直播预告
明天开课：机器学习方法！详情可点击下方链接了解
心血管疾病（CVD）已成为全球首要的致死原因。而环境污染物，尤其是挥发性有机化合物（VOCs），也被确定为其重要的风险因素。
然而，在先前的研究中发现，除了依赖特定的环境检测手段来获取VOCs数据外，还可通过检测尿液中的VOCs代谢产物，分析VOCs暴露对人体健康的具体影响。
本公号回复“ 原文”即可获得文献PDF等资料。如果你对预测模型感兴趣，不妨看看我们的机器学习构建临床预测模型课程！如感兴趣请联系郑老师团队，微信号：aq566665
研究团队基于美国国家健康与营养调查（NHANES）数据库2011~2018年的数据，经过纳排，最终纳入了5,098名参与者，其中515名为CVD患者。同时，研究团队进一步将数据集分为70%训练集（n =3568）和30%验证集（n =1530），并通过15项尿代谢物指标评估VOCs的暴露情况。
主要研究流程：
包括随机森林（RF），光梯度提升机（LightGBM），决策树（DT），极端梯度提升（XGBoost），多层感知器（MLP）和支持向量机（SVM）。
✅模型评估
研究团队使用一系列指标评价模型的预测性能，并通过SHAP算法阐明具有最佳性能的模型。
包括ROC曲线下面积（AUROC）、准确度、平衡准确度、F1评分、J指数、kappa、Matthew相关系数（MCC）、阳性预测值（PPV）、阴性预测值（NPV）、灵敏度（sens）、特异度（spec）。
机器学习联合NHANES预测疾病风险
ROC曲线的结果表明，在6种ML预测模型中，RF模型的预测性能最好，其AUROC达到了0.8143，表明模型具有优秀的预测能力。
图2 6个ML模型的ROC曲线
团队进一步使用SHAP法，评估RF模型中每个特征变量的重要性及其在模型预测中的贡献。结果表明，年龄和ATCA在其中发挥重要作用，具体如下：
年龄是所有变量中最重要的，同时也是CVD风险的重要危险因素。这意味着，随着年龄的增长，发生CVD的风险增加。
在mVOCs组分中，最重要的是ATCA，其重要性仅次于年龄。同时，较高的ATCA水平与CVD风险降低相关，尤其是在高血压患者和老年人中。
(A)变量的SHAP值排序；(B)SHAP蜂窝图；(C)连续变量的SHAP值变化趋势图；（D）分类变量的SHAP值的箱形图。
图4 ATCA的SHAP依赖图
用机器学习发文现在可是风头正盛！如果你也想及时抓住它的热度，但却一头雾水？那么郑老师在11月30号即将开始的，基于R语言的机器学习构建预测模型的直播课程太适合你了！还衍生了一对一统计服务指导课程！报名即可享发文退款服务！热度把握住，发文更不愁！
关注“公共数据库与孟德尔随机化”公众号，我们将持续为你提供高分文章的思路解读！
郑老师统计团队及公众号
全国较大的线上医学统计服务平台，专注于医学生、医护工作者学术研究统计支持，我们是你们统计助理！
