基于TyG指标的机器学习方法在动脉硬化进展评估中的应用

《Scientific Reports》：Machine learning evaluation of TyG-based metrics for arteriosclerosis progression

　　

摘要

胰岛素抵抗（IR）是动脉粥样硬化的显著风险因素。甘油三酯-葡萄糖（TyG）指数及其与肥胖相关的衍生指标（TyG-BMI、TyG-WC 和 TyG-WHtR）已被证实是可靠的胰岛素抵抗标志物。虽然糖尿病（作为胰岛素抵抗的后果）是动脉粥样硬化的首要风险因素，但需要注意的是，动脉粥样硬化可能在糖尿病发病之前就已经开始发展。因此，本研究利用机器学习来评估这些胰岛素抵抗指标的累积暴露与非糖尿病人群中动脉粥样硬化发生之间的关系。这项队列研究于2017年至2024年间在中国南方两家三级综合医院的健康管理部门招募了4,160名参与者，每位参与者的平均随访次数为3.49次。研究采用了多元线性回归模型和限制性三次样条函数来探讨甘油三酯指数及其肥胖修正指标的累积平均暴露与动脉粥样硬化进展之间的关联，并探索潜在的非线性关系。机器学习模型被用来评估甘油三酯指数及其衍生指标的累积平均暴露对动脉粥样硬化的预测价值。其性能通过接收者操作特征曲线下面积（AUC）、校准曲线和精确度-召回率曲线下面积（PR-AUC）在开发组和验证组中进行了评估。无论作为连续变量还是四分位数变量进行分析，甘油三酯指数及其TyG-WHtR的累积平均暴露都与动脉粥样硬化的进展存在显著关联（p?