《PLOS Digital Health》:Machine learning for risk stratification of hypertensive disorders of pregnancy: Enhancing clinical efficiency in low-resource antenatal care in Tanzania
编辑推荐:
坦桑尼亚的孕产妇死亡率仍是一项公共卫生危机,其中妊娠期高血压疾病(Hypertensive Disorders of Pregnancy, HDP)导致了34%的直接产科死亡。在超负荷运转的政府诊所中,庞大的患者数量和有限的资源往往使评估局限于单次血压测量检查
坦桑尼亚的孕产妇死亡率仍是一项公共卫生危机,其中妊娠期高血压疾病(Hypertensive Disorders of Pregnancy, HDP)导致了34%的直接产科死亡。在超负荷运转的政府诊所中,庞大的患者数量和有限的资源往往使评估局限于单次血压测量检查,导致漏诊。本研究探讨了机器学习(Machine Learning, ML)超越简单阈值检测而实现自动化风险分层的潜力,旨在优化患者流并为高风险个体优先配置临床资源。研究人员分析了2023–2024年间来自坦桑尼亚统一社区系统(Unified Community System, UCS)的337,027例常规记录。将多次就诊数据聚合为187,438例独特的客户记录。HDP依据标准临床阈值(血压BP ≥ 140/90 mmHg)定义。研究人员在平衡子集上训练了五种ML模型,并在超过120,000条记录的独立数据集上验证最优模型,以评估其作为分诊工具的效用。XGBoost为性能最佳模型,准确率达90.1%,受试者工作特征曲线下面积(AUC)为0.95。该模型保持100%的灵敏度,成功将12,603名客户分层为高风险类别,其中包括可能被传统检查忽视的个体。尽管精确度为14%(相当于每例真阳性对应6.3例假阳性),但这种高灵敏度筛查方法确保无一风险客户被遗漏,使医疗服务提供者能够将强化评估时间集中于最需要的对象。ML驱动的风险分层可通过在客户恶化至危急状态前识别高风险客户来转变拥挤的产前保健工作流程。通过自动化初步分诊,医疗机构可提升运营效率,并确保有限的专业人员时间用于最脆弱的患者。研究人员建议卫生部加强数字数据整合,以在常规初级保健中支持这些分层工具的部署。
本研究旨在探讨如何利用机器学习技术改善坦桑尼亚低资源环境下妊娠期高血压疾病的风险分层能力,以应对该国严峻的孕产妇健康挑战。
研究背景与问题:坦桑尼亚的孕产妇死亡率持续处于公共卫生危机水平,妊娠期高血压疾病约占直接产科死亡的34%。当前,该国的政府产前保健诊所面临患者数量庞大与医疗资源稀缺的双重压力,临床评估往往简化为单次血压测量,难以捕捉疾病的动态演变,导致大量高危病例被遗漏。尽管机器学习技术在孕产妇健康结局预测方面受到关注,且已有fullPIERS、PREP-S等临床风险预测工具在子痫前期不良结局中展现出良好性能,但现有研究多基于经过筛选的研究数据集,未能反映常规卫生管理信息系统(Health Management Information System, HMIS)中固有的数据质量问题,包括缺失值、测量不一致和记录漏洞等。鲜有模型利用低资源环境下的政府常规数据进行开发或验证。世界卫生组织倡导早期发现,坦桑尼亚政府已通过统一社区系统建立了远程数据收集的数字平台基础,但该系统数据潜力尚未充分挖掘,许多孕妇就诊次数不足,纸质备份依赖严重,阻碍了数据整合与群体层面分析。在此情境下,如何利用机器学习实现超越单次血压阈值检测的自动化风险分层,成为亟待解决的关键问题。
研究方法与技术路径:本研究采用回顾性队列设计,利用坦桑尼亚统一社区系统2020至2024年间23个地区的常规产前保健数据。研究对象为该系统记录的所有孕妇。数据处理方面,研究人员构建了结构化转换流程,包括数据类型转换、基于唯一事件标识符的重复记录删除、不合理生理值校正;采用数据扁平化策略,将多次就诊记录合并为单一客户记录,以分类变量末次记录值和连续变量均值代表,在保留超过半数人群的同时模拟临床单点接触的决策场景。特征选择采用多阶段混合方法,结合领域专家知识与数据可用性约束,通过Pearson相关、卡方检验和互信息评分进行统计筛选,再利用SHAP(SHapley Additive exPlanations)值和临床咨询确定最终模型变量,包括收缩压、舒张压、体重指数、血糖、蛋白尿、体温和梅毒状态七项指标。针对缺失数据,研究采用完整个案分析(listwise deletion),避免在非随机缺失(Missing Not At Random, MNAR)情境下引入偏倚。结局定义依据坦桑尼亚产前保健国家指南,以收缩压≥140 mmHg和(或)舒张压≥90 mmHg作为HDP标准;该算法标签因临床诊断字段漏报严重而采用基于血压测量的规则化方法。为处理将血压同时作为预测因子和结局组成部分导致的数据泄露问题,研究纳入多元化预测特征并在独立数据集验证,同时开展不一致案例分析。模型训练比较了K近邻、逻辑回归、支持向量机、随机森林和极端梯度提升(XGBoost)五种算法,采用5折交叉验证与超参数调优,以平衡子集训练并在自然患病率3.7%的验证集上评估;通过随机欠采样处理类别不平衡,刻意校准决策阈值以实现100%灵敏度优先于精确度,并运用Platt缩放进行概率校准,采用精确度-召回曲线和平均精确度评估模型性能。最终验证使用2024年4–5月120,232条独立记录。
研究结果:描述性分析显示,数据集包含337,027次产前保健就诊,扁平化后为187,438名客户,中位就诊次数仅为1次,仅43.4%有两次及以上记录,0.08%达到世界卫生组织推荐的最低8次就诊,凸显单点评估的临床现实。数据质量方面,诊断和实验室特征存在严重缺失:血糖缺失率76%、Rh因子72%、胎心率63%,而身高和孕周近乎完整。分析纳入的50,574条记录与排除的136,864条记录比较表明,排除主要源于资源约束和机构检测缺口而非健康状况差异,蛋白尿和血糖检测缺失尤为突出。
模型开发与验证:双变量分析确认收缩压(r=0.69)和舒张压(r=0.72)与HDP最强相关,蛋白尿和体重指数类别为最强非连续预测因子。XGBoost在交叉验证中表现最优(准确率99.91%,AUC=1.00),被选为最终模型。SHAP分析显示收缩压和舒张压为决策主导因素(平均SHAP值分别为+7.94和+7.62),体重指数和蛋白尿提供适度贡献,血糖、体温和梅毒状态保留以确保全面性分布于诊断可用的场景。独立验证集(N=120,232,自然患病率1.4%)上,模型准确率达90.95%(95%置信区间:90.8%–91.1%),AUC为0.95(95%置信区间:0.953–0.955),精确度为0.14,F1分数为0.24。采用100%灵敏度阈值策略后,模型成功识别全部1,725例真实HDP病例,阳性预测率为0.10,共标记12,615条记录供临床复核,特异度0.91。精确度-召回曲线显示平均精确度为0.169,较无技能基线提升12倍;Brier分数为0.08,校准图显示系统性过度预测风险倾向,系"安全第一"阈值策略的有意结果。
不一致案例分析:对10,878例假阳性的分析揭示其并非随机错误,而是具有显著升高的生理标志物群体——平均收缩压136.5 mmHg、舒张压84.2 mmHg,显著高于真阴性群体的114.4/69.5 mmHg(p<0.001),同时体重指数、蛋白尿和梅毒状态也显示显著关联。这表明模型能够识别"亚临床"高风险群体,即尚未达到140/90 mmHg诊断阈值但生理 profile 提示需密切监测的个体。
讨论与意义:本研究为概念验证性工作,表明常规统一社区系统产前保健数据可驱动机器学习分诊,实现近乎零遗漏的高灵敏度筛查,有望改善拥挤诊所中的优先级排序,将稀缺专家时间导向最脆弱患者。研究同时揭示了从单次血压阈值检测向自动化、数据驱动风险分层转变的可行性路径。然而,14%的精确度意味着每例真阳性伴随约6.3例假阳性,在高就诊量诊所可能造成临床工作负荷增加、患者焦虑及警报疲劳等操作成本。
研究承认若干关键局限:非随机缺失导致的选择性偏倚可能排除临床重要亚群,使最急性脆弱女性在训练数据中代表性不足;依赖常规血压记录而非标准化结局判定;有限的时间深度阻碍序列或时序建模;假阳性工作负荷估算需真实世界试点验证;坦桑尼亚各地设施基础设施和人员配置的异质性也将影响实施可行性。此外,模型性能指标须严格解读:高AUC和高灵敏度反映的是对血压定义近端结局的筛查能力,而非未来疾病的预测;其最佳定位是相对风险排序(分诊)而非精确绝对风险估计。
为缓解假阳性负担,研究建议实施分层策略:输出低/中/高三级风险以优先处理最高危亚群;将其嵌入本地工作流程,如当日护士复核、诊所内血压复测协议或低阈值确认检查而非自动转诊专科;利用标记触发针对性咨询、自我监测和加速随访;随标记结局积累进行持续本地再校准;构建自动化分诊与简短诊所内确认步骤相结合的混合工作流。上述缓解措施均需前瞻性试点研究,包括时间动作分析、成本效益和可接受性评估,以量化灵敏度提升的净临床收益是否超过操作成本。
研究结论:本研究证实,利用坦桑尼亚统一社区系统常规产前保健数据,机器学习驱动的风险分层可实现妊娠期高血压疾病的高灵敏度筛查,将12,603名客户正确分层为高风险,确保无高危个体遗漏,为拥挤的低资源产前保健环境提供了实用的分诊工具。研究人员建议卫生部投资于更强大的数字数据整合、针对性数据质量干预,以及分阶段试点部署,以在实际临床影响、资源影响和公平性方面进行评估后再行推广。加强数字健康基础设施、提升前线数字化能力(平板电脑、嵌入式表格)和工作人员培训,同时进行算法的持续本地再校准和监测,是将此概念验证转化为临床实践的关键下一步。