《Frontiers in Neurology》：Machine learning–based prediction of in-hospital deep vein thrombosis in patients with acute ischemic stroke: a multicenter study
编辑推荐：
背景：深静脉血栓形成（DVT）是急性缺血性卒中（AIS）的常见并发症，可能恶化临床结局，但可靠的早期风险分层工具仍有限。研究人员旨在开发并在内部评估用于预测AIS患者院内DVT的机器学习模型。方法：研究人员对一项公开的多中心回顾性数据集（含21,459例AIS
背景：深静脉血栓形成（DVT）是急性缺血性卒中（AIS）的常见并发症，可能恶化临床结局，但可靠的早期风险分层工具仍有限。研究人员旨在开发并在内部评估用于预测AIS患者院内DVT的机器学习模型。方法：研究人员对一项公开的多中心回顾性数据集（含21,459例AIS患者）进行二次分析。主要结局为影像确认的院内DVT。参与者按DVT状态分层并随机分为训练集（70%）与留出的测试集（30%）。特征选择采用最小绝对收缩与选择算子（LASSO）回归、Boruta算法、方差膨胀因子（VIF）评估及临床判断。8种机器学习算法分别使用19变量全集与8变量简化集训练，超参数通过重复5折交叉验证（2次重复）优化。性能评估采用受试者工作特征曲线下面积（AUC）、精确率-召回率曲线下面积（AUPRC）、Brier分数、校准、决策曲线分析及其他分类指标。敏感性分析排除D-二聚体并使用折叠内合成少数类过采样（SMOTE）。结果：21,459例中1,324例（6.17%）发生院内DVT。全变量集中RANGER测试集AUC最高（0.976）；简化集中XGBoost的AUC（0.917）与灵敏度（0.852）最高，而支持向量机（SVM）综合表现最佳，AUPRC（0.605）、Brier（0.038）、阳性预测值（0.440）、F1分数（0.549）最优。D-二聚体是最具影响力预测因子。排除D-二聚体后性能衰减，SMOTE下判别略降且校准偏差增大。8个简化集模型均部署至在线预测平台。结论：机器学习模型在预测AIS后院内DVT中表现良好。简化8变量集中SVM综合最优，XGBoost侧重灵敏度。常规临床应用前需独立外部验证与前瞻性临床影响评估。
研究背景与动机
深静脉血栓形成（DVT）是急性缺血性卒中（AIS）住院期常见且临床意义重大的并发症，可进展为肺栓塞并延误康复。中国报道AIS后DVT发生率约8.9%–28%。尽管风险明确，常规抗凝预防并未普遍应用，主因出血顾虑及缺乏可靠风险分层工具。既往研究多基于传统回归、单中心、小样本，难以刻画非线性与交互作用，且校准、类别不平衡与外部效度评估不足。随着大规模临床数据可及，机器学习（ML）为整合多维预测因子并提供统一验证框架带来契机。研究人员在《Frontiers in Neurology》报道了一项基于重庆4家医院21,459例AIS患者的多中心回顾性二次分析，旨在开发并内部评估预测院内DVT的ML模型，并转化为在线工具以支持早期风险分层研究。
主要技术方法概要
研究人员采用Dryad公开去标识数据集（原始队列2017年6月至2023年7月重庆4院连续纳入AIS成人18–90岁，排除卒中/TIA史、神经基础病及72小时内死亡者，最终21,459例完整记录入组）。结局为住院期间超声等影像确认DVT。候选变量限入院/基线测得的人口学、卒中特征、合并症及检验指标（时间戳不可考）。特征选择于训练集内用LASSO与Boruta取并集（26变量），经VIF>10剔除CK-MB后依冗余与临床可得性缩至19变量全集；再据RANGER-SHAP重要性及测量可行性缩至8变量简化集（年龄、房颤、D-二聚体、NIHSS、CRP、白蛋白、乳酸、尿素）。数据按DVT分层7:3分训练/留出测试。8算法（逻辑回归、GBM、Elastic-Net、RANGER随机森林、SVM-RBF、XGBoost、朴素贝叶斯、单层前馈神经网络）在两类变量集上训练，超参数用分层重复5折交叉验证（2重复）网格搜索以平均AUC择优，阈值用Youden指数于训练集定取。性能报告AUC、AUPRC、Brier、校准图、决策曲线及准确度/灵敏度/特异度/PPV/NPV/F1；SHAP解释全局与个案贡献；敏感性分析含去D-二聚体（19→18、8→7变量）与折叠内SMOTE。全部8简化集模型接入在线平台。R 4.3.5实现。
研究结果
基线特征：21,459例中女性50.5%，中位年龄67岁，NIHSS中位8；DVT 1,324例（6.17%）。训练/测试集各变量分布均衡（p多>0.05）。
特征选择：LASSO与Boruta并集26变量，CK-MB的VIF=12.212>10被剔；结合临床解释与常规可得性定19变量全集；SHAP驱动下定8变量简化集。
全变量集模型性能：RANGER留出测试AUC 0.976（95%CI 0.971–0.981）最高，校准可接受，决策曲线示净获益；RANGER-SHAP示D-二聚体最重要。
简化变量集模型性能：XGBoost测试AUC 0.917（0.904–0.930）、灵敏度0.852最高；SVM测试AUPRC 0.605、Brier 0.038、PPV 0.440、F1 0.549综合最优；GBM、RANGER次之，GLM/GLMNET/ NB/NNET较弱。校准与决策曲线示多模型具潜在临床净益。XGBoost-SHAP显示D-二聚体>CRP>乳酸>NIHSS贡献顺位，依赖图示高D-二聚体/高CRP/低白蛋白推高预测风险。8模型均嵌在线平台输出个体化概率与SHAP解释。
敏感性分析：去D-二聚体后全集与简化集各算法AUC均降，XGBoost-SHAP首位分别由α-羟丁酸脱氢酶（HBDH）与乳酸替代；SMOTE下判别略降、校准偏差增大但决策曲线仍净益，说明过采样不必然提升综合性能。
讨论部分总结
研究人员指出本研究DVT发生率6.17%低于国内筛查文献，因依赖临床疑诊影像确认而非全员筛查，无症状DVT可能漏检。相比既往Logistic评分（c≈0.65–0.70）或单中心Nomogram（AUC 0.79–0.91）及小样本ML（AUC 0.923），本研究以21,459例、8算法同框架比对、兼顾AUPRC/F1/Brier/校准/决策曲线、并提供8模型在线平台，是方法学补全。简化集变量具生物学合理性：D-二聚体反映凝血纤溶活化；CRP示血栓炎症；白蛋白低关联营养/炎症劣势；尿素示脱水代谢；年龄/房颤/NIHSS捕获脆弱与制动。SMOTE实验表明处理不平衡需多指标联评而非单看AUC。局限含回顾二次分析选择偏倚、完整例入组致缺失机制不可考、缺抗栓预防与院内并发症变量、实验室时间戳模糊存信息泄漏疑点、单地域无民族记录、仅同队列内部验证非外部验证。模型应视作研究工具而非决策产品。
结论部分翻译
在这项AIS多中心研究中，机器学习模型在预测院内深静脉血栓形成中表现出良好性能。在使用简化8变量预测集的模型中，支持向量机（SVM）展现出最有利的综合性能，而极端梯度提升（XGBoost）取得了最高灵敏度。全部8种算法均被整合进在线预测平台。在常规临床实施前，仍需独立的外部验证与前瞻性临床影响评估。
