摘要
多重心身疾病（即同时存在两种或更多慢性疾病）对低收入和中等收入国家的医疗系统构成了日益严峻的挑战。人们普遍认为，邻里的社会经济状况会在个体特征之外增加多重心身疾病的风险，但在撒哈拉以南非洲地区，这一影响尚未得到量化。我们研究了邻里社会经济环境在识别多重心身疾病方面的作用，将其与个体特征及居住地的影响进行对比，并比较了机器学习方法和传统回归方法在这项任务中的表现。分析数据来自2016年南非人口与健康调查中691个抽样单元内的6,177名15岁及以上的成年人。多重心身疾病定义为通过生物标志物检测、自我报告的诊断或治疗记录确认的两种或更多慢性疾病。预测因子根据时间顺序被分为结构性因素、行为性因素以及同时存在的疾病因素；由于当前用药情况本身就是判断某些疾病存在的标准，因此主要模型排除了同时存在的疾病因素。我们使用重复十折交叉验证方法，将18种机器学习算法与三种传统回归模型进行了比较（按抽样单元分组），并在所有算法的评估以及能接受观测权重调整的算法拟合过程中应用了相应的抽样权重。歧视能力通过合并的对外预测结果及其相应的簇 bootstrap 置信区间来评估。我们还在不同财富水平、年龄、性别、居住地和省份之间分析了亚组的敏感性、假阴性率和模型校准效果。共有2,628名参与者患有多重心身疾病（加权患病率为40.0%）。主要模型的曲线下面积为0.776（95%置信区间：0.760–0.793），敏感性为0.599（0.568–0.631），特异性为0.785（0.764–0.804）。在已经包含个体特征、省份和城乡居住地信息的模型基础上加入邻里社会经济指标后，歧视能力仅提高了0.001（95%置信区间：-0.001至0.002）；邻里层面的组内相关性为0.027。机器学习方法并未显著优于传统回归方法：采用以抽样单元为随机截距的多层次逻辑回归模型 ebenfalls 得到了0.776的曲线下面积（95%置信区间：0.761–0.793），表现最佳的五种算法之间的总差异仅为0.004。纳入同时存在的疾病因素后，歧视能力进一步提高了0.031（95%置信区间：0.025–0.036）。尽管各亚组的准确率相似，但敏感性在15–24岁年龄段的人群中最低，而在65岁及以上的人群中最高。在基于全国代表性调查数据绘制出的加权分析样本中，一旦考虑了个体特征和居住地因素，邻里社会经济背景对识别多重心身疾病的贡献可以忽略不计；同时，灵活的机器学习方法在区分能力上也不比适当设置的多层次回归方法更具优势。多重心身疾病模型的实际表现往往会因包含反映已患疾病的预测因子而被夸大。由于这些数据为横断面数据，模型识别的是现有的多重心身疾病而非新发病例，因此各亚组的准确率相似性掩盖了其在识别年轻患者方面的严重不足。
