研究背景
体检数据提供了更多潜在的关键风险因素，可以增强风险模型的开发。此外，AHA最新的CVD风险模型——PREVENT，是基于美国人群开发的，由于两国人群的基线人口学、合并症、检验检查指标等存在较大差异，因此需要在中国人群进行验证。
研究目的
研究方法
研究使用的数据来自北方医疗大数据中心（2016-2024年），包括929,682例30-79岁且无CVD病史的参与者（表1）。纳入的特征包括人口统计学特征（6项）、慢性病合并症（11项）和常见体检项目（42项），共59个特征作为输入数据。终点事件定义与PREVENT模型相同，为总CVD事件及其亚型：ASCVD事件和心力衰竭事件（HF）。本研究为基于年龄尺度，进行性别特异性的生存分析，方法学上使用了经典Cox比例风险模型和随机生存森林模型（RSF）。特征重要性通过RSF中的平均最小深度进行评估，深度越小代表特征重要性越高。模型的性能通过验证集（占总样本30%）中的Harrell C统计量进行评估。
表1：按性别分层的总CVD及ASCVD、HF的训练和验证样本总结
验证集从总数据集中按30%进行分层抽样获得。数据报告为均值（标准差）。低教育水平：教育水平低于高中；APB/VPB：房性或室性早搏；BMI：体重指数；SBP：收缩压；FBG：空腹血糖；HDL-C：高密度脂蛋白胆固醇；eGFR：估计肾小球滤过率；CVD：心血管疾病；ASCVD：动脉粥样硬化性心血管疾病（包括致命和非致命性的心肌梗死和卒中）；HF：心力衰竭。
研究结果
表2：在验证集中，通过C-Index（95%置信区间）评估总CVD及其亚型的预测性能
图1. 总CVD的RSF预测模型中，对于男性最重要的15个特征，深度越小特征重要性越高。
图2. 总CVD的RSF预测模型中，对于女性最重要的15个特征，深度越小代表特征重要性越高。
糖尿病（合并）：糖尿病合并症和血糖水平的组合特征；高血压（合并）：高血压合并症和收缩压的组合特征；血脂异常（合并）：血脂异常合并症和高密度胆固醇与非高密度胆固醇水平的组合特征。BMI：体重指数；APB/VPB：房性或室性早搏。
研究结论
专家简介
费金韬
北京大学临床医学八年制博士，清华大学医工交叉方向博士后，现为京东健康算法研究员，主要研究方向为医疗大数据与生理信号监测。
编辑：Sissy
审校：Sissy
排版：9.o_O
*本文不构成任何诊疗相关意见和建议，仅供医疗人员参考学习
长按左方二维码查看详细申明
POCKETIN 将挑选重点研究，就已发布结果邀请专家陆续解读
POCKETIN 接受投稿，我们将为撰稿作者提供该研究的过往详细资料，资料包括：原文、演讲幻灯、官方新闻、演讲视频等素材。并根据稿件质量支付稿费。
稿件将发表在POCKETIN、心关注微信公众号上，并发表在国际期刊《翳望》（ISSN 2709-9105）上。同时，稿件将作为供稿提供给合作单位。
投稿请联系：zhengsisi@medicaltelescope.cn 郑思思
由苏州工业园区东方华夏心血管健康研究院和医望共同发起的POCKETIN项目将依托人工智能学术跟踪系统，为全国广大心血管医师带来及时全面的报道。
项目得到了医师报、梅斯医学、365医学网、健康界、中华医学信息导报、心关注、医心等单位的大力支持。
3. 如有内容上的不准确请微信联系我们（zhengsisi@medicaltelescope.cn）
