论文部分内容阅读
目的： 本研究旨在使用较大样本农村队列，构建并评价不同算法的6年高血压发病风险预测模型，为农村人群中高血压高危人群的筛选及干预提供科学依据。 方法： 资料来源于河南省某农村6年随访的队列研究，以整群抽样法于2007-2008年实施基线调查，2013-2014年完成随访，采用问卷调查、体格检查和血样标本收集数据，最终纳入8319名35-74岁研究对象，将研究对象按照乡镇分为建模队列（4796人）和验证队列（3523人）。 在建模队列中，采用单因素Cox回归筛选高血压预测因子，建立分性别的多因素Cox回归、人工神经网络（Artificial Neural Network,ANN）、朴素贝叶斯分类器（Naive Bayes Classifier,NBC）和分类回归树（Classification and Regression Tree,CART）高血压预测模型，在验证队列中评价模型的区分度和校准度。模型的内部验证采用10×10交叉验证，区分度和校准度分别用受试者工作曲线下面积（Area Under theReceiver Operating Characteristic Curve,AUC）和modified Nam-D’Agostinoχ2评价。 结果： 1.在6年随访内，建模队列中男、女分别发生432例和604例高血压，发病密度分别为40.3964例/1000人年和35.3113例/1000人年；验证队列中，男、女高血压发病377例和442例，发病密度分别为40.3856例/1000人年和37.1054例/1000人年。 2.男性中建立Cox回归模型（Men model1,M1）、ANN、NBC和CART4个模型，M1模型的预测效能最佳，纳入年龄、收缩压(Systolic Blood Pressure,SBP)、舒张压(Diastolic Blood Pressure,DBP)、高血压家族史、腰围(Waist Circumference, WC)、年龄与WC交互项和年龄与DBP交互项，其β系数分别为：0.2650、0.0554、0.1300、0.3441、0.0626、-0.0011和-0.0019，M1模型在验证队列中的AUC为0.771(95％ Confidence Interval,95%CI:0.750,0.791)，校准度χ2=6.3057，P=0.7090。 3.女性中建立Cox回归模型W1（Women model1）和W2（Women model2）、ANN、NBC和CART5个模型，其中W1、W2和ANN模型的预测效能最好， W1模型纳入年龄、SBP、DBP、WC、水果蔬菜摄入情况、高血压家族史、年龄与WC交互项和年龄与DBP交互项，其β值分别为0.3430、0.0525、0.1956、0.0807、-0.1345、0.2189、-0.0013和-0.0026，W2模型在W1模型的基础上增加了高密度脂蛋白，其β分别为0.3413、0.0525、0.1943、0.0799、-0.1356、0.2094、-0.0014、-0.0026和-0.2807，ANN模型纳入SBP、DBP、年龄、高血压家族史、体质指数。W1、W2和ANN模型在验证队列的AUC分别为0.765(95%CI:0.746,0.783)、0.764(95%CI:0.746,0.783)和0.756(95%CI:737,0.775)，其校准度χ2分别为6.7832(P=0.1135)、7.4046(P=0.1160)和4.7447(P=0.3145)。 结论： 1.预测农村人群6年高血压发病风险，男性中Cox回归模型优于ANN、NBC、CART模型，女性中Cox回归和ANN模型优于NBC和CART模型。 2.男性中M1模型和女性中W1和ANN模型具有较好的预测效能，推荐用于预测农村人群6年高血压发病风险。