南京中医药大学学报

作者：钟霞, 赵天恩, 吕世盟, 赵琳琳, 李晶, 焦华琛,

关键词：机器学习, 高血压, 认知障碍, 中西医, 治未病, 预测模型, XGBoost模型,

目的基于中西医双维特征，借助于机器学习技术构建老年高血压轻度认知障碍(MCI)预测模型。方法收集分析2020年1月至2023年3月院内就诊的502例60岁以上原发性高血压患者数据，按照7 ∶ 3的比例随机划分为训练集和验证集, 并将其分为认知障碍组(n=104)和认知正常组(n=398)。运用LASSO回归分析对临床指标数据降维分析，筛选出核心预测因子。采用logistic回归、XGBoost、AdaBoost、SVM、GNB及MLP 6种机器学习算法构建模型，绘制ROC曲线比较6种模型的AUC、准确度、敏感度、特异度及F1分数。SHAP模型揭示预测因子的特征重要性。结果腰臀比、气郁质、年龄、总胆固醇、痰湿质、湿热质、气虚质和空腹血糖是老年高血压患者早期MCI的核心预测因子。XGBoost模型AUC、准确度、灵敏度、特异度、F1分数分别为0.938、0.885、0.846、0.896、0.755，均优于其他算法模型。结论基于腰臀比、年龄、总胆固醇、气郁质、痰湿质、湿热质、气虚质和空腹血糖构建的XGBoost模型预测性能最优，可为临床老年高血压群体中MCI风险的早期辨识和诊治决策提供参考依据。

来源：2024年第12期

《南京中医药大学学报》期刊编辑部

查看南京中医药大学学报杂志2024年第12期