机器学习揭示腰围身高比(WHtR)是印度儿童青少年糖尿病前期和糖尿病的最强预测指标

本研究针对印度青少年糖尿病前期和2型糖尿病(T2D)发病率上升的问题，通过机器学习算法分析全国营养调查数据，发现腰围身高比(WHtR)是最强预测指标，最佳截断值为0.62。研究采用9种监督学习算法对12,318名10-19岁青少年数据进行分析，为低成本筛查提供了重要工具，对早期干预具有重要公共卫生意义。

　　

在印度，糖尿病正以前所未有的速度年轻化，一个令人担忧的趋势是：每3个新确诊糖尿病患者中就有1个是青少年。这种"左移"现象正给这个人口大国带来严峻挑战，传统的糖尿病筛查指标在青少年群体中的表现如何？是否存在更有效的早期预警指标？来自印度阿育吠陀全印研究所转化研究与生物统计学系的Kirti Chauhan等研究人员，联合英国赫尔大学教学医院、澳大利亚詹姆斯库克大学等多国机构，在《International Journal of Diabetes in Developing Countries》发表了一项开创性研究。

研究人员利用2016-2018年印度全国营养调查(CNNS)数据，采用9种机器学习算法对12,318名10-19岁青少年的28项指标进行分析。关键技术包括：随机森林等监督学习算法进行特征重要性排序、五折交叉验证优化超参数、ROC曲线确定最佳截断值，以及SHAP值解释模型预测。样本来自印度全国代表性调查，涵盖6大地理区域的不同社会经济群体。

研究结果显示：

1. 患病率数据：在10-19岁青少年中，糖尿病前期/糖尿病合并患病率达11%，单纯糖尿病患病率为0.6%。
2. 算法比较：支持向量机和随机森林表现最佳，后者因更好的可解释性被选为最终模型(AUC=0.91)。
3. 关键预测因子：腰围身高比(WHtR)以0.077的相对重要性位居首位，显著优于BMI(0.076)和腰围(0.073)。
4. 诊断阈值：WHtR最佳截断值为0.62，灵敏度达0.93，AUC为0.79；而BMI的34.89截断值表现较差(AUC=0.60)。
5. 其他发现：血脂异常(特别是甘油三酯升高)和维生素B₁₂缺乏也与糖尿病风险显著相关。

这项研究首次在印度青少年群体中系统评估了多种人体测量指标的预测效能。WHtR的优越性可能源于其同时反映了中心性肥胖和线性生长状况，这对正处于生长发育关键期的青少年尤为重要。研究提出的0.62截断值虽然可能带来一定假阳性，但作为初级筛查工具具有显著优势：无需复杂设备、成本低廉且易于在基层医疗机构推广。

该研究的公共卫生意义在于：为资源有限地区提供了一种可行的糖尿病早期筛查方案。未来研究可进一步验证这一截断值在其他人群的适用性，并探索结合血脂等指标的多参数模型。这些发现为遏制印度青少年糖尿病流行提供了重要科学依据，也为其他面临类似挑战的发展中国家提供了参考。