【原】堪稱一區(qū)top的萬(wàn)金油！安醫(yī)大學(xué)者用CHARLS＋機(jī)器學(xué)習(xí)拿下8.5分，涉及七個(gè)指標(biāo)

公共數(shù)據(jù)庫(kù)統(tǒng)計(jì) 2025-04-28 發(fā)布于浙江

展開(kāi)全文

引言

公共數(shù)據(jù)庫(kù)聯(lián)合機(jī)器學(xué)習(xí)組合，真的是全面的發(fā)文思路！選對(duì)數(shù)據(jù)庫(kù)，更是能讓我們的研究更進(jìn)一步。而今天分享的這篇文章，學(xué)者就選擇國(guó)產(chǎn)數(shù)據(jù)庫(kù)CHARLS，拿下一區(qū)Top（IF 8.5）。

快來(lái)一起看下去吧！

心血管-腎臟-代謝（CKM）綜合征通過(guò)代謝異常、慢性腎病與心血管疾病（CVD）的復(fù)雜交互作用，顯著加劇了多器官功能障礙及不良CVD事件風(fēng)險(xiǎn)。

最新研究發(fā)現(xiàn)，基于腰圍、血壓和糖化血紅蛋白的胰島素抵抗（IR）指標(biāo)——估算葡萄糖處置率（eGDR），在預(yù)測(cè)CKM患者心血管事件中表現(xiàn)卓越，甚至超越傳統(tǒng)指標(biāo)。

2025年4月16日，安徽醫(yī)科大學(xué)學(xué)者用CHARLS數(shù)據(jù)庫(kù)，在期刊《Cardiovascular Diabetology》（醫(yī)學(xué)一區(qū)Top，IF=8.5）發(fā)表了一篇題為：“Estimated glucose disposal rate outperforms other insulin resistance surrogates in predicting incident cardiovascular diseases in cardiovascular-kidney-metabolic syndrome stages 0-3 and the development of a machine learning prediction model: a nationwide prospective cohort study”的研究論文。

該研究通過(guò)全國(guó)性前瞻性隊(duì)列數(shù)據(jù)，比較eGDR與其他六種IR指標(biāo)（TyG、TyG-WC、TyG-BMI、TyG-WHR、TG/HDL-C、METS-IR）對(duì)CKM綜合征患者CVD事件的預(yù)測(cè)能力。同時(shí)，通過(guò)七種機(jī)器學(xué)習(xí)模型（如KNN、XGBoost、隨機(jī)森林等）評(píng)估eGDR對(duì)預(yù)測(cè)性能的提升作用。

本公號(hào)回復(fù)“ 原文”即可獲得文獻(xiàn)PDF等資料，如需CHARLS等老年健康數(shù)據(jù)庫(kù)挖掘，請(qǐng)聯(lián)系鄭老師團(tuán)隊(duì)，微信號(hào)：aq566665

研究團(tuán)隊(duì)使用了中國(guó)健康與退休縱向研究（CHARLS）數(shù)據(jù)庫(kù)2011~2012年的數(shù)據(jù)，經(jīng)過(guò)納排，最終納入了4,950名年齡≥45歲符合條件的參與者，平均年齡為73.46歲，50.4%為女性。

在2011~2018年的隨訪期間，697名參與者發(fā)生CVD事件，其中486名患有心臟病，263名患有中風(fēng)。

圖1 研究流程

研究結(jié)果顯示，eGDR在預(yù)測(cè)CKM綜合征0-3期患者發(fā)生CVD事件方面優(yōu)于其他6個(gè)IR指數(shù)，其與CVD事件發(fā)生風(fēng)險(xiǎn)均呈線性負(fù)相關(guān)。

具體而言，eGDR水平每增加1個(gè)單位，CVD、心臟病和中風(fēng)的風(fēng)險(xiǎn)分別降低 14%、14% 和 19%。

圖2 7項(xiàng)IR替代指標(biāo)對(duì)CKM綜合征0-3期患者CVD事件的預(yù)測(cè)價(jià)值

表1 多因素Logistic回歸分析

√機(jī)器學(xué)習(xí)模型預(yù)測(cè)CVD事件

研究團(tuán)隊(duì)將數(shù)據(jù)集按照7：3的比例隨機(jī)分為訓(xùn)練集和測(cè)試集，用于模型開(kāi)發(fā)和驗(yàn)證。

同時(shí)使用LASSO算法進(jìn)行特征選擇，篩選出高血壓和糖尿病等6個(gè)關(guān)鍵變量，構(gòu)建了七個(gè)機(jī)器學(xué)習(xí)模型（AdaBoost、KNN等）。

其中，KNN的預(yù)測(cè)性能最佳。

圖3 基于LASSO算法的特征篩選

研究團(tuán)隊(duì)進(jìn)一步將eGDR納入該模型中，結(jié)果顯示，結(jié)合eGDR的KNN模型在測(cè)試集中AUC=0.931。

這意味著，將eGDR納入預(yù)測(cè)模型能夠顯著提高對(duì)CKM綜合征0-3期患者發(fā)生CVD事件的預(yù)測(cè)性能。

圖4 結(jié)合eGDR的KNN模型的ROC曲線

綜上所述，在CKM綜合征0-3期患者中，eGDR展現(xiàn)出對(duì)CVD事件的優(yōu)越預(yù)測(cè)價(jià)值，其與風(fēng)險(xiǎn)呈線性負(fù)相關(guān)，且通過(guò)機(jī)器學(xué)習(xí)模型可顯著提升風(fēng)險(xiǎn)分層能力。研究支持將eGDR納入臨床風(fēng)險(xiǎn)評(píng)估工具，以早期識(shí)別高危個(gè)體并指導(dǎo)干預(yù)。

廣告time

相對(duì)NHANES等火爆的公共數(shù)據(jù)庫(kù)，CHARLS目前的研究空間還很大。聯(lián)合機(jī)器學(xué)習(xí)就是一個(gè)挺新穎的發(fā)文組合，各位可以嘗試一下。

如果你對(duì)CHARLS數(shù)據(jù)庫(kù)數(shù)據(jù)挖掘以及選題等處于探索迷茫階段，鄭老師團(tuán)隊(duì)推出的一對(duì)一指導(dǎo)課程，專業(yè)統(tǒng)計(jì)師在線指導(dǎo)，這些難題統(tǒng)統(tǒng)解決！

感興趣的朋友可掃描下方二維碼咨詢！

記得點(diǎn)個(gè)小小的關(guān)注??

我們將為您分享更多公共數(shù)據(jù)庫(kù)的高分發(fā)文思路和統(tǒng)計(jì)小技巧！