4.9/Q1，Charls最新文章解读！

 文章题目：The role of non-high-density lipoprotein cholesterol to high-density lipoprotein cholesterol ratio (nhhr) in prediabetes progression and the mediating effect of BMI: a longitudinal study in China

DOI：10.1016/j.jad.2025.02.063

中文标题：基于机器学习的 COPD 患者抑郁风险在线预测模型：CHARLS 的一项回顾性队列研究

发表杂志：J Affect Disord

影响因子：1区，IF=4.9

发表时间：2025年2月

今天给大家分享一篇在 2025年2月发表在《J Affect Disord》（1区，IF=4.9）的文章。本研究旨在开发一个在线预测模型来评估 COPD 患者的抑郁症风险。

研究方法：本研究纳入了 2018 年中国健康与养老纵向研究 (CHARLS) 中的 2921 名 COPD 患者，分析了 36 项行为、健康、心理和社会人口统计指标。LASSO 回归筛选了预测因素，并应用了六种机器学习模型（逻辑回归、支持向量机、多层感知器、LightGBM、XGBoost 和随机森林）来确定预测 COPD 患者抑郁风险的最佳模型。时间验证使用了 2013 年 CHARLS 数据。我们使用 SHAP 开发了一个个性化、可解释的风险预测平台。

Table&Figure

结果解读：共纳入2921例COPD患者，其中1451例（49.7%）患者有抑郁症状。选取11个变量建立6个机器学习模型，其中XGBoost模型在判别力、校准性和临床适用性方面表现出良好的预测性能，AUROC范围为0.747~0.811。在涵盖多种人群特征的验证集中，XGBoost的准确率（70.63%）、灵敏度（59.05%）和F1得分（63.17%）最高。

结论：我们开发了一个用于临床的在线预测平台，使医疗保健专业人员能够快速有效地评估 COPD 患者的抑郁症风险，从而及时进行干预和治疗。 

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！