基于纵向体检数据的肌少症预测研究

目的 肌少症是老年群体的常发疾病,高效地识别肌少症是保障老年群体健康的重要手段.方法 基于上海市某医院共计2 544例被试者,根据2013-2019年选取纵向体检数据,结合年度指标的差值作为特征,构建不同的机器学习模型对老年人肌少症风险进行预测,并使用决策曲线分析,为临床决策者提供参考.结果 预测模型结果显示,基于Light Gradient Boosting Machine(LightGBM)模型的预测准确率较高,受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)达到 0.913 4.决策曲线分析(decision curve analysis,DCA)表明,阈概率(判定肌少症的阈值)在0.01～0.42和0.84～0.92内,LightGBM模型的净收益较大;阈概率在0.42～0.50和0.60～0.67内,随机森林(random forest,RF)模型净收益较大;阈概率在0.50～0.60和0.67～0.84内,逻辑回归(logistic regression,LR)模型净收益较大.结论 基于纵向体检数据和机器学习方法建立的预测模型可以有效地预测老年人未来肌少症的患病风险,对肌少症的早期诊断和干预具有重要价值.