基于堆叠机器学习整合腹痛-心理社会-学校与家庭多维信息的儿童青少年功能性腹痛障碍共病焦虑障碍风险识别模型

《Frontiers in Psychiatry》：A stacking machine learning model for identifying comorbid anxiety disorder in children and adolescents with functional abdominal pain disorders

　　

目的：共病焦虑障碍在儿童青少年功能性腹痛障碍患者中较常见，但整合腹痛、心理社会、学校相关及家庭层面信息、且可供临床使用的风险分层工具仍有限。方法：在这项观察性预测建模研究中，评估2021年12月至2025年12月期间7～18岁、符合Rome IV定义的功能性腹痛障碍儿童青少年。参与者按焦虑状态分层随机以7∶3比例分配至训练队列和内部验证队列。候选预测因子包括人口学、腹痛相关、躯体、心理社会、学校相关及家庭层面变量。经最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）特征选择后，四个预设基学习器——可解释提升机（explainable boosting machine, EBM）、校准支持向量机（support vector machine, SVM）、随机森林（random forest, RF）和CatBoost——通过L₂惩罚逻辑回归堆叠元学习器进行组合。采用判别能力、阈值依赖指标、校准、决策曲线分析（decision curve analysis, DCA）、学习器多样性及基于SHAP（SHapley Additive exPlanations）的可解释性评估性能。结果：629例合格患者中，210例（33.4%）存在共病焦虑障碍。训练队列440例，验证队列189例，两队列焦虑患病率相似。焦虑的临床相关因素包括年龄较大、症状持续时间较长、疼痛频率较高、夜间觉醒、疼痛与应激事件时间相关、SDSC（Sleep Disturbance Scale for Children）和CSI-24（Children’s Somatic Symptoms Inventory-24）评分较高、父母GAD-7（Generalized Anxiety Disorder-7）评分较高及学校缺勤较多。在折外训练估计中，堆叠模型AUC为0.831，Brier分数为0.151。在验证队列中，其在候选模型中显示最高数值性能，AUC为0.846（95% CI，0.789～0.894），准确度为0.788，敏感度为0.762，特异度为0.802，F₁分数为0.706，Brier分数为0.146。DCA提示在选定阈值范围内具有潜在临床效用。SHAP分析识别学校缺勤、父母GAD-7评分、CSI-24评分、疼痛-应激关联、症状持续时间、疼痛频率、SDSC评分、年龄及夜间觉醒为最终模型输出的主要贡献因素。结论：一个整合临床、心理社会、学校相关及家庭层面变量的堆叠机器学习模型，在识别儿童青少年功能性腹痛障碍共病焦虑障碍方面显示可接受的内部验证性能。临床实施前仍需外部验证。

研究背景：功能性腹痛障碍（functional abdominal pain disorders, FAPD）是儿童青少年慢性或复发性腹痛的常见原因，现被视为肠-脑互动障碍（disorders of gut–brain interaction, DGBI），而非孤立胃肠道主诉。Rome IV框架下包括功能性消化不良、肠易激综合征、腹型偏头痛及非特异功能性腹痛。其临床表现常受疼痛负担、睡眠质量、躯体症状放大、学校功能及家庭心理背景等多域交互影响。焦虑在该群体中尤为重要，可增强疼痛感知、增加就医、损害日常功能并促进症状持续，而腹痛本身又可强化预期担忧、回避及学校缺勤。早期识别焦虑具有临床意义，因心理共病可影响症状严重度、治疗反应及长期功能结局；但以腹痛为主诉时焦虑易被低估，尤其当心理健康评估未常规嵌入消化科诊疗时。当前识别方法仍有限：标准化焦虑工具可用于筛查和诊断，但未完全满足识别需专科心理评估患者的需求；既往研究虽将焦虑与疼痛严重度、睡眠障碍、躯体症状、学校损害、父母焦虑及不良家庭背景相联系，但这些因素常被分别评估或置于线性模型中，可能无法捕捉其联合及潜在非线性效应。机器学习可整合多维临床信息并建模复杂预测结构，但临床应用中仍易受过拟合、信息泄漏、校准不良、可解释性有限及临床效用评估不足影响；儿科样本量常为中等，模型需足够透明以支持临床决策。为此，研究人员开发并内部验证堆叠机器学习模型，以识别FAPD儿童青少年共病焦虑障碍，整合常规可获的人口学、腹痛相关、躯体、睡眠、学校、心理社会及家庭层面变量；四个预设基学习器为EBM、校准SVM、RF和CatBoost，经LASSO特征选择后，以折外预测概率训练L₂惩罚逻辑回归元学习器；所有预处理、特征选择、调参、校准及阈值选择均在训练流程内完成，验证队列仅用于最终评估；采用判别、校准、Brier分数、阈值依赖指标、DCA、学习器多样性及SHAP可解释性评估。研究结论提示该模型在内部验证中显示可接受性能，可用于识别可能需更详细心理评估的患者，支持而非替代临床评估，临床实施前需外部验证。

关键技术方法概括（≤250字）：单中心观察性预测建模研究，样本来自The Second Affiliated Hospital & Yuying Children’s Hospital of Wenzhou Medical University于2021年12月至2025年12月电子病历中回顾性识别的7～18岁Rome IV定义FAPD患者，最终纳入629例；按焦虑状态分层以7∶3随机分为训练队列440例和内部验证队列189例。候选变量覆盖人口学、腹痛相关、躯体、睡眠、学校、心理社会及家庭层面。训练队列内采用LASSO特征选择，构建四个预设基学习器EBM、校准SVM、RF和CatBoost，并以折外预测概率训练L₂惩罚逻辑回归堆叠元学习器。插补、编码、缩放、特征选择、调参、概率校准及分类阈值均仅在训练折或训练队列内完成，验证队列仅用于最终性能评估；评价包括AUC、Brier分数、校准曲线、DCA、学习器多样性及SHAP。

研究结果：
3.1 研究人群与基线特征（Study population and baseline characteristics）：通过629例FAPD儿童青少年的基线描述及按焦虑状态分层随机分组，得出总体共病焦虑障碍患病率为33.4%（210/629），训练队列与验证队列分别为33.4%和33.3%；两队列在人口学、临床、心理社会及家庭相关变量上多较可比，标准化均值差多较小，腹痛强度标准化均值差略高为0.11；插补前候选预测观测缺失为248/27,676（0.90%），最大变量特异性缺失为3.2%，结局无缺失。结论为分层分配后两队列基线总体可比，验证队列保留用于最终评估。

3.2 预测因子选择与共病焦虑的多变量关联（Predictor selection and multivariable associations with comorbid anxiety）：通过多变量逻辑回归及训练队列内LASSO回归，得出年龄较大（每增加1岁，调整OR 1.07，95% CI 1.00～1.15，P=0.041）、症状持续时间较长（log₂(1+x)，调整OR 1.31，95% CI 1.08～1.59，P=0.006）、腹痛频率较高（log₂(1+x)，调整OR 1.36，95% CI 1.10～1.68，P=0.004）、夜间因痛觉醒（调整OR 1.55，95% CI 1.01～2.39，P=0.045）、疼痛与应激事件时间相关（调整OR 1.86，95% CI 1.28～2.70，P=0.001）、SDSC总评分每增加5分（调整OR 1.18，95% CI 1.07～1.31，P=0.001）、CSI-24评分每增加5分（调整OR 1.26，95% CI 1.13～1.41，P<0.001）、父母GAD-7评分每增加5分（调整OR 1.46，95% CI 1.19～1.79，P<0.001）及学校缺勤（log₂(1+x)，调整OR 1.28，95% CI 1.04～1.58，P=0.020）与共病焦虑相关；LASSO系数轮廓显示随惩罚参数增加候选预测因子逐步收缩，交叉验证确定最优λ，非零系数预测因子保留用于后续建模。

3.3 模型比较、学习器多样性与堆叠性能（Model comparison, learner diversity, and stacking performance）：通过训练队列折外交叉验证、候选模型比较、元学习器系数及成对多样性分析，得出预设全堆叠模型折外AUC为0.831（95% CI 0.789～0.868），准确度0.768，敏感度0.735，特异度0.785，Brier分数0.151；单个基学习器中CatBoost折外判别最强（AUC 0.808），其次RF（0.786）、EBM（0.776）、SVM（0.762）；L₂惩罚逻辑元学习器中四个基学习器预测概率均为正系数，CatBoost惩罚系数最大，其次EBM、RF、SVM；成对多样性显示折外预测概率相关为0.55（EBM对CatBoost）至0.68（RF对CatBoost），预测分歧0.24～0.33，双错率0.103～0.150，提示基学习器提供互补预测。验证队列中全堆叠模型显示候选模型中最高数值性能，AUC 0.846（95% CI 0.789～0.894），准确度0.788，敏感度0.762，特异度0.802，阳性预测值0.658，阴性预测值0.871，F₁分数0.706，Brier分数0.146；全四学习器堆叠模型在验证集评估前已预设为最终模型，较小堆叠组合仅作探索性分析。

3.4 最终堆叠模型的判别、临床效用与校准（Discrimination, clinical utility, and calibration of the final stacking model）：通过训练及验证队列ROC分析、DCA、校准曲线、Brier分数及DeLong检验，得出堆叠模型在验证队列AUC为0.846（95% CI 0.789～0.894），阈值依赖分类性能较平衡；DCA显示与全部治疗和均不治疗策略相比，堆叠模型在部分临床相关阈值范围内净获益更高，提示模型引导风险分层可能对识别高共病焦虑风险患者提供附加价值；校准分析显示预测风险与观察风险总体一致，验证校准曲线有轻度波动，堆叠模型验证队列Brier分数最低（0.146，95% CI 0.126～0.169）。DeLong检验显示堆叠模型验证AUC显著高于EBM（ΔAUC=0.057，Z=2.34，P=0.019）和SVM（ΔAUC=0.071，Z=2.79，P=0.005），与RF差异为边缘显著（ΔAUC=0.045，Z=1.96，P=0.050），与最佳单学习器CatBoost差异不显著（ΔAUC=0.022，Z=1.21，P=0.226），提示相对CatBoost的增量判别优势有限。

3.5 模型可解释性与预测因子相关结构（Model interpretability and predictor correlation structure）：通过完整堆叠管线的SHAP分析及相关矩阵、成对散点图，得出学校缺勤平均绝对SHAP值最高，其次为父母GAD-7评分和CSI-24评分；疼痛-应激关联、症状持续时间、疼痛频率、SDSC评分、年龄及夜间觉醒亦为主要贡献因素；较高学校缺勤、父母GAD-7评分、CSI-24评分、疼痛频率、症状持续时间和SDSC评分通常使模型输出趋向更高估计焦虑概率；高风险患者瀑布图显示CSI-24评分升高、学校缺勤、疼痛频率及疼痛-应激关联为主要正向贡献。相关分析显示多数成对Pearson相关系数为弱至中等，无相关超过0.60；最强相关为学校缺勤与CSI-24评分（r=0.55）、学校缺勤与疼痛频率（r=0.50）、CSI-24评分与疼痛频率（r=0.47），疼痛-应激关联与父母GAD-7评分为r=0.42；按预测焦虑概率着色的散点图显示较高预测风险倾向聚集于症状负担、学校缺勤及家庭心理风险指标较高患者。

讨论部分总结：研究人员认为，该模型整合腹痛特征、儿童心理社会与学校相关指标及父母家庭因素，在内部保留验证队列中显示可接受性能；验证AUC略高于折外训练估计，不应视为稳健泛化证据，可能反映验证队列样本量中等及单次随机分割的抽样变异，故应视为风险分层框架，待独立队列验证。最终堆叠模型在评估学习器中数值性能最高，校准可接受并具潜在临床效用；可解释分析提示临床合理的风险谱，支持儿科FAPD焦虑风险嵌入多维生物心理社会背景。预测因子解释涵盖年龄相关发育差异、症状持续时间和频率所反映的累积疼痛暴露、夜间痛醒相关睡眠破坏、疼痛-应激关联、SDSC睡眠障碍、CSI-24躯体症状负担、父母GAD-7家庭情绪背景及学校缺勤功能损害。研究采用多项临床机器学习防护措施：预测因子在结局分类前测量，排除焦虑特异性诊断评分及诊断后变量以减少信息泄漏；验证队列未用于特征选择、调参、校准、阈值选择、基学习器设定或元学习器训练；堆叠基于折外预测概率；使用异质基学习器并进行正式多样性分析；评价超越判别能力，包括校准、Brier分数、阈值依赖性能、DCA及SHAP解释。局限包括仅内部验证，需跨独立中心、地区和诊疗环境外部验证；观察性设计限制因果解释，学校缺勤、父母焦虑、睡眠障碍及躯体症状负担应视为估计焦虑概率的相关因素而非因果风险因素；仅纳入符合标准且具充分数据者可能存在选择偏倚；复杂集成框架下样本量中等，亚组性能、校准及阈值依赖估计仍存不确定性；焦虑评估可能随临床医生和场景变化；SHAP解释模型行为但不确立因果机制；研究未评估模型引导风险分层是否改善转诊决策、治疗接受、临床结局、学校功能或成本效果，需前瞻性影响研究。

研究结论翻译：在本研究中，一个整合疼痛特征、儿童心理社会与学校相关变量及家庭因素的堆叠机器学习模型，在识别儿童青少年功能性腹痛障碍共病焦虑障碍方面显示良好性能。这些发现提示，焦虑风险反映涉及学校功能损害、躯体症状、睡眠障碍、应激相关疼痛及父母焦虑的多维生物心理社会特征。该模型可能促进早期风险分层并指导转介进行心理评估，但在临床实施前仍需外部验证和前瞻性影响研究。