基于多种机器学习算法的维持性血液透析患者衰弱识别模型构建与验证——一项回顾性多中心横断面研究

《Annals of Medicine》:Construction and validation of an identification model for frailty in maintenance hemodialysis patients using multiple machine learning algorithms: a cross-sectional study of retrospectively collected data

【字体: 大 中 小 】 时间:2026年10月13日 来源:Annals of Medicine 4.9

编辑推荐:

  背景:衰弱对接受维持性血液透析(MHD)患者的生存和生活质量产生不利影响。该研究旨在开发一种临床多模态模型,以识别MHD患者中已存在的衰弱。方法:回顾性收集了来自四家三级甲等医院的626例MHD患者的临床数据,包括人口统计学特征、临床特征、实验室指标和体能评估

  
背景:衰弱对接受维持性血液透析(MHD)患者的生存和生活质量产生不利影响。该研究旨在开发一种临床多模态模型,以识别MHD患者中已存在的衰弱。方法:回顾性收集了来自四家三级甲等医院的626例MHD患者的临床数据,包括人口统计学特征、临床特征、实验室指标和体能评估。采用FRAIL量表评估衰弱状态。将来自无锡的502例患者分为训练集(n=352)和内部验证集(n=150),而来自盐城的124例患者构成外部验证集。采用最小绝对收缩和选择算子(LASSO)和Boruta进行特征选择。开发了十种机器学习模型,使用受试者工作特征曲线下面积(AUC)、校准度、Brier评分和决策曲线分析进行评估。采用SHAP进行模型解释。结果:衰弱患病率为48.6%。确定了六个预测因子:年龄、握力、合并症数量、Charlson合并症指数(CCI)、白蛋白和pro-B型钠尿肽(pro-BNP)。极限梯度提升(XGBoost)在外部验证中表现最佳(AUC=0.917,95% CI:0.867–0.967;准确率=0.847;灵敏度=0.850;特异度=0.844),且具有良好的校准度和临床净获益。Shapley加法解释(SHAP)确定pro-BNP为最有影响力的预测因子,并揭示了非线性关联和临床相关阈值。结论:可解释的XGBoost模型有效识别了MHD患者中已存在的衰弱,表现出强大的区分能力、校准度和临床适用性,可能支持系统性衰弱筛查和个体化评估。
维持性血液透析(MHD)是终末期肾病(ESRD)患者重要的肾脏替代治疗方式。随着全球人口老龄化及慢性肾脏病(CKD)患病率持续上升,接受MHD治疗的患者数量不断增长。该人群不仅承受肾功能丧失的直接后果,还面临多系统并发症与合并症的高负担,临床管理已从单纯追求透析充分性转向以患者为中心的整体健康管理。衰弱作为MHD患者突出的健康挑战,是由生理功能衰退、多病共存和应激抵抗下降共同构成的临床综合征。流行病学研究显示,透析患者衰弱患病率介于11.00%至59.57%,明显高于同龄社区老年人,且衰弱与合并症相互交织,形成独特的透析相关衰弱表型,进一步增加死亡风险、心血管事件发生率并降低生活质量。尽管既往已有研究尝试运用机器学习(ML)方法识别一般人群或其他疾病人群中的衰弱,但针对MHD患者中已存在衰弱的识别模型仍较缺乏,尤其是整合区域流行病学特征的多中心模型。为此,研究人员系统收集了来自江苏省无锡市和盐城市四家三级甲等医院的MHD患者临床数据,采用十种ML算法构建并验证了可解释的衰弱分类识别模型。

研究人员开展了一项多中心回顾性横断面研究,共纳入626例MHD患者,其中无锡三家医院(无锡市第二人民医院、江南大学附属医院、无锡市第五人民医院)502例,盐城市建湖县人民医院124例。采用FRAIL量表(总分≥3分判定衰弱)评估衰弱状态。将502例患者按7:3随机分为训练集(n=352)和内部验证集(n=150),盐城124例作为独立外部验证集。特征筛选采用最小绝对收缩和选择算子(LASSO)(λ=0.033,1-SE准则)和Boruta算法取交集,并结合逐步回归确定最终预测因子。建立逻辑回归、支持向量机(SVM)、K近邻(KNN)、决策树(DT)、XGBoost、朴素贝叶斯(NB)、线性判别分析(LDA)、梯度提升机(GBM)、弹性网络(EN)和多层感知器(MLP)十种ML模型。采用受试者工作特征曲线下面积(AUC)、校准曲线、Brier评分和决策曲线分析综合评估模型区分度、校准度和临床效用,并应用SHAP方法进行模型解释。统计分析使用SPSS 27.0、R 4.4.0和Python 3.12.5完成。

**研究对象基线特征**:626例患者中,训练集352例、内部验证集150例、外部验证集124例,整体衰弱患病率48.6%,三组间分布均衡(p>0.999)。pro-BNP、白蛋白、握力、年龄、CCI评分和合并症数量等关键变量在三组间差异无统计学意义(p>0.05),仅体质指数和甘油三酯等个别指标存在轻度差异(p<0.05),为评估模型跨临床场景的稳健性提供了适度异质性。

**变量选择与基线模型**:LASSO回归与Boruta算法联合筛选并经逐步回归确定年龄、握力、合并症数量、CCI评分、白蛋白和pro-BNP六个核心变量。多因素Logistic回归显示,白蛋白(OR=0.832)和握力(OR=0.879)与衰弱呈负相关,年龄(OR=1.078)、合并症数量(OR=1.591)、CCI评分(OR=1.415)和ln(pro-BNP)(OR=2.472)与衰弱呈正相关。方差膨胀因子(VIF)<1.14,表明模型不存在多重共线性。研究进一步构建静态列线图及在线动态评估系统,用于个体化衰弱状态评估。Hosmer-Lemeshow检验显示基线模型在三个数据集上拟合良好(p>0.05)。

**多模型性能比较**:XGBoost、GBM和MLP在训练集上表现优异(AUC>0.989,Brier<0.059)。外部验证集中,XGBoost的AUC为0.917(95%CI:0.867–0.967),与最优的KNN模型(AUC=0.920)无统计学差异(p=0.768),但XGBoost的准确率(0.847 vs. 0.831)、特异度(0.844 vs. 0.812)、阳性预测值(0.836 vs. 0.810)和F1值(0.843 vs. 0.829)均优于KNN,综合表现更为均衡。校准曲线显示XGBoost和GBM在三个数据集上接近理想对角线,决策曲线分析表明XGBoost在0.2–0.8阈值概率范围内产生最高净获益,最终被确定为最优模型。

**XGBoost模型性能与可解释性**:XGBoost在训练集上的灵敏度为0.959、特异度为0.934;外部验证集上灵敏度为0.850、特异度为0.844、准确率为0.847、阴性预测值为0.857、F1值为0.843。基于log转换特征的SHAP分析中,特征重要性依次为ln(pro-BNP)(0.871)、ln(年龄)(0.442)、ln(握力)(0.345)、ln(白蛋白)(0.257)、ln(CCI)(0.227)、ln(合并症数)(0.174)。蜂群图显示各特征对分类输出的贡献方向随取值区间而变化。依赖图揭示了特征与SHAP值之间的非线性关系,ln(pro-BNP)在中段范围出现更强的正向贡献,其余特征则呈现带转折点的复杂非线性模式而非简单单调关系。

**针对潜在预测-结局循环性的敏感性分析**:为排除FRAIL定义中疾病成分与合并症变量信息重叠的影响,研究分别排除合并症数量、CCI评分及两者后重新建模。外部验证集AUC由全模型的0.917分别降至0.904、0.902和0.891,校准表现仍可接受,表明模型性能并非主要由与FRAIL标准重叠的变量驱动。

讨论部分指出,MHD患者衰弱的病理生理基础具有其特殊性:尿毒症相关毒素蓄积可能加速细胞衰老并促进炎症与纤维化,年龄因素与尿毒症病理改变相互作用;握力下降与尿毒症肌少症密切相关,涉及肌肉蛋白合成减少与分解增强;合并症负担通过慢性炎症、代谢紊乱和神经内分泌激活耗竭生理储备;低白蛋白反映营养不良-炎症复合综合征并加重肌肉分解;升高的pro-BNP提示容量超负荷或亚临床心力衰竭,与CT影像中显示的心脏扩大、肺淤血和胸腔积液相互印证。XGBoost因其处理复杂非线性关系、稳健泛化能力及良好的可解释性而成为最优模型。研究的优势包括多中心大样本数据、十种算法系统比较、独立外部验证和SHAP可解释分析,并开发了在线平台支持临床筛查和患者自我评估。局限性包括回顾性设计带来的选择和信息偏倚、部分潜在混杂因素未完全采集、缺乏长期动态随访以及外部验证地理范围有限。透析时长识别价值有限可能源于幸存者偏倚及其与年龄、合并症负担的共线性。

研究结论:基于多中心队列和多模态临床数据,该研究构建并验证了一种基于XGBoost的新型模型,用于识别MHD患者中已存在的衰弱状态。该模型在独立外部验证集中表现出优秀的判别性能、稳健的校准度和显著的临床实用性。六项核心预测因子包括pro-BNP、年龄、握力、白蛋白、CCI评分和合并症数量。SHAP可解释性分析显示pro-BNP是与衰弱相关的最有影响力的特征,并揭示了关键变量与衰弱之间具有临床阈值效应的非线性关联。由该模型开发的在线动态列线图可为个体化衰弱评估提供便捷工具,通过早期识别已存在衰弱患者并促进针对性管理,该模型有望改善这一脆弱人群的个体化照护和临床决策。未来需开展前瞻性纵向研究,以评估模型对衰弱动态进展的监测能力。
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