A machine learning model based on routine blood-derived indices for early arterial stiffness prediction in the community - PubMed
3 months ago
- #cardiovascular risk
- #arterial stiffness
- #machine learning
- 研究开发了一种利用常规血液指标预测早期动脉僵硬的机器学习模型。
- 动脉僵硬增加是心血管疾病的高危因素，需要早期识别。
- 2024年6月至12月期间，一项横断面研究纳入了2948名社区参与者。
- 分析了来自代谢、脂质和炎症领域的24项血液指标。
- LASSO回归和逻辑回归确定了动脉僵硬的九个独立危险因素。
- 随机森林模型和SHAP分析突出了年龄、血压和TyG-WHtR等关键预测因子。
- 列线图显示出极好的区分度（AUC = 0.877）和良好的校准性。
- 开发了一个基于网络的计算器用于个体化风险评估。
- TyG-WHtR成为动脉僵硬的关键独立预测因子。
- 该模型为早期社区动脉僵硬筛查提供了实用工具。