LightGBM模型在心血管疾病患者死亡风险预测中的表现优于传统统计模型：一项基于大规模队列的机器学习比较与危险因素识别研究

《European Heart Journal》：Leveraging machine learning approaches to identify behavioural and lifestyle risk factors and predict mortality among people with cardiovascular disease

　　

摘要

背景

心血管疾病（CVD）患者的死亡风险仍然很高。机器学习（ML）为改善风险预测和识别传统统计模型可能忽略的被低估的预测因素提供了新的机遇。

目的

评估机器学习模型在预测确诊心血管疾病患者死亡风险方面的表现，并识别相关危险因素。

方法

将萨克斯研究所"45岁以上研究"（2005–2008年）的基线数据与截至2018年9月30日的新南威尔士州住院记录和死亡记录进行关联。比较了七种机器学习生存模型和分类模型（快速生存支持向量机、XGBoost、梯度提升、高斯朴素贝叶斯、多层感知器、随机森林和LightGBM）在心血管疾病死亡风险预测方面的表现，并与三种传统方法（Cox比例风险模型、加速失效时间模型和逻辑回归）进行了对比。模型采用80/20训练-测试分割进行训练。区分度通过C指数和受试者工作特征曲线下面积（AUROC）进行评估。使用SHAP值解释总体表现最佳以及按性别分层表现最佳的模型，并与基于Cox风险比的排名进行比较。外部验证采用了加州大学欧文医院心力衰竭临床记录数据集。

结果

在基线时确诊心血管疾病的18,603名参与者中，10年随访期间共发生7,308例死亡。在101个预测变量中，分类模型在死亡率方面表现出更高的区分度，而生存模型则提供了事件发生时间风险估计。LightGBM在总体和性别分层分析中均取得了最高的区分度（AUROC≈0.85）。SHAP分析显示，年龄和诊断的糖尿病是主要的危险因素，而自评健康状况和生活质量是最强的保护性预测因素。躯体功能障碍和健康不良生活方式始终与较高的死亡风险相关。性别分层分析揭示了不同的风险特征：预防性和主动寻求健康的行为（终身乳腺X线筛查、阿司匹林使用）在女性中是突出的保护因素，而男性的死亡风险则更多地由行为和生活方式因素驱动，包括久坐时间、睡眠持续时间、酒精摄入量、果汁摄入量和严重活动障碍。与传统统计模型相比，LightGBM识别了更广泛的预后因素，包括躯体功能（洗澡、行走、弯腰、爬楼梯）、饮食、预防性筛查行为（糖和加工肉摄入）以及听力丧失，这些因素在传统模型中表现较弱或被忽略。

结论

LightGBM在死亡风险区分度方面优于经典的基于Cox的建模方法，突出了被低估的多领域危险和保护因素，这些信息可为临床实践以及针对性的风险分层和预防策略提供参考。

在新标签页中打开下载幻灯片

在新标签页中打开下载幻灯片