《Frontiers in Public Health》：Explainable machine learning for identifying high-risk Alzheimer's disease and key health characteristics among community-dwelling adults
编辑推荐：
目的：开发一个可解释的机器学习模型，用于识别社区居住成年居民中经AD8定义的阿尔茨海默病（Alzheimer's disease，AD）高风险状态个体，确定关键健康特征及其与高风险状态的关联模式，并为社区认知健康促进提供依据。
方法：基于6,267名社区成年居
目的：开发一个可解释的机器学习模型，用于识别社区居住成年居民中经AD8定义的阿尔茨海默病（Alzheimer's disease，AD）高风险状态个体，确定关键健康特征及其与高风险状态的关联模式，并为社区认知健康促进提供依据。
方法：基于6,267名社区成年居民的健康调查数据，采用阿尔茨海默病筛查量表（Ascertain Dementia 8，AD8）评估AD8定义的AD高风险状态。研究人员构建了LASSO逻辑回归（LASSO logistic regression）、随机森林（random forest，RF）和决策树（decision tree，DT）模型，并使用沙普利加性解释（SHapley Additive exPlanations，SHAP）方法分析关键健康特征的重要性及其关联模式。
结果：共纳入6,267名社区成年居民，其中1,454人（23.2%）被归入AD8定义的高风险组。在三种模型中，随机森林模型表现出最高的判别性能。SHAP分析表明，水果摄入量、年龄、打鼾、平均握力和睡眠时长是与AD8定义的AD高风险状态相关的重要健康特征。SHAP依赖图进一步揭示了水果摄入量与高风险状态之间的分级负向关联、睡眠时长的U形关联、平均握力的U形关联，以及打鼾频率与高风险状态之间的正向分级关联。
结论：随机森林结合SHAP方法识别出与社区成年居民AD8定义的高风险状态相关的关键健康特征，并揭示了涉及健康行为和身体功能的非线性关联模式。这些发现可能为社区层面的风险分层和针对性认知健康促进提供有用信息。
研究背景与研究问题
阿尔茨海默病（Alzheimer's disease，AD）是最常见的神经退行性疾病和痴呆的首要病因。随着全球人口老龄化加剧，AD患者数量持续攀升，已成为威胁老年人健康与生活质量的重大公共卫生问题。由于缺乏治愈性疗法，疾病防控策略逐渐转向早期干预，而早期识别高风险人群并实施健康干预被认为是延缓认知衰退、减轻疾病负担的重要途径。然而，现有研究多聚焦于模型分类性能，对模型决策过程和关键健康特征作用机制的阐释仍显不足。同时，基于常规社区健康指标识别可调控的关键健康特征及其关联模式的研究相对有限。因此，本研究旨在利用社区成年居民健康调查数据，构建机器学习模型，筛选最优模型并结合沙普利加性解释（SHapley Additive exPlanations，SHAP）方法，识别与AD8定义的AD高风险状态相关的关键健康特征，揭示其关联模式，为社区认知健康筛查、健康促进和精准干预提供科学依据。
研究方法与技术路线
研究人员采用横断面研究设计，于2025年10月至2026年2月在中国广西壮族自治区南宁市西乡塘区六家基层医疗卫生机构，通过整群抽样招募6,267名18岁及以上常住居民。排除标准包括缺失AD8或关键健康特征数据者以及存在异常数据者。结局变量为AD8定义的AD高风险状态（AD8≥2分），预测变量涵盖四个维度共15项指标：人口学特征（年龄、性别）、心血管与身体健康指标（收缩压SBP、舒张压DBP、心率、体重指数BMI、腰臀比WHR）、身体功能指标（平均握力）以及生活方式指标（睡眠时长、打鼾频率及水果、坚果、牛奶、海鲜、豆制品摄入频率）。所有研究对象按70%和30%比例随机分为训练集和测试集，在训练集内进行五折交叉验证用于超参数调优和内部验证，测试集仅用于最终模型性能评估。研究人员构建了LASSO逻辑回归（LASSO logistic regression）、随机森林（random forest，RF）和决策树（decision tree，DT）三种模型，并应用类别权重处理组间不平衡问题。采用受试者工作特征曲线下面积（area under the curve，AUC）及准确率、灵敏度、特异度、F1分数和马修斯相关系数（Matthews correlation coefficient，MCC）等指标评价模型分类性能。随后，选用判别性能最优的随机森林模型，基于SHAP方法进行模型解释，通过SHAP汇总图和SHAP依赖图分析关键健康特征的贡献度及其关联模式。
研究结果
研究对象基线特征：共纳入6,267名社区成年居民，其中低风险组4,813人（76.8%），高风险组1,454人（23.2%）。两组在人口学特征、心血管健康指标、身体功能和部分生活方式因素方面存在统计学显著差异。与低风险组相比，高风险组年龄更大、女性比例更高，收缩压、舒张压、平均握力和睡眠时长均较低。
机器学习模型性能比较：三种模型中，随机森林模型取得了最高的AUC值（0.647），其次为LASSO逻辑回归（0.606）和决策树（0.560）。在约登指数最优截断值下，随机森林也展现出最高的MCC值（0.183）。DeLong检验显示LASSO与随机森林的AUC差异具有统计学显著性（差异=?0.0408，95%CI: ?0.0698至?0.0118，P=0.006）。鉴于其较优的判别性能，研究人员选择随机森林进行后续SHAP分析。
基于SHAP的特征重要性分析：SHAP分析结果显示，水果摄入量（平均SHAP值0.0265）对模型分类贡献最大，其次是年龄（0.0168）、打鼾（0.0165）、性别（0.0160）、平均握力（0.0149）、收缩压（0.0137）、睡眠时长（0.0137）、坚果摄入（0.0133）、腰臀比（0.0122）和心率（0.0121）。蜂群图显示，年龄较大、女性、频繁打鼾、水果和坚果摄入较少以及握力较低与较高SHAP值相关联，而增加水果和坚果摄入、延长睡眠时长及提高握力则对应较低SHAP值。
关键健康特征的SHAP依赖分析：SHAP依赖图揭示了以下关联模式：（1）水果摄入频率与AD高风险状态呈梯度负向关联，随摄入频率增加SHAP值逐渐降低，每日摄入者SHAP值最低；（2）年龄与AD高风险状态呈正向关联，随年龄增长SHAP值逐渐升高；（3）打鼾频率与AD高风险状态呈正向梯度关联，随打鼾频率增加SHAP值逐渐升高，每日打鼾者SHAP值最高；（4）平均握力与AD高风险状态呈U形关联，握力低于10kg时SHAP值较高，20–25kg范围内SHAP值最低即保护效应最明显，超过25kg后保护效应逐渐减弱且SHAP值再次上升；（5）睡眠时长与AD高风险状态呈U形关联，7–8小时睡眠对应最低SHAP值，过短或过长睡眠均导致SHAP值升高。
讨论与结论
讨论部分指出，水果摄入是可调控的最重要预测因子，其与AD高风险状态的梯度反向关联支持将促进健康饮食习惯作为社区认知健康维护策略的重要内容。年龄作为不可调控的危险因素，其连续递增的SHAP值变化强调了优先对老年人群开展认知筛查和预防性健康管理的重要性。握力与AD高风险状态的U形关联提示握力与认知健康的关系可能并非纯线性，可能存在阈值或非线性效应，但需在前瞻性研究中进一步验证。睡眠时长与AD高风险状态的U形关联以及打鼾频率的正向剂量反应关系共同提示睡眠数量和睡眠质量均在认知健康中发挥重要作用。这些发现对于公共卫生实践具有重要意义：关键预测因子均可通过常规社区健康调查和体格检查获取，成本低廉且易于推广；大多数预测因子可通过生活方式或行为干预加以调控；非线性的关联模式提示应关注健康行为和身体功能的最佳水平而非极端水平。
研究结论：基于社区健康调查数据，研究人员开发了一个可解释的机器学习模型用于识别AD8定义的AD高风险状态个体。在评估的算法中，随机森林模型展现了最高的判别性能。SHAP分析确定了年龄、水果摄入、睡眠时长、打鼾和平均握力为AD高风险状态最具影响力的预测因子，并进一步揭示了睡眠时长和平均握力与模型预测风险的非线性关联。这些发现表明，基于常规收集的社区健康指标的可解释机器学习方法可能为社区层面的风险分层以及制定针对性的健康促进和预防干预策略提供有用信息。
