基于因果机器学习的生活方式风险因素心血管获益个体化估计:UK Biobank 证据

《American Journal of Preventive Cardiology》:Estimating the Potential Cardiovascular Benefit of Lifestyle Risk Factors Using Causal Machine Learning: Insights from UK Biobank

【字体: 大 中 小 】 时间:2026年10月11日 来源:American Journal of Preventive Cardiology 5.4

编辑推荐:

  背景:预防建议日益关注低风险个体的整体风险评估,其中充分的生活方式改变可能减少药物治疗需求;然而这些获益难以量化,削弱依从性。研究人员旨在开发一种工具,个体化量化与生活方式风险因素相关的心血管获益。方法:在 371,102 名无既往心血管疾病(cardiova

  
背景:预防建议日益关注低风险个体的整体风险评估,其中充分的生活方式改变可能减少药物治疗需求;然而这些获益难以量化,削弱依从性。研究人员旨在开发一种工具,个体化量化与生活方式风险因素相关的心血管获益。方法:在 371,102 名无既往心血管疾病(cardiovascular disease,CVD)的 UK Biobank 参与者中,将基线暴露与纵向结局相关联。使用方向无环图(directed acyclic graphs,DAG)联合逆概率加权(inverse propensity weighting,IPW)、增广逆概率加权(augmented IPW,AIPW)、广义线性模型(generalised linear models,GLM)和因果机器学习(causal machine learning)估计因果效应,针对吸烟(既往/从不 vs 当前)和肥胖(BMI <30 vs ≥30 kg/m2)。结果:中位年龄为 58 岁(四分位距(interquartile range,IQR)50–63),56% 为女性;十年内发生 15,752 例 CVD 事件。最大风险差异为既往/从不 vs 当前吸烟(绝对风险差异(absolute risk difference,ARD)3.2–3.8%),其次为 BMI <30 vs ≥30 kg/m2。结论:在所考察的生活方式风险因素中,吸烟提供最大风险差异,并随包年(pack-years)增加。BMI 估计较小,且在肥胖范围内大体一致。研究结果可通过免费工具(lifestyle-cvd.casefinding.com)获取。
研究人员在 UK Biobank 背景下开展因果机器学习分析,旨在估计四种可改变生活方式风险因素与 10 年新发动脉粥样硬化性心血管疾病(atherosclerotic cardiovascular disease,ASCVD)风险差异,并开发可个体化量化生活方式获益的工具。背景中,ASCVD 仍是主要死亡原因,吸烟、高体重指数(body mass index,BMI)和低体力活动对缺血性心脏病和缺血性卒中死亡有贡献。生活方式改变可预防相当比例 ASCVD 风险,但动脉粥样硬化临床沉默,患者和临床医生可能低估预防获益;观察性研究多提供人群平均关联而非个体化绝对估计,随机试验在窄人群中结果混合。因果机器学习,尤其双机器学习(double machine learning,DML)与因果森林(causal forests),可估计个体间和暴露水平间的效应异质性,并调整已测混杂。因此,研究人员利用 UK Biobank 估计:既往/从不 vs 当前吸烟、BMI <30 vs ≥30 kg/m2、中/高 vs 低体力活动、少于每日 vs 每日饮酒与 10 年 ASCVD 风险差异,并以 SCORE2/SCORE2-DM 作为一致性基准。

为开展研究,研究人员使用 UK Biobank(应用 67789)前瞻性队列,纳入 502,000 名 40–69 岁参与者,基线 2006–2010,排除招募时既往心血管事件,最终分析 371,102 名。缺失数据用链式方程多重插补(multiple imputation via chained equations,MICE)处理;为每种暴露构建 DAG 确定调整集;采用 IPW、GLM、AIPW 和 DML 因果森林估计因果效应;以安慰剂、模拟混杂、子抽样和标准回归进行稳健性检验;用 SCORE2 和 SCORE2-DM 评估并逻辑重校准风险预测。

结果部分:3.1 参与者特征。中位年龄 58 岁(IQR 50–63),56% 女性,96% 白人。10.6% 当前吸烟,24.6% 肥胖,20.3% 每日饮酒,15.1% 低体力活动。SCORE2/SCORE2-DM 风险分类中,83.2% 低危、4.9% 中危、11.7% 高危、0.1% 极高危。10 年 CVD 累积发生率:当前吸烟 7.1% vs 既往/从不 3.9%;肥胖 5.2% vs BMI <30 3.9%;低体力活动 4.7% vs 中/高 4.2%;每日饮酒 4.6% vs 少于每日 4.2%。3.2 稳健性与敏感性分析。吸烟和肥胖对比中 GLM 通过四项稳健性检验,IPW 在安慰剂检验中显示小残差效应;体力活动估计稳定但对未测混杂更敏感;酒精结果最复杂,IPW 安慰剂检验失败,GLM 可接受,排除基线健康较差者后方向与幅度持续。3.3 心血管风险预测模型性能。SCORE2 的 C 统计量为 0.716,SCORE2-DM 为 0.661;SCORE2 高估风险 10%(E/O 1.104),SCORE2-DM 低估 30%(E/O 0.704);逻辑重校准后 E/O 分别为 0.979 和 0.989。3.4 估计的风险差异。最大风险差异为既往/从不 vs 当前吸烟,ARD 3.2–3.8%,预测相对风险差异(relative risk difference,RRD)约 50%,需治疗人数(number needed to treat,NNT)26–31;其次为 BMI <30 vs ≥30 kg/m2,ARD 1.0–1.1%,RRD 约 19–21%,NNT 91–101;体力活动 ARD 0.24–0.41%,RRD 约 5–9%,NNT 244–417;酒精对比 ARD 约 ?0.33 至 ?0.44%,需伤害人数(number needed to harm,NNH)227–303。3.5 按心血管风险特征的异质性。各对比 ARD 随基线风险类别升高而增加,RRD 呈相反模式。吸烟绝对梯度最陡,低危至极高危 ARD 从 3.10% 到 3.81%,RRD 从 60% 到 17%;极高危样本仅 27–147 人,需谨慎。ARD 随共存生活方式风险因素数量增加,吸烟从 3.25% 升至 4.03%,体力活动从 0.38% 升至 0.72%,肥胖呈轻度反向 1.13% 至 0.99%,酒精较一致。糖尿病或高血压者绝对差异略高,其他亚组包括家族性高胆固醇血症大体一致。3.6 暴露强度的效应修饰。吸烟对比的预测 ARD 随累积包年增加,每 1 标准差包年增加 0.234 个百分点(p<0.001,R2=0.04);BMI 对比的预测 ARD 随基线 BMI 每 1 标准差增加降低 0.035 个百分点(p<0.001,R2=0.005)。3.7 个体化风险轨迹。对高风险(SCORE2-DM 12%)和较低风险(SCORE2 6%)两个示例,高风 险者基线 10 年风险 12%,20 年升至 22%;若不吸烟 20 年为 13%,若不肥胖 21%,若体力活动 21.8%。低风险者基线 10 年风险 6%,20 年 11%;对应反事实 20 年风险为 6.5%、9%、10%。

讨论部分总结:研究人员认为,吸烟估计与 Framingham Heart Study、Nurses' Health Study 等观察性队列一致,RRD 约 50%;ARD 与 SCORE2/SCORE2-DM 编码的吸烟归因风险中位数 2.2% 和 4.7% 相包围。BMI 对比需谨慎:Look AHEAD 的主要终点未显著降低,但符合方案分析中达到 ≥10% 减重者风险降低 21%;SELECT 中 semaglutide 减重中位 9.4% 使主要不良心血管事件降低 20%;Swedish Obese Subjects 研究减重手术风险比 0.50–0.70;本研究 ARD 1.0–1.1% 方向一致,但评估基线肥胖状态而非体重变化幅度。体力活动队列和荟萃分析显示较低风险,本研究 RRD 8.5% 更温和,暴露为 IPAQ 自报、未区分休闲与职业、无法评估体力活动悖论或极高运动量衰减。酒精应视为探索性,频率未捕捉量、暴饮和类型,反向因果与竞争死亡可能贡献。暴露强度对吸烟和 BMI 的修饰方向相反,吸烟累积暴露解释更多个体间变异(R2=0.04 vs 0.005)。2021 ESC 指南将生活方式作为预防基石,本研究支持这些建议并提示:相对差异随风险分层升高而下降,低危者生活方式占比更大,高危者可能还需药物治疗。与 Naito 等分析目标不同,本研究估计个体风险差异本身,基于临床常规可用特征而非基因型。优势包括大样本、长随访、四种互补因果方法、DML 个体化效应估计。局限包括观察性无法完全消除未测混杂、反事实不可验证、外部验证受限、横断面暴露、非意向减重、置信区间反映个体效应分布、未测社会经济饮食心理医疗可及、UK Biobank 不代表 UK 人群、二分类结局未删失、二分类暴露、未估计联合效应、10 年窗口、非欧洲 ancestry 复制需求。

结论翻译:在这项针对大型前瞻性队列的因果机器学习分析中,既往吸烟或从不吸烟、体重指数低于 30 kg/m2、以及中等或高体力活动,均与心血管风险的有意义差异相关。这些发现提供了额外证据,支持个体化估计以帮助心血管疾病预防中的共享决策对话。研究结果可通过免费工具(lifestyle-cvd.casefinding.com)获取。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号