3.4/Q2，Charls最新文章解读！

文章题目：A prediction study on the occurrence risk of heart disease in older hypertensive patients based on machine learning

DOI：10.1186/s12877-025-05679-1

中文标题：基于机器学习的老年高血压患者心脏病发生风险预测研究

发表杂志：BMC Geriatr

影响因子：2区，IF=3.4

发表时间：2025年1月

今天给大家分享一篇在 2025年1月发表在《BMC Geriatr》（2区，IF=3.4）的文章。本研究旨在构建老年高血压人群心脏病发生的预测模型，提供早期风险识别。

研究方法：共纳入中国健康与养老纵向研究中934名60岁以上的参与者，并进行了为期7年的随访（2011-2018年）。采用机器学习方法（逻辑回归、XGBoost、DNN）建立高血压患者心脏病风险预测模型。使用判别、校准和临床决策曲线综合评估模型性能。

Table&Figure

结果解读：对934例老年高血压患者进行7年随访，243例（26.03%）患心脏病。基线时合并血脂异常、慢性肺部疾病、关节炎或风湿性疾病的老年高血压患者未来患心脏病的风险更高。特征选择与原始变量集相比，显著提高了预测性能。逻辑回归、XGBoost和DNN的ROC-AUC分别为0.60（95%CI：0.53-0.68）、0.64（95%CI：0.57-0.71）和0.67（95%CI：0.60-0.73），逻辑回归达到最佳校准。随着阈值的增加，XGBoost表现出最明显的临床益处。

结论：机器学习可根据 CHARLS 队列数据有效识别老年高血压患者的心脏病风险。结果表明，患有合并血脂异常、慢性肺部疾病和关节炎或风湿病的老年高血压患者患心脏病的风险更高。这些信息有助于早期识别老年高血压患者未来心脏病的风险。 

大家在科研路上，可以借鉴这种研究方法，为自己的课题添砖加瓦。万层高楼平底起，一起加油呀！