针对中国抑郁症患者消化道疾病的风险预测模型的开发与验证

本研究基于2011和2015年中国健康与退休追踪调查（CHARLS）数据，利用XGBoost、LASSO回归和多元Logistic回归筛选出溃疡病、血红蛋白浓度、睡眠质量等10项独立预后因素，构建了Nomogram预测模型。经ROC曲线（AUC=0.678）、校准曲线及决策曲线分析验证，该模型在训练集、内效验集和外部效验集均表现稳定，临床净获益显著，可有效辅助抑郁症患者消化道疾病风险分层及精准预防。

　　

摘要

研究目的

开发并验证一种用于预测抑郁症患者消化道疾病风险的模型，以便早期识别高风险人群并指导个性化的预防干预措施。

研究方法

本研究使用了2011年和2015年中国健康与退休纵向研究（CHARLS）的数据。2011年数据集中的抑郁症患者被随机分为训练组（70%）和验证组（30%）。通过极端梯度提升（XGBoost）、最小绝对值收缩与选择算法（LASSO）回归以及多元逻辑回归方法识别出独立的预后因素。基于这些预测因素构建了一个诺模图模型，并使用接收者操作特征（ROC）曲线、校准曲线、决策曲线分析（DCA）和临床影响曲线（CIC）进行了评估。外部验证使用了2015年抑郁症患者的数据。

研究结果

本研究共纳入了2011年CHARLS中的4006名抑郁症患者，其中胃肠道疾病的患病率为31.4%。最终模型包含了尿常规（UA）、血红蛋白浓度（HCT）、睡眠质量、跑步或慢跑1公里的困难程度、高血压、胸痛、慢性肺病、心脏病、肾脏疾病以及关节炎或风湿病等指标。模型的曲线下面积（AUC）在训练集为0.678（95%置信区间：0.657–0.699），在内部验证中为0.651（95%置信区间：0.619–0.686），在外部验证中为0.693（95%置信区间：0.674–0.713）。ROC曲线表明该模型具有较好的预测准确性，校准曲线显示预测结果与实际结果之间高度一致。DCA和CIC分析也证实了该模型具有较高的临床效益。

结论

本研究开发的模型能够有效预测抑郁症患者发生胃肠道疾病的情况，可用于高风险人群的早期识别和针对性预防措施，从而降低胃肠道疾病的风险。

利益冲突

作者声明没有利益冲突。

数据可用性声明

支持本研究结果的数据可在中国健康与退休纵向研究网站 https://charls.pku.edu.cn/ 获取，参考编号为IRB00001052-11015。这些数据来源于公共领域的资源：中国健康与退休纵向研究网站 https://charls.pku.edu.cn/。