Разработка и валидация модели прогнозирования кардиометаболической мультиморбидности у людей среднего и пожилого возраста

Кардиометаболическая мультиморбидность — распространённый синдром у людей среднего и пожилого возраста, который значительно снижает качество жизни и создаёт серьёзную нагрузку на систему здравоохранения Китая, обслуживающую стареющее население, и экономику. Для раннего вмешательства необходимо разрабатывать своевременные прогностические модели. Цель исследования — объединить многомерные данные Китайского лонгитюдного исследования здоровья и выхода на пенсию (CHARLS) и создать эффективную модель для оценки пятилетнего риска развития кардиометаболической мультиморбидности, которая позволит раньше выявлять жителей Китая из группы риска и принимать меры. Проанализированы данные обследований CHARLS за 2015–2020 годы, включавшие 5388 человек среднего и пожилого возраста, у которых на исходном этапе не было кардиометаболической мультиморбидности. Данные случайным образом разделили на обучающую (70%) и валидационную (30%) выборки. Основные прогностические факторы из 31 потенциальной переменной отобрали с помощью LASSO-регрессии с 10-кратной перекрёстной проверкой. Отобранные показатели прошли корреляционный анализ и были использованы для построения моделей экстремального градиентного бустинга (XGBoost) и логистической регрессии. Вклад переменных в модель XGBoost интерпретировали с помощью значений SHAP, а модель логистической регрессии представили в виде номограммы. Качество лучшей модели оценивали по ROC-кривым, калибровочным кривым и результатам анализа кривых принятия решений. С помощью LASSO-регрессии среди 31 исходной переменной отобрали значимые показатели. Корреляционный анализ позволил выделить девять основных прогностических факторов: систолическое артериальное давление, индекс массы тела, глюкоза крови натощак, общий холестерин, триглицериды, мочевая кислота, возраст, сопутствующие заболевания и боль. На валидационной выборке логистическая регрессионная модель показала более высокое и стабильное качество прогнозирования: площадь под ROC-кривой составила 0,732 (95% ДИ 0,703–0,761). Калибровочные кривые свидетельствовали о надёжности прогнозов, а анализ кривых принятия решений показал наличие клинической чистой пользы при различных порогах риска. В исследовании разработана и валидирована надёжная, применимая в клинической практике модель логистической регрессии с номограммой для оценки пятилетнего риска кардиометаболической мультиморбидности у жителей Китая среднего и пожилого возраста. Модель позволяет выявлять людей из группы высокого риска и может помочь в целенаправленном раннем вмешательстве и ведении пациентов, снижая связанное с этим состоянием бремя для здоровья и экономики.