RT - 
SR - Electronic
T1 - Методы машинного обучения в прогнозировании рисков 5-летней смертности (по данным исследования ЭССЕ-РФ в Приморском крае)
JF - Кардиоваскулярная терапия и профилактика
SP - 2023-01-16
DO - 10.15829/1728-8800-2022-2908
A1 - Невзорова, В. А.
A1 - Бродская, Т. А.
A1 - Шахгельдян, К. И.
A1 - Гельцер, Б. И
A1 - Костерин, В. В
A1 - Присеко, Л. Г.
YR - 2022
UL - https://www.cardiojournal.online/publication/3531
AB - Цель. Разработка и сравнительная оценка точности моделей прогнозирования риска смерти в течение 5 лет по данным исследования ЭССЕ-РФ (Эпидемиология сердечно-сосудистых заболеваний и их факторов риска в регионах Российской Федерации) в Приморском крае.Материал и методы. В исследование включено 2131 человек (1257 женщин и 874 мужчины) в возрасте 23-67 лет с медианой 47 лет, 95% доверительный интервал [46; 48]. Протокол исследования включал: измерение артериального давления (АД), частоты сердечных сокращений (ЧСС), окружности талии, бедер и их соотношение (СТБ). Биохимические показатели крови: общий холестерин (ХС), ХС липопротеинов низкой и высокой плотности, триглицериды, аполипопротеины АI и В, липопротеин(а), N-концевой фрагмент мозгового натрийуретического пропептида (NT-proNBP), D-димер, фибриноген, С-реактивный белок (СРБ), глюкоза, креатинин, мочевая кислота. Конечной точкой исследования был факт смерти от всех причин в течение 5 лет проспективного наблюдения (2013-2018гг). Группу умерших за этот период составили 42 (2%) человека, продолживших исследование — 2089 (98%). Для обработки и анализа данных применяли тесты χ2, Фишера и МаннаУитни, однофакторную логистическую регрессию (ЛР). Для построения прогностических моделей использовали методы машинного обучения (МО): многофакторную ЛР, вейбул-регрессию и стохастический градиентный бустинг.Результаты. Разработанные на основе методов МО прогностические модели с использованием в их структуре показателей возраста, пола, факта курения, систолического АД (САД) и уровня общего ХС имели более высокие метрики качества, чем шкала SCORE (Systematic Coronary Risk Evaluation). Включение в состав предикторов показателей СРБ, глюкозы, NT-proNBP и ЧСС повышало точность всех моделей с максимальным подъемом метрик качества в модели многофакторной ЛР. Тестирование предиктивного потенциала других факторов (СТБ, показатели липидного спектра, фибриноген, D-димер и др.) не улучшало качество прогнозирования. Анализ степени влияния отдельных предикторов на показатель смертности указывал на превалирующий вклад 5 факторов: возраста, уровней общего ХС, NT-proNBP, СРБ и глюкозы. Менее заметное влияние ассоциировалось с уровнем ЧСС, САД и курения, а вклад гендерной принадлежности был минимальный.Заключение. Применение современных методов МО повышает надежность прогностических моделей и обеспечивает более высокую эффективность риск-стратификации обследованных, особенно среди лиц с низким и умеренным риском смерти от болезней системы кровообращения.