基于机器学习的分析，探讨中国新疆伊犁地区非吸烟女性中与COPD相关的血脂因素

《European Journal of Medical Research》：Machine learning-based identification of blood lipid-related factors associated with COPD among non-smoking women in the Yili region of Xinjiang, China

　　

摘要

研究目的

非吸烟女性，尤其是农村地区的这类人群患慢性阻塞性肺疾病的情况仍不甚明了。本研究利用机器学习技术，对中国新疆伊犁地区从未吸烟的女性群体中与COPD相关的关键因素进行识别。

研究方法

本研究为横断面研究，共纳入115名COPD患者和50名健康对照者。所有参与者均为40岁及以上的非吸烟哈萨克族或维吾尔族女性。研究采用了熵加权TOPSIS方法对12种机器学习算法进行了评估，并选出最优模型进行SHAP可解释性分析，同时还采用了传统逻辑回归模型作为对比。

研究结果

梯度提升回归树模型的TOPSIS得分最高，且表现优异（测试集上的AUC值为0.857）。SHAP分析显示，总胆固醇/高密度脂蛋白胆固醇比值、年龄、高密度脂蛋白胆固醇水平以及血红蛋白是影响COPD发病风险的最主要因素。总胆固醇/高密度脂蛋白胆固醇比值与COPD发病风险呈单调递减关系，拐点大约在2.95左右；年龄则呈现非线性效应，67岁之后发病风险显著上升；血红蛋白则呈现U形关系，无论水平过低还是过高都会增加发病风险。低总胆固醇/高密度脂蛋白胆固醇比值与高龄之间存在协同作用，这类组合会显著提高模型预测的COPD发病风险。而多元逻辑回归仅将高密度脂蛋白胆固醇水平视为重要预测因子，无法捕捉到这些非线性关联。

研究结论

机器学习模型有效识别出总胆固醇/高密度脂蛋白胆固醇比值和年龄是非吸烟女性患COPD的协同核心因素，揭示出了传统方法无法发现的复杂非线性关系。这些研究结果表明，在这一特定人群中，COPD的发病机制可能不同于以吸烟为核心的传统认知，同时也凸显出需要针对该人群制定特定的风险分层策略。