基于机器学习的CKM综合征2-4期住院患者3年全因死亡风险预测模型的开发与验证

《npj Digital Medicine》：Machine Learning Model Predicts Three Year Mortality in Cardiovascular Kidney Metabolic Syndrome

摘要

心血管-肾脏-代谢（CKM）综合征与高死亡风险相关，但个体化精准风险预测仍十分有限。本研究开发并验证了预测CKM 2-4期住院患者3年全因死亡风险的机器学习模型，纳入来自29个医学中心的219,561名住院患者。基于梯度提升决策树（XGBoost）和最小绝对收缩和选择算子（LASSO）构建模型，在推导队列（n = 132,404）中使用101个变量进行训练，并在内部验证队列（n = 56,744）和中心验证队列（n = 30,413）中进行评估。8变量XGBoost模型表现持续优于LASSO模型，在推导队列、内部验证队列和中心验证队列中的受试者工作特征曲线下面积（ROC-AUC）分别为0.831、0.826和0.813。基于最优模型，将患者分为低、中、高风险组。与低风险组相比，高风险患者3年全因死亡风险显著升高（风险比[HR]为9.62 [8.86, 10.45]），心血管死亡风险亦显著升高（HR为12.53 [10.97, 14.31]）。同时开发了一款基于网络的风险计算器，以促进临床应用。该简约的8变量XGBoost模型能够提供准确的死亡风险分层，有望支持CKM综合征患者的个体化管理。