来源：期刊VIP网 时间：
作者：王爱民;王凤琳;黄一铭;徐雅琪;张文婧;丛显铸;苏维强;王素珍;高梦瑶;李爽;孔雨佳;石福艳;陶恩学;
单位：山东第二医科大学公共卫生学院卫生统计学教研室;山东第二医科大学基础医学院;
摘要：目的：筛选影响心脑血管疾病发病的主要特征变量，基于排序前10位的特征变量构建心脑血管疾病发病风险贝叶斯网络模型，为心脑血管疾病发病风险预测提供参考。方法：从英国生物样本（UK Biobank）数据库中纳入315 896例参与者和相关变量，通过类别型特征提升（CatBoost）算法进行特征选择，将所有参与者按7∶3比例随机分为训练集和测试集，并基于最大最小爬山（MMHC）算法构建贝叶斯网络模型。结果：本研究中人群心脑血管疾病患病率为28.8%。CatBoost算法筛选的排名前10位变量分别为年龄、体质量指数（BMI）、低密度脂蛋白胆固醇（LDL-C）、总胆固醇（TC）、甘油三酯-葡萄糖（TyG）指数、家族史、载脂蛋白A/B比值、高密度脂蛋白胆固醇（HDL-C）、吸烟状态和性别。CatBoost训练集模型受试者工作特征（ROC）曲线下面积（AUC）为0.770，模型准确性为0.764；验证集模型AUC为0.759，模型准确性为0.763。临床效能分析，训练集阈值范围为0.06～0.85，验证集阈值范围为0.09～0.81。心脑血管疾病发病风险贝叶斯网络模型分析，年龄、性别、吸烟状态、家族史、BMI和载脂蛋白A/B比值与心脑血管疾病直接相关，是心脑血管疾病发生的重要风险因素，TyG指数、HDL-C、LDL-C和TC通过影响BMI和载脂蛋白A/B比值间接影响心脑血管疾病的发生风险。结论：控制BMI、载脂蛋白A/B比值和吸烟行为，可以降低心脑血管疾病的发病风险。贝叶斯网络模型可用于预测心脑血管疾病发病风险。
关键词：心脑血管疾病;;CatBoost算法;;贝叶斯网络;;风险推理
基金资助：国家自然科学基金项目（81803337,81872719,82003560）;; 国家统计局科研项目（2018LY79）;; 山东省科技厅自然科学基金项目（ZR2019MH034,ZR2020MH340,ZR2023MH313）;; 山东省教育厅高等学校青创人才引育计划项目（2019-6-156）;; 潍坊医学院博士启动基金项目（2017BSQD51）
