《Diagnostics》：Age, Sex, and Waist-to-Height Ratio Approach the Discrimination of Fifty-Four Model Inputs for Prevalent Hypertension: An Explainable Machine Learning Analysis of the Chilean National Health Survey
编辑推荐：
背景/目标：机器学习越来越多地被用于从广泛的预测变量面板中识别高血压，但它是否优于少数常规测量尚不清楚。研究人员在一项智利全国性调查中，将机器学习流程与三个容易获得的变量进行了比较。方法：研究人员分析了来自智利国家健康调查2016–2017年的5516名15岁
背景/目标：机器学习越来越多地被用于从广泛的预测变量面板中识别高血压，但它是否优于少数常规测量尚不清楚。研究人员在一项智利全国性调查中，将机器学习流程与三个容易获得的变量进行了比较。方法：研究人员分析了来自智利国家健康调查2016–2017年的5516名15岁及以上参与者，这些参与者有两次有效的血压读数。高血压定义为平均收缩压≥140 mmHg或平均舒张压≥90 mmHg或当前接受降压治疗，平均值取第二次和第三次读数。43个候选预测变量加上11个实验室缺失指标构成54个模型输入，排除了所有血压和高血压相关变量。数据按普查区段划分一次。在按区段分组交叉验证下比较了17种算法，预处理在各折内部拟合；12种算法以相同方式调优，嵌套规格独立调优，阈值锁定在开发数据上，区间由区段bootstrap得出。结果：未加权患病率为38.3%，设计加权为29.2%。在七项指标上，12条调优流程非常接近，没有一条在所有指标上排名第一。在留出数据上，完整XGBoost模型的受试者工作特征曲线下面积（AUC）为0.890（95%置信区间[CI] 0.872–0.906），完整惩罚逻辑模型为0.882（0.864–0.901）。仅包含年龄、性别和腰围身高比的模型在XGBoost下达到0.882（0.864–0.900），在惩罚逻辑回归下达到0.881（0.861–0.898），与相应的完整模型（独立调优，惩罚逻辑回归下为0.881，XGBoost下为0.891）相比，差异在惩罚逻辑回归下为?0.0004（?0.0087至+0.0081），在XGBoost下为?0.0084（?0.0148至?0.0024），基于未四舍五入的值计算。去除年龄损失0.027 AUC。在设计加权、实验室子样本和未治疗参与者中结果成立。结论：三项常规测量提供了54个输入所实现的大部分判别能力；其余在惩罚逻辑规格下没有可检测的增量，在XGBoost下约增加0.008 AUC。等效性未经正式检验，验证为内部验证，可移植性未得到证明。
论文解读：年龄、性别与腰围身高比即可接近54个模型输入的判别性能——来自智利国家健康调查的可解释机器学习分析
高血压是全球心血管死亡的最大可改变危险因素，影响超过十亿成人，且患病率三十年来未见改善，大量患者未被诊断。机器学习常被用于从广泛预测变量中识别高血压，但相对于少数常规测量是否真有优势尚不明确。为此，研究人员利用智利国家健康调查2016–2017年数据，比较了基于54个模型输入的多种机器学习流程与仅含年龄、性别和腰围身高比（WHtR）的简单模型对现患高血压的判别能力。该研究发表于《Diagnostics》。
研究方法上，分析纳入5516名具有两次有效血压读数的15岁及以上参与者，样本来自智利国家健康调查（ENS），该调查为全国代表性、分层、多阶段概率抽样。高血压定义为平均收缩压≥140 mmHg或平均舒张压≥90 mmHg或当前接受降压治疗，平均值取第二、三次读数。43个候选预测变量加11个实验室缺失指标构成54个模型输入，排除了所有血压及高血压相关变量。数据按普查区段划分一次为开发集（4104人）和留出集（1412人）。在按区段分组交叉验证下比较17种算法，其中12种经调优；另设5种嵌套规格（简约、人体测量、非实验室、完整、去年龄），各自独立调优。使用SHapley Additive exPlanations（SHAP）进行归因分析。区间估计采用区段bootstrap（2000次重采样）。
结果部分：
3.1 参与者：6233名受访者中5516名（88.5%）纳入分析，高血压2114例，未加权患病率38.32%，设计加权患病率29.21%。
3.2 分区平衡：开发集与留出集各特征标准化差异均低于0.10，仅城乡分布有名义差异（84.8% vs 82.2%），表明分区随机化成功。
3.3 默认设置下17种算法比较：默认超参数下交叉验证AUC范围为0.699（单决策树）至0.877（逻辑回归），逻辑回归、线性判别分析、梯度提升（sklearn）和CatBoost领先，多层感知机、二次判别分析、朴素贝叶斯、k近邻和单决策树明显较差。
3.4 超参数调优与多指标比较：12种算法经相同协议调优后，交叉验证AUC-ROC范围为0.865至0.877，跨度仅0.012；AUC-PR跨度0.026，F1 0.015，平衡准确率0.012，马修斯相关系数0.020，各流程判别性能紧密接近。但概率准确性差异明显：Brier分数范围0.139至0.173，主要因AdaBoost的Brier分数比领先流程差约25%，提示仅报告AUC会掩盖该缺陷。没有流程在所有指标上排名第一。
3.5 留出集表现：完整XGBoost模型留出AUC为0.890（95%CI 0.872–0.906），CatBoost为0.889，完整惩罚逻辑模型为0.882。配对差异均不显著。在锁定阈值下，XGBoost敏感度0.855、特异度0.761；逻辑模型敏感度0.851、特异度0.755。校准斜率接近1，截距接近0。
3.6 嵌套规格：在惩罚逻辑回归下，仅含年龄、性别和WHtR的简约模型与完整54输入模型差异为?0.0004（95%CI ?0.0087至+0.0081），统计上不可区分；在XGBoost下差异为?0.0084（95%CI ?0.0148至?0.0024），完整模型略优。单独去除年龄使AUC下降0.027（XGBoost）和0.028（逻辑回归），远大于全部其余输入的总贡献。
3.7 调查设计与敏感性分析：设计加权后留出AUC分别为0.891（XGBoost）和0.883（逻辑），与未加权基本一致。在完全观测生化子样本中，完整模型AUC为0.883，非实验室模型为0.872，实验室面板增量约0.01 AUC。仅未治疗参与者（结局仅由测量血压定义）中，完整XGBoost AUC为0.825，逻辑模型为0.813。限制18岁及以上人群结果无实质变化。单一肥胖指标（WHtR、身体质量指数、腰围、臂围）与年龄、性别组合时表现可互换。
3.8 亚组表现：全XGBoost模型在各亚组内判别性能同质，所有配对对比p值均不显著（性别p=0.48，年龄带p=0.62–0.92，居住地区p=0.78，教育水平p=0.11–0.57，医保类型p=0.48，肥胖状态p=0.86）。年龄带内AUC较低（0.74–0.76）是对主导预测变量条件化的预期结果，不代表模型失效。
3.9 单个输入对模型输出的贡献：SHAP归因显示年龄主导，平均绝对SHAP值为1.191（log-odds尺度），是次位输入的4.4倍；其后为估算肾小球滤过率（eGFR，0.272）、高血压家族史（0.203）、空腹血糖（0.186）、性别（0.163）。54个输入中有10个平均绝对SHAP值恰好为零（包括8个实验室缺失指标），表明拟合的XGBoost从未对其分裂。秩稳定性仅在排序顶部可靠：年龄和eGFR在所有25次重抽样中占据第1、2位，第8位之后排序不稳定。方向可解释的21个输入中，较高年龄、腰围、WHtR、身体质量指数和空腹血糖增加预测风险，较高eGFR、低密度脂蛋白胆固醇（LDL）和教育水平降低风险；LDL的负向关联可能由降脂治疗差异解释。
3.10 交互作用与可加性：精确配对SHAP交互值相对主效应很小，最强配对为年龄×性别（平均绝对交互值0.0244），远低于对应主效应。深度为一的XGBoost（无法表示交互）与可交互的调优模型相比，交叉验证AUC差异仅0.0029，表明数据中可被灵活算法利用的非加性结构很少。
3.11 阈值行为：在不同阈值概率下三个主要模型的净获益为假设性的数学示例，不代表真实临床决策，因为血压本身在应用场景中必然可得。
讨论总结：该研究发现简约模型几乎达到完整模型的判别性能，差异在逻辑规格下不可检测，在XGBoost下约0.008 AUC。结果在一系列敏感性分析中稳健，不依赖于线性或灵活估计器的选择，且与近似可加的关系结构一致。作者强调未预先设定等效性界值，也未进行正式等效性检验；置信区间包括零仅表示证据不足，而不是无差异。年龄主导归因，但模型并非单纯年龄代理，因为去年龄模型仍达AUC 0.864。LDL胆固醇的负向关联可能由降压/降脂治疗差异所致，不应作病因学解释。研究局限包括：内部验证、横断面设计（识别现患而非预测发病）、未加权模型开发、以及约三分之一的实验室缺失。结论翻译如下：在这项智利国家健康调查2016–2017的横断面样本中，年龄、性别和腰围身高比提供了54个模型输入经调优机器学习流程分析后所实现的大部分判别能力。其余51个输入在线性规格下无可检测增量，在灵活规格下仅有约0.008 AUC的小增量。研究人员未检验正式等效性，不能排除这些输入携带样本量不足以检测的真实预测信息。经可比调优后，表现较好的传统方法与集成方法在七项指标上相似，没有流程在所有指标上排名第一。概率准确性是唯一使一个候选者（AdaBoost）分离的轴，其Brier分数比领先流程差约25%，而仅报告AUC会掩盖这一点。验证为内部验证，未检验独立人群，可移植性未得到证明。这些模型识别的是在同一就诊时测量血压的参与者中的现患高血压，并非可部署的预测工具，所报告的贡献均不支持因果解释。
