山东大学学报(医学版)

作者：张伯韬,仉率杰,孙爽爽,袁莹,胡锡峰,贾晓峰,于媛媛,薛付忠

单位：1.山东大学齐鲁医学院公共卫生学院生物统计学系, 山东 济南 250012;2.山东大学齐鲁医学院公共卫生学院健康医疗大数据研究院, 山东 济南 250003;3.山东大学齐鲁医院, 山东 济南 250012;4.博兴县卫生健康保障中心网络信息办, 山东 滨州 256500;5.山东大学数据科学研究院, 山东 济南 250100

关键词：电子健康记录,贝叶斯网络,Logistic回归,缺血性脑卒中,筛查模型,

基金：国家自然科学基金重点项目(82330108);国家自然科学基金面上项目(82173625);山东省重点研发计划项目(2021SFGC0504);中国博士后科学基金面上资助(2022M721921);山东省自然科学基金青年基金项目(ZR2023QH236)

目的 依托大规模电子健康记录,结合贝叶斯网络不确定性推理的优势,构建缺血性脑卒中筛查模型。 方法 筛查模型开发队列来自于齐鲁全生命周期电子研究型数据库(Cheeloo Lifespan Electronic Health Research Data-library, Cheeloo LEAD),按照7∶3比例分为训练集与测试集;外部验证队列来自国家健康医疗大数据研究院博兴合作中心数据库(博兴数据库)。采用单因素Logistic回归分析筛选与缺血性脑卒中发病显著相关的筛查因子,随后采用贝叶斯网络模型对筛查因子建模,利用禁忌搜索算法进行结构学习,利用贝叶斯估计算法进行参数学习,最终得到缺血性脑卒中筛查模型。从判别能力、校准能力两方面评价模型性能,并比较其与传统Logistic回归模型在缺血性脑卒中筛查中的表现。 结果 开发队列共1 067 609例,31 019例患缺血性脑卒中;外部验证队列共386 773例,13 393例患缺血性脑卒中。经过单因素筛选得到67个筛查因子,最终构建的贝叶斯网络模型包括68个节点,440条有向边,其中缺血性脑卒中节点的父节点包括年龄、高血压病、缺血性心脏病、慢性下呼吸道疾病、其他脑血管病、发作性和阵发性疾患,累及认知、知觉、情绪状态和行为的症状和体征,训练集、测试集和外部验证队列的AUC分别为0.840(95%CI:0.838~0.843)、0.839(95%CI:0.836~0.843)和0.811(95%CI:0.808~0.814),模型的判别能力良好,并且校准能力仍旧表现较好。本研究构建的筛查模型在缺失数据下的表现仍优于传统的Logistic回归模型。 结论 基于贝叶斯网络不确定性推理的优势,本研究成功构建了缺血性脑卒中筛查模型;模型具有较好的判别、校准能力,为早期缺血性脑卒中筛查提供了便捷、高效的方法。

来源：2024年第11期

《山东大学学报(医学版)》期刊编辑部

查看山东大学学报(医学版)杂志2024年第11期