精准地预测哮喘风险，哪些指标能更好地反映哮喘的发生发展机制等。
为了深入探究这些问题，来自建德市第一人民医院的研究人员 Yumin Fu、Jijing Zhao 和 Yunpeng Wang 开展了一项研究，相关成果发表在《Clinical and Experimental Medicine》上。他们试图通过分析中性粒细胞百分比与白蛋白比值（NPAR）和哮喘之间的关系，找到预测哮喘风险的潜在生物标志物，为哮喘的早期预防和干预提供新的思路。
研究人员利用美国国家健康与营养检查调查（NHANES）2001 - 2018 年的数据库，纳入了 31138 名符合条件的参与者，并将其随机分为训练队列和验证队列，比例为 7:3。研究采用了两种机器学习方法，即最小绝对收缩和选择算子（LASSO）回归和 Boruta 算法，来评估、选择最优模型并识别潜在混杂因素。同时，构建了列线图预测模型、受试者工作特征曲线（ROC）、校准曲线和决策曲线分析，以评估模型预测哮喘风险的能力和稳定性。
研究结果如下：
- 参与者特征：研究发现，与非哮喘患者相比，女性、年轻人群、特定种族（其他西班牙裔、非西班牙裔白人、非西班牙裔黑人、其他种族）、部分大学教育程度、特定婚姻状况（离婚、分居、未婚、同居）、低贫困收入比（PIR）、高体重指数（BMI）、当前吸烟者、患有糖尿病、心血管疾病（CVD）、癌症以及高 NPAR 的个体患哮喘的风险增加。
- LASSO 回归分析和 Boruta 算法：通过 LASSO 回归分析，筛选出 10 个变量，包括性别、种族、吸烟、高血压、糖尿病、癌症、PIR、BMI、CVD 和年龄；Boruta 算法则识别出 14 个变量，多了 NPAR、饮酒、教育和婚姻状况。LASSO 回归模型的曲线下面积（AUC）为 0.66，Boruta 算法为 0.64，表明 LASSO 回归性能更优。
- 列线图预测模型及相关曲线绘制：基于 LASSO 回归确定的变量构建列线图预测模型，并绘制 ROC 曲线、校准曲线和 DCA 曲线，进一步验证了模型的预测能力和稳定性。
在讨论部分，研究人员对各项结果进行了深入分析。女性患哮喘风险增加，可能与多种因素相关，如月经周期相关的生理变化等；糖尿病患者哮喘风险上升，或许与肺功能下降和全身炎症状态有关；哮喘与 CVD 存在密切联系，二者的慢性炎症过程相互影响；癌症患者患哮喘风险增加，可能和免疫系统状态改变有关。此外，NPAR 作为一种新的指标，虽未被 LASSO 回归直接揭示与哮喘的关系，但在 NHANES 数据分析中显示出与哮喘风险的显著关联。它可能反映哮喘患者中性粒细胞的激活状态和全身炎症状态，是潜在的生物标志物。
这项研究意义重大。它利用大规模、具有全国代表性的数据库，并进行了适当的协变量调整，增强了研究结果的可靠性。同时，全面评估了 NPAR 对哮喘风险的影响，填补了以往研究的空白，为哮喘风险的早期预测提供了新的理论依据。此外，NPAR 操作简便、成本低，具有临床应用潜力。不过，研究也存在一些局限性，如数据收集依赖问卷可能存在回忆偏倚，可能存在未测量或未控制的混杂因素，NPAR 测量受多种因素影响，以及模型存在一定的局限性等。未来研究可以通过引入更多变量、进行特征工程、模型集成和超参数优化等方法来改进。
总之，该研究揭示了 NPAR 与哮喘风险之间的显著正相关关系，表明 NPAR 有望成为预测哮喘风险的潜在生物标志物，为哮喘的早期预防和干预提供了重要参考，为哮喘防治领域开辟了新的研究方向。
