基于十二井穴生物电阻抗值构建冠心病患者抗血栓治疗出血风险预测模型

摘要：

目的 采用十二井穴生物电阻抗值构建冠心病患者抗血栓治疗出血风险预测模型并筛选模型最佳算法.方法 纳入经抗血栓治疗的冠心病患者1931例,入组时以患者自行报告出血事件作为阳性组,未报告出血事件为阴性组.分别检测两组患者十二井穴的电阻抗值并以此代表十二经脉电阻抗值,采用SHAP分析框架分别以LR、KNN、XGBoost三种机器学习算法进行拟合模型分析,根据SHAP分析结果选择三种算法中表现最优的模型进行下一步分析.分析最终选取的模型中各特征的权重与表现,取所有样本点的SHAP值计算均值并进行排序,以确定模型中权重最高即与出血事件关系最密切的经脉,同时基于同一模型对不同出血事件进行亚组分析.结果 1931例患者中阳性组176例,阴性组1755例.出血事件报告次数前三位分别是牙龈出血72次、皮下出血49次、鼻出血34次.两组患者的肺经、大肠经、胃经、心经、小肠经、肾经、心包经、三焦经、胆经井穴电阻抗值差异均有统计学意义(P＜0.05).三种算法中XGBoost算法表现最优,验证集曲线下面积(AUC)为0.728,测试集AUC为0.709,说明模型外部数据集中适用性较好,故选择该算法模型进行下一步分析.SHAP均值分析结果显示,排名前五位的小肠经(0.161)、大肠经(0.152)、肺经(0.088)、心包经(0.069)、心经(0.068)的电阻抗值差异在出血风险预测模型中的权重较高.对牙龈出血、皮下出血、鼻出血单一出血事件的亚组分析显示,在牙龈出血事件中大肠经SHAP均值(0.080)最高,在鼻出血事件中肺经SHAP均值(0.097)最高,在皮下出血事件中小肠经SHAP均值(0.162)最高.结论 基于十二井穴即十二经脉生物电阻抗值可构建冠心病患者抗血栓治疗出血风险预测模型,且预测模型以XGBoost算法表现最优,可提示鼻出血与肺经、牙龈出血与大肠经、皮下出血与小肠经关系密切.

关键词：冠心病、抗血栓治疗、出血事件、井穴、生物电阻抗、风险预测模型

所属期刊栏目：64

分类号：R765.23;R224;R541.4

资助基金：国家重点研发计划2016YFC1301400

在线出版日期：2023-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：710-715