生信库，持续分享临床生信文献思路与解读，感兴趣的老师可以点点关注~
文章标题：Development and Validation of a Machine Learning–Based Model of Mortality Risk in First-Episode Psychosis
中文标题：基于机器学习的首发精神病死亡风险模型的开发和验证
发表期刊：JAMA Netw Open
发表时间：2024年3月
影响因子：10.5/Q1
首次经历精神病发作（FEP）的个体的死亡风险比一般人群高几倍。此外，流行病学研究强调，自杀行为、受伤和中毒导致的死亡率不成比例地高。与一般人群相比，精神分裂症患者在疾病持续时间内更有可能死于躯体死亡（例如，由于心血管事件或恶性肿瘤）。预后工具可以帮助开发个性化治疗，缩小FEP与普通人群之间的死亡率差距。在这里，研究使用大型、未经选择的全国性登记数据库开发了一个 FEP 死亡风险的ML模型。
研究队列
瑞典队列：由首次发作非情感性精神病诊断（国际疾病统计分类，第十版[ICD-10]，代码F20-F29）的个体组成，年龄在 15 至 45 岁之间，并于 2006 年7月1日至2021年12月31日期间在瑞典注册治疗接触。瑞典队列是从国家患者登记册（住院和专业门诊护理）和 MiDAS 登记册（残疾抚恤金和病假）中确定的。
芬兰队列：包括 1998 年至 2014 年在芬兰接受首发精神分裂症住院治疗的16至45岁个体（ICD-10 代码 F20 和 F25 的可用数据），并在 1998 年1月1日至2017年12月31日期间进行随访。芬兰队列是从芬兰健康与福利研究所维护的出院登记册中确定的。两个样本在诊断前都有1年的抗精神病药物清除期（即无抗精神病药物治疗），以确保真正的FEP病例的组成。
统计分析
ML分析：研究训练了一个ML模型来预测FEP诊断后的死亡风险。这里根据瑞典队列中 FEP 诊断前1或2年内可用的所有登记来源使用了大量临床、社会人口学和社会经济变量来预测FEP诊断后的2年死亡率（与生存率相比）。研究选择 XGBoost 而不是其他 ML 算法，因为它在分析表格数据方面表现出色。
药物流行病学分析：在发现样本中，研究调查了不同药物治疗（以抗精神病药为主要暴露）的关联是否在预测在FEP诊断后死亡的患者与预测在FEP后存活长达15年随访的患者之间有所不同。对所有可用的随访（≤15 年）进行了个体间Cox回归分析。
结果分析
1. 基线特征
研究收集了来自瑞典队列的24052名FEP患者（发现样本中20000名，验证样本中 4052 名）和1490名来自芬兰队列的FEP患者（在验证样本中）的数据。
2. 受试者工作特征 （ROC） 预测首发精神病 （FEP） 2 年死亡率
瑞典模型发现样本（n = 20 000）中2年内死亡率的训练外分类导致受试者工作特征曲线下面积（AUROC）为0.71（95% CI，0.68-0.74;P < .001），敏感性为 59.7%，特异性为 71.3%（图1A）。研究仅使用最重要的变量（物质使用合并症、因FEP首次住院、男性、既往躯体住院和年龄）在发现样本中重新训练了ML模型，并在瑞典验证样本中测试了其 2 年死亡率预测性能（图1B）。
3. 最终模型 Shapley 加法解释 （SHAP）
死亡预测与大量既往 SUD 合并症、因 FEP 首次住院时间长、男性、既往躯体住院率高以及两个样本中的年龄较大相关（图 2）。该模型在瑞典验证样本（Brier 评分，0.02；斜率，0.97）和芬兰验证样本中显示出良好的校准。该模型的在线版本，早期首发精神病的死亡率风险评估计算器（MIRACLE-FEP） 可用。
4. 生存分析
该模型在瑞典验证样本中15年和芬兰验证样本中20年以上的死亡率预测性能与上述2年死亡率预测一致。图3显示了瑞典和芬兰验证样本中总可用随访的模型预测的Kaplan-Meier曲线。在瑞典验证样本中，预测死亡患者的15年生存率为80.3%（95% CI，75.5%-85.3%），而预测存活的患者为93.9%（95% CI，92.4%-95.3%）（HR，3.77 [95% CI，2.92-4.88];P < .001）。在芬兰验证样本中，预测死亡患者的 20 年生存率为 73.7%（95% CI，68.2%-79.7%），而预测存活的患者为 92.2%（95% CI，89.7%-94.8%）（HR，3.72 [95% CI，2.67-5.18];P < .001）。
5. 药物流行病学结果
研究使用ML预测按患者的预测结果对患者进行分层。在检查与不同药物治疗相关的15年死亡风险时，这里发现最有效治疗的排名顺序因组而异（图 4）。
文章小结
这项研究开发并验证了一种机器学习（ML）模型来预测首发精神病（FEP）中的死亡风险。这项研究结果表明，如果进一步验证，该模型可以帮助开发个性化干预措施以降低死亡风险。今天为大家分享的文章纯公共数据挖掘+统计分析，就发到了一区！如果你也想在临床方向发高分文章，不妨试试这个省钱省事又省力的思路吧！
