基于中西医双维特征构建老年高血压轻度认知障碍机器学习预测模型

摘要

目的 基于中西医双维特征，借助于机器学习技术构建老年高血压轻度认知障碍(MCI)预测模型。方法 收集分析2020年1月至2023年3月院内就诊的502例60岁以上原发性高血压患者数据，按照7∶3的比例随机划分为训练集和验证集，并将其分为认知障碍组(n=104)和认知正常组(n=398)。运用LASSO回归分析对临床指标数据降维分析，筛选出核心预测因子。采用logistic回归、XGBoost、AdaBoost、SVM、GNB及MLP 6种机器学习算法构建模型，绘制ROC曲线比较6种模型的AUC、准确度、敏感度、特异度及F1分数。SHAP模型揭示预测因子的特征重要性。结果 腰臀比、气郁质、年龄、总胆固醇、痰湿质、湿热质、气虚质和空腹血糖是老年高血压患者早期MCI的核心预测因子。XGBoost模型AUC、准确度、灵敏度、特异度、F1分数分别为0.938、0.885、0.846、0.896、0.755,均优于其他算法模型。结论 基于腰臀比、年龄、总胆固醇、气郁质、痰湿质、湿热质、气虚质和空腹血糖构建的XGBoost模型预测性能最优，可为临床老年高血压群体中MCI风险的早期辨识和诊治决策提供参考依据。

关键词

机器学习 / 高血压 / 认知障碍 / 中西医 / 治未病 / 预测模型 / XGBoost模型

基金资助

国家自然科学基金面上项目(82474422); 国家资助博士后研究人员计划(GZB20240036)