基于可解释机器学习的慢性肾病与非慢性肾病患者腹主动脉钙化影响因素解析

来自NHANES的研究人员通过机器学习模型，解析了慢性肾病(CKD)与非CKD患者腹主动脉钙化(AAC)的关键影响因素。研究发现年龄、吸烟史、估算肾小球滤过率(eGFR)是两组共同的决定性因素，而CKD患者中单核细胞/淋巴细胞比值(MHR)、单核细胞/高密度脂蛋白比值(MLR)等炎症标志物更为显著。该研究为钙化风险的早期干预提供了靶点阈值（如CKD组eGFR 90 mL/min/1.73 m2，非CKD组Ca*P值40），具有重要临床意义。

　　

钙化现象在慢性肾病(CKD)患者中高发，其中腹主动脉钙化(AAC)更是冠状动脉钙化的强力预警信号。这项研究利用美国国家健康与营养调查(NHANES)数据，通过可解释机器学习方法，对505名CKD患者和2582名非CKD人群展开深度解析。

研究揭示：年龄、估算肾小球滤过率(eGFR)、吸烟史、血糖(Glu)、钙磷乘积(Ca*P)和尿白蛋白/肌酐比值(UACR)是跨人群的共性关键因子。有趣的是，在CKD群体中，单核细胞/淋巴细胞比值(MHR)、单核细胞/高密度脂蛋白比值(MLR)和中性粒细胞/淋巴细胞比值(NLR)等炎症指标展现出更强的预测价值。

更引人注目的是，研究精准捕捉到钙化发生的阈值拐点：CKD患者当eGFR降至90 mL/min/1.73 m²、MHR突破0.5-0.75区间、MLR超过0.25或收缩压(SP)达120 mmHg时风险骤增；而非CKD人群则在eGFR<105 mL/min/1.73 m²、Ca*P>40、UACR>10或甘油三酯(TG)>200 mg/dL时进入危险区。

这些发现不仅证实了肾功能(eGFR)和代谢指标的核心地位，更凸显了CKD患者特有的"炎症风暴"效应，为临床早期识别高风险个体提供了量化依据。