《PLOS One》:Classification of pre-metabolic syndrome and metabolic syndrome using machine learning and routine clinical variables in Thai adults
编辑推荐:
背景:代谢综合征(Metabolic syndrome,MetS)与代谢综合征前期(pre-metabolic syndrome,pre-MetS)在亚洲人群中被日益认为是代谢功能障碍的重要阶段。传统诊断方法依赖于固定阈值标准,而代谢功能障碍则沿连续谱系发生。
背景:代谢综合征(Metabolic syndrome,MetS)与代谢综合征前期(pre-metabolic syndrome,pre-MetS)在亚洲人群中被日益认为是代谢功能障碍的重要阶段。传统诊断方法依赖于固定阈值标准,而代谢功能障碍则沿连续谱系发生。机器学习(Machine learning,ML)能够整合多维临床数据并建模临床变量间的非线性关系,可能为区分代谢状态提供补充信息。本研究评估了十种机器学习算法在泰国成人中区分代谢综合征前期与代谢综合征的能力,并识别出对基于模型的分类贡献最强的特征。
方法:本单中心回顾性横断面研究纳入657名泰国成人,被分类为代谢综合征前期(n=359)或代谢综合征(n=298)。代谢综合征前期被操作性定义为存在至少一项国际糖尿病联盟(International Diabetes Federation,IDF)定义的代谢异常但未完全满足IDF代谢综合征诊断标准。采用Boruta算法筛选出的24项临床和生化特征,在十种监督式机器学习算法中进行评估。模型使用80%训练数据集进行训练,并采用重复10折交叉验证(10次重复)进行超参数调优,随后使用独立20%留出测试数据集(n=132)进行评估。所有预处理步骤,包括z-score标准化和特征选择,均仅在训练数据集内执行以防止数据泄漏。
结果:在评估的十种算法中,集成方法取得了最高的分类性能。XGBoost展现出最高的判别能力(AUC=0.986,95% CI:0.970–0.997)、最高的准确率(0.932,95% CI:0.885–0.969)和最低的Brier评分(0.050,95% CI:0.026–0.080),其次为神经网络(AUC=0.948,95% CI:0.906–0.983)和随机森林(AUC=0.942,95% CI:0.905–0.974)。SHAP分析识别出收缩压、腰围、空腹血糖、性别和TyG-WHtR为对XGBoost分类贡献最强的特征。敏感性分析显示,在排除与MetS诊断组分重叠的预测因子及相关衍生指标后,判别能力逐步降低,但在去除这些重叠特征后仍保留了可观的判别能力。
结论:在评估的十种算法中,分类性能在不同模型间差异显著,XGBoost取得最高性能,而支持向量机模型显示出最低的判别能力。这些发现表明,算法选择可能影响代谢分类任务的分类性能。然而,由于若干有影响力的预测因子与MetS诊断标准重叠或由其衍生而来,且研究缺乏外部验证,观察到的性能应谨慎解读。因此,这些发现属于探索性结果,需要在多中心队列中使用尽可能减少与诊断定义重叠的预测因子集进行验证后,方可考虑临床实施。
一、研究背景与意义
代谢相关疾病,包括2型糖尿病(type 2 diabetes mellitus,T2DM)和代谢综合征(metabolic syndrome,MetS),构成了全球重大健康负担,显著增加心血管疾病和糖尿病并发症风险。在亚洲人群中,代谢综合征的负担尤为突出。泰国第四次国家健康检查调查数据显示,20岁及以上泰国成人中MetS患病率达23.2%,男性为19.5%,女性为26.8%。另一项全国代表性研究报道,根据IDF标准,35岁及以上泰国成人年龄标准化MetS患病率为24.0%,而采用NCEP-ATP III标准时升至32.6%。
代谢综合征的病理过程往往随时间逐渐累积,而非同时出现。在完全满足MetS诊断标准之前,个体可能表现出中间代谢状态,即存在部分但非全部代谢异常。这一过渡状态被称为代谢综合征前期(pre-MetS),可能代表代谢功能障碍的早期阶段,也是预防性干预的潜在机会窗口。本研究将pre-MetS操作性定义为存在至少一项IDF定义的代谢异常但未完全满足IDF诊断标准,且不要求中心性肥胖。
传统MetS诊断依赖基于阈值的标准,如IDF标准,对腰围、血压、血糖、甘油三酯和HDL-C设定固定切点。然而,代谢功能障碍存在于生物学连续谱上,而阈值定义将个体划分为离散类别,可能导致相似代谢特征的个体因是否超过特定诊断切点而被不同分类。此外,传统标准未量化代谢变量间的相对贡献或潜在交互作用,难以充分反映代谢功能障碍的多维性。
机器学习(machine learning,ML)提供了一种补充分析方法,能够同时整合大量人口学、人体测量学和生化变量,识别复杂的非线性关系和特征间交互作用。本研究的目的并非取代既定IDF诊断标准,而是评估ML作为分类和表征现有代谢状态的工具,探究常规临床变量如何共同区分pre-MetS与MetS个体。与既往主要聚焦于区分MetS与健康个体的研究不同,本研究专门评估pre-MetS与MetS之间的分类,这是代谢功能障碍谱系中更具临床挑战性的区分任务。
二、研究设计与方法
本研究为单中心回顾性横断面研究,纳入2021年1月至2022年12月期间在泰国那空那育府诗琳通公主玛哈扎克里殿下医疗中心门诊就诊的成人。经筛选,720名个体中63人因生化数据不完整(n=41)或人体测量数据不完整(n=22)被排除,最终657人纳入分析,其中pre-MetS组359人,MetS组298人。
研究采用操作性分类算法,基于针对亚洲人群的IDF标准。MetS定义为中心性肥胖(男性腰围≥90 cm,女性≥80 cm)加上以下至少两项:甘油三酯(TG)≥150 mg/dL;高密度脂蛋白胆固醇(HDL-C)<40 mg/dL(男性)或<50 mg/dL(女性);收缩压≥130 mmHg或舒张压≥85 mmHg;空腹血糖(FPG)≥100 mg/dL或既往诊断为2型糖尿病。由于回顾性数据库中缺乏详细用药记录,MetS分类基于实测人体测量、临床和生化参数及电子病历中记录的T2DM诊断。
数据采集包括标准化方案下的人体测量(身高、体重、体脂百分比、内脏脂肪、腰围、BMI、腰高比)、血流动力学测量(收缩压和舒张压)、生化测量(FPG、TG、总胆固醇、LDL-C、HDL-C、HbA1c、胰岛素、尿酸)及衍生代谢指标(HOMA-IR、HOMA-β、TyG及其衍生指数、TG/HDL比值、METS-IR)。
分析流程包括:数据预处理(z-score标准化,标准化参数仅从训练集估计)、数据集划分(80%训练集n=525,20%独立测试集n=132,分层随机抽样,固定随机种子42)、Boruta特征选择(27个候选变量中24个被确认为重要特征,LDL-C、总胆固醇和尿酸被拒绝)、十种机器学习算法开发(逻辑回归、朴素贝叶斯、决策树、k近邻、线性SVM、RBF SVM、随机森林、XGBoost、神经网络、高斯过程)、超参数优化(网格搜索结合重复10折交叉验证,以交叉验证AUC最高为选择标准)、模型评估(独立测试集上评估准确率、灵敏度、特异度、PPV、NPV、F1-score、AUC和Brier评分,95%置信区间通过1000次bootstrap重采样估计)、SHAP特征重要性分析及三项敏感性分析(逐步排除与MetS诊断组分重叠的变量)。
三、研究结果
- 1.
研究人群与基线特征
657名参与者中,pre-MetS组359人(54.6%),MetS组298人(45.4%)。总体队列中位年龄61.0岁(IQR 52.0–68.0),女性占63.9%。MetS组在BMI、腰围、腰高比、内脏脂肪、收缩压、空腹血糖、HbA1c、甘油三酯、空腹胰岛素、HOMA-IR、TyG衍生指数和METS-IR方面均显著高于pre-MetS组,而HDL-C显著较低(均p<0.001)。标准化效应量(Cohen's d)从中等至极大,最大差异见于内脏脂肪(d=1.82)、空腹血糖(d=1.55)、腰围(d=1.25)和TyG-WHtR(d=1.22)。
- 2.
训练与测试数据集平衡
经分层随机抽样后,525人(80%)分配至训练集,132人(20%)分配至独立测试集。两组在年龄、性别分布、BMI、腰围、收缩压、舒张压、空腹血糖、甘油三酯、HDL-C及MetS患病率方面均无统计学显著差异,表明分层抽样成功保持了人口学和代谢特征的分布。
- 3.
Boruta特征选择
27个候选变量经Boruta算法评估,24个被确认为重要并保留用于模型开发,LDL-C、总胆固醇和尿酸因重要性评分未超过对应影子特征而被拒绝。
- 4.
机器学习分类性能
十种算法的AUC范围为0.804至0.986,Brier评分范围为0.050至0.204,表明判别能力和校准性能存在显著差异。树基集成方法一致取得最高整体性能,而支持向量机和朴素贝叶斯模型判别能力较低且校准较差。XGBoost取得最高分类性能:准确率0.932(95% CI:0.885–0.969)、特异度0.973(95% CI:0.930–1.000)、阳性预测值0.965(95% CI:0.906–1.000)、F1-score 0.921(95% CI:0.864–0.967)、AUC 0.986(95% CI:0.970–0.997),Brier评分0.050(95% CI:0.026–0.080)。XGBoost校准分析显示校准截距0.71(95% CI:?0.02至1.39),校准斜率1.30(95% CI:1.01–2.41)。
- 5.
特征重要性
SHAP分析识别出收缩压(SBP)为最终XGBoost模型中最有影响力的预测因子,其次为空腹血糖(FPG)、腰围(WC)、性别和TyG-WHtR。其他有影响力的特征包括HDL-C、TyG-WC、甘油三酯(TG)、TG/HDL-C比值和腰高比(WHtR)。SBP、FPG和WC的平均绝对SHAP值最高,表明这些变量对模型分类贡献最强。
- 6.
敏感性分析
主要分析(24个特征):AUC 0.986,准确率0.932,Brier评分0.050。敏感性分析1(排除TyG-WC、TyG-WHtR和METS-IR,保留21个特征):AUC降至0.912,准确率0.847,Brier评分0.094。敏感性分析2(排除所有IDF定义直接变量及相关衍生指数,保留12个非诊断特征):AUC降至0.875,准确率0.792,Brier评分0.142。敏感性分析3(额外排除WHtR,保留11个特征):AUC降至0.861,准确率0.776,Brier评分0.158。分类性能随诊断相关变量逐步排除而渐进下降,但最严格分析仍保留可接受的判别能力,表明非诊断性临床和代谢特征继续对代谢状态分类做出贡献。
四、讨论与结论
讨论部分的核心发现是:XGBoost在十种算法中取得最高分类性能,表明树基集成方法可能特别适合建模代谢功能障碍中临床和代谢变量间复杂且潜在非线性的交互关系。然而,研究强调诊断循环性(diagnostic circularity)是解读模型性能的最重要考量。多个预测因子直接定义IDF标准中的MetS,包括WC、FPG、TG、HDL-C、SBP和DBP,衍生指数如TyG-WC、TyG-WHtR、TG/HDL-C比值和METS-IR也包含这些变量。因此,部分观察到的判别能力可能反映了诊断规则的重构,而非识别出完全独立的代谢特征。SHAP分析支持这一解释:SBP、WC和FPG是最有影响力的特征,十个最重要变量中有九个是直接IDF诊断组分或由这些组分衍生的指数。
敏感性分析定量评估了诊断循环性的潜在影响:排除重叠衍生指数后AUC从0.986降至0.912;进一步排除所有IDF定义直接变量及相关衍生指数后降至0.875;额外排除WHtR后降至0.861,Brier评分从0.050升至0.158。然而,在排除所有MetS诊断组分、相关衍生指数和WHtR后仍保持AUC 0.861,表明判别能力并非完全依赖与IDF诊断标准直接相关的变量,剩余的常规人体测量、生化和代谢变量为区分pre-MetS与MetS提供了额外信息。
研究结论指出:在泰国成人的单中心队列中,机器学习模型特别是XGBoost,利用常规可获得的临床和生化变量,在独立留出测试集上展现出区分现有pre-MetS与MetS的高分类性能。模型旨在分类当前代谢状态而非预测未来疾病进展。SHAP分析识别出SBP、FPG、WC、性别、TyG-WHtR、HDL-C、TyG-WC、TG、TG/HDL-C比值和WHtR为最有影响力的特征,但需谨慎解读,因为若干有影响力特征是IDF诊断标准的组分或由其中变量衍生而来。部分观察到的分类性能可能反映与结局定义的重叠而非完全独立的代谢特征,敏感性分析中判别能力降低支持这一观点。这些发现应视为探索性结果,需要外部验证。单中心设计可能限制研究结果向其他医疗环境和人群的推广性。在临床实施前,需要进行多中心前瞻性研究,采用最小化与诊断标准重叠的预测因子集、全面的用药数据、外部验证、校准评估和决策曲线分析。