因果贝叶斯网络学习：在老年人咀嚼功能与冠心病的因果分析中的应用

《BMC Medical Informatics and Decision Making》：Causal Bayesian network learning: application to the causal analysis of masticatory function and coronary heart disease in older adults

　　

摘要

背景

冠心病（CHD）是全球主要的死亡原因之一，其与多种风险因素之间存在明确的关联。最新研究表明，咀嚼功能受损与冠心病之间存在关联，但这种关系的因果性质仍不清楚。

方法

为了研究咀嚼功能与冠心病之间的因果关系，我们提出了一种新颖的混合方法，该方法结合了基于约束和基于评分的方法，从观察数据中学习因果贝叶斯网络（CBN）结构。所提出的方法与PC、TAN、朴素贝叶斯、Chow-Liu和HillClimb算法进行了比较，评估指标包括BIC、K2、BDeu和BDs分数。这项横断面研究于2023年1月至5月在中国上海进行。数据通过结构化问卷收集，共获得了179,141名个体的样本。分析中选取了10,817名健康个体（无任何慢性疾病）和3,382名冠心病患者。CBN建模中包含了15个变量，涵盖了社会人口统计学、功能、认知和健康相关方面，以捕捉相关的混杂因素和中介变量。

结果

所提出的方法在保持模型可解释性的同时，表现优于几种基线算法。学习到的CBN模型确定年龄、运动功能、医学性便秘和睡眠是冠心病的直接原因。研究发现，咀嚼功能通过其对运动功能和医学性便秘的影响间接影响冠心病。概率推断表明，睡眠、肌肉力量、认知功能和教育水平是关键的混杂因素，且其混杂影响程度逐渐降低。使用do-calculus进行的因果推断显示，在调整混杂因素影响后，异常咀嚼功能使冠心病风险增加了23个百分点，而未调整时这一比例为39个百分点。

结论

这种混合CBN方法有效地揭示了可解释的因果路径，强调了口腔健康在心血管风险中的作用，并展示了因果模型在制定公共卫生策略中的实用性。