高血压性心脏病生物标志物的筛选：基于中国重庆市7家医疗机构的数据分析研究

作者：张雪梅; 钟小钢; 龚军; 田君; 张谊; 陈颖哲; 崔婧; 汪曾子; 冉淑琼; 向天雨; 谢友红; 孙兴国^*

来源：中国应用生理学杂志, 2021, 37(02): 142-168.

DOI：10.12047/j.cjap.0093.2021.117

• 高血压性心脏病
• 生物标志物
• 机器学习
• 随机森林
• 极限梯度上升

目的:筛选高血压性心脏病(HHD)的影响因素,建立HHD的预测模型,为HHD的发生提供预警。方法:选取中国重庆市某医科院校数据研究院平台2016年1月1日至2019年12月31日主要诊断为高血压性心脏病和高血压患者。通过单因素分析、多因素分析筛选HHD的影响因素,采用R语言分别构建Logistics模型、随机森林(RF)模型和极限梯度上升(XGBoost)模型。结果:单因素分析筛选出60项差异指标,多因素分析筛选出18项差异指标(P<0.05)。Logistics模型、RF模型、XGBoost模型曲线下面积(AUC)分别为0.979、0.983和0.990。结论:本文建立的3种HHD预测模型结果稳定,其中XGBoost模型对于HHD的发生具有良好的诊断效应。

• 单位
  首都医科大学; 国家心血管病中心; 中国医学科学院阜外医院; 重庆医科大学