基于机器学习的中国社区COPD患者抑郁症状风险预测：六种算法比较与简约逻辑回归模型构建

《BMC Pulmonary Medicine》：Development and validation of an interpretable risk prediction model for depressive symptoms among community-based patients with chronic obstructive pulmonary disease using machine learning techniques

　　

摘要

背景

慢性阻塞性肺疾病（COPD）常伴随抑郁症状，但在社区环境中这些症状往往被低估。尽管近年来已出现基于机器学习的COPD抑郁风险预测模型，但来自中国社区COPD人群的证据仍然有限。本研究旨在比较常用的有监督机器学习算法，并开发一个可解释、简约的模型，用于识别社区COPD患者中抑郁症状的高风险人群。

方法

我们分析了2020年中国健康与退休纵向研究（CHARLS）中809名年龄在40岁及以上、自我报告经医生诊断为COPD/慢性肺疾病的参与者数据。抑郁症状采用10项中心流行病学研究抑郁量表（CES-D-10）定义，总分≥10分提示存在抑郁症状。COPD状态基于自我报告的医生诊断而非肺功能检查。缺失值采用链式方程多重插补法处理。采用最小绝对收缩和选择算子（LASSO）回归和多变量逻辑回归进行特征选择。比较六种模型，包括逻辑回归（LR）、多层感知器、K近邻、随机森林（RF）、XGBoost和LightGBM，在训练集内采用10折交叉验证和独立测试集进行评估。此外还进行了基于随机森林不纯度的特征重要性分析和排列特征重要性分析，并在50次重复随机训练-测试划分中进一步比较了LR和RF的表现。结果：最终保留了六个预测变量：自评健康状况、夜间睡眠时间、记忆障碍、性别、日常生活能力评分（ADL）和年龄。LR表现出最稳定的泛化性能，独立测试集的AUC为0.713（95% CI：0.648–0.778）。在50次重复分层随机划分中，LR的平均敏感度（0.698 ± 0.060）和F1分数（0.706 ± 0.035）均高于RF（敏感度0.641 ± 0.036；F1分数0.671 ± 0.021），而LR与RF的特异度相当（0.606 ± 0.061 vs. 0.616 ± 0.046）。

结论

在本基于CHARLS的社区样本中，简单的LR模型在预测自我报告COPD患者抑郁症状方面表现出稳定且可解释的性能。该模型应被视为筛查辅助工具而非诊断工具，并需进一步在有肺功能检查确认的COPD队列中进行外部验证。