農(nóng)村人群高血壓發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建.pdf

1、目的：
　　本研究旨在使用較大樣本農(nóng)村隊(duì)列，構(gòu)建并評(píng)價(jià)不同算法的6年高血壓發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型，為農(nóng)村人群中高血壓高危人群的篩選及干預(yù)提供科學(xué)依據(jù)。
　　方法：
　　資料來(lái)源于河南省某農(nóng)村6年隨訪的隊(duì)列研究，以整群抽樣法于2007-2008年實(shí)施基線調(diào)查，2013-2014年完成隨訪，采用問(wèn)卷調(diào)查、體格檢查和血樣標(biāo)本收集數(shù)據(jù)，最終納入8319名35-74歲研究對(duì)象，將研究對(duì)象按照鄉(xiāng)鎮(zhèn)分為建模隊(duì)列（4796人）和驗(yàn)證隊(duì)列（3

2、523人）。
　　在建模隊(duì)列中，采用單因素Cox回歸篩選高血壓預(yù)測(cè)因子，建立分性別的多因素Cox回歸、人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network,ANN）、樸素貝葉斯分類(lèi)器（Naive Bayes Classifier,NBC）和分類(lèi)回歸樹(shù)（Classification and Regression Tree,CART）高血壓預(yù)測(cè)模型，在驗(yàn)證隊(duì)列中評(píng)價(jià)模型的區(qū)分度和校準(zhǔn)度。模型的內(nèi)部驗(yàn)證采用10×10交叉驗(yàn)證

3、，區(qū)分度和校準(zhǔn)度分別用受試者工作曲線下面積（Area Under theReceiver Operating Characteristic Curve,AUC）和modified Nam-D’Agostinoχ2評(píng)價(jià)。
　　結(jié)果：
　　1.在6年隨訪內(nèi)，建模隊(duì)列中男、女分別發(fā)生432例和604例高血壓，發(fā)病密度分別為40.3964例/1000人年和35.3113例/1000人年；驗(yàn)證隊(duì)列中，男、女高血壓發(fā)病377例和442例

4、，發(fā)病密度分別為40.3856例/1000人年和37.1054例/1000人年。
　　2.男性中建立Cox回歸模型（Men model1,M1）、ANN、NBC和CART4個(gè)模型，M1模型的預(yù)測(cè)效能最佳，納入年齡、收縮壓(Systolic Blood Pressure,SBP)、舒張壓(Diastolic Blood Pressure,DBP)、高血壓家族史、腰圍(Waist Circumference, WC)、年齡與WC交互項(xiàng)

5、和年齡與DBP交互項(xiàng)，其β系數(shù)分別為：0.2650、0.0554、0.1300、0.3441、0.0626、-0.0011和-0.0019，M1模型在驗(yàn)證隊(duì)列中的AUC為0.771(95％ Confidence Interval,95%CI:0.750,0.791)，校準(zhǔn)度χ2=6.3057，P=0.7090。
　　3.女性中建立Cox回歸模型W1（Women model1）和W2（Women model2）、ANN、NBC和CA

6、RT5個(gè)模型，其中W1、W2和ANN模型的預(yù)測(cè)效能最好， W1模型納入年齡、SBP、DBP、WC、水果蔬菜攝入情況、高血壓家族史、年齡與WC交互項(xiàng)和年齡與DBP交互項(xiàng)，其β值分別為0.3430、0.0525、0.1956、0.0807、-0.1345、0.2189、-0.0013和-0.0026，W2模型在W1模型的基礎(chǔ)上增加了高密度脂蛋白，其β分別為0.3413、0.0525、0.1943、0.0799、-0.1356、0.2094、

7、-0.0014、-0.0026和-0.2807，ANN模型納入SBP、DBP、年齡、高血壓家族史、體質(zhì)指數(shù)。W1、W2和ANN模型在驗(yàn)證隊(duì)列的AUC分別為0.765(95%CI:0.746,0.783)、0.764(95%CI:0.746,0.783)和0.756(95%CI:737,0.775)，其校準(zhǔn)度χ2分別為6.7832(P=0.1135)、7.4046(P=0.1160)和4.7447(P=0.3145)。
　　結(jié)論：<