基于机器学习的社区居住老年人自报骨质疏松症风险筛查模型的构建与验证

《BMC Geriatrics》：Development and validation of a machine learning model for screening individuals at high risk of self-reported osteoporosis among community-dwelling older adults: a cross-sectional study

　　

摘要

背景

骨质疏松症在老年人中患病率高，并带来严重的健康风险。传统的筛查方法如双能X射线吸收骨密度测定（DXA）成本高昂，难以在社区环境中广泛应用。本研究旨在开发并验证一种机器学习模型，用于筛查社区居住老年人中自报医生诊断的骨质疏松症高风险，从而弥补传统筛查方法的不足。

方法

本研究采用横断面研究设计，收集南京市社区居住老年人的数据。骨质疏松症定义为既往由医生诊断（即参与者对"是否曾被医生告知患有骨质疏松症"这一问题的自报回答）。数据集被随机分为训练集（70%）和测试集（30%）。采用最小绝对收缩和选择算子（LASSO）回归进行变量选择，并构建六个机器学习模型：逻辑回归（LR）、随机森林（RF）、极端梯度提升（XGBoost）、支持向量机（SVM）、朴素贝叶斯（NB）和轻量级梯度提升机（LightGBM）。所有预处理步骤，包括缺失数据处理，均仅在训练数据上执行，然后再应用于测试数据。模型性能通过受试者工作特征曲线下面积（AUC）、灵敏度、特异度、精确度和F1分数进行评估。模型校准度通过校准图和Brier评分进行评估，临床效用通过决策曲线分析进行评估。采用SHAP（Shapley加性解释）值来解释最优模型的关键预测因素。

结果

本研究共纳入1,896名参与者，自报医生诊断的骨质疏松症患病率为9.9%（187例）。最终选择8个预测变量：性别、年龄、家庭状况、婚姻状况、关节炎病史、骨折病史、父母骨折史和激素类药物使用。在测试集中，LightGBM模型表现最佳，AUC为0.841（95%置信区间（CI）：0.777–0.905），灵敏度为0.848，特异度为0.667。其他模型的性能如下：LR（AUC：0.829）、RF（AUC：0.810）、SVM（AUC：0.634）、XGBoost（AUC：0.829）和NB（AUC：0.827）。LightGBM模型在校准图中表现良好，并在决策曲线分析中在具有临床意义的阈值概率范围内展现出正向净收益。SHAP分析显示，关节炎病史、性别和年龄是LightGBM模型中影响力最大的预测因素。

结论

基于易于获取的临床特征构建的机器学习模型可以有效筛查社区居住老年人中自报医生诊断的骨质疏松症风险。其中，LightGBM模型在本数据集内具有最佳的预测性能。未来需要开展多中心、多样化人群的研究，以提高模型的稳健性和泛化能力，为建立高效的社区自报医生诊断骨质疏松症风险评估和病例发现系统提供支撑。