目的基于中国健康与退休纵向研究(china health and retirement longitudinal study,CHARLS)数据库的资料,建立双感官障碍人群发生心血管疾病(cardiovascular disease,CVD)的预测模型。方法纳入来自CHARLS的2011年队列中≥45岁,发生双...目的基于中国健康与退休纵向研究(china health and retirement longitudinal study,CHARLS)数据库的资料,建立双感官障碍人群发生心血管疾病(cardiovascular disease,CVD)的预测模型。方法纳入来自CHARLS的2011年队列中≥45岁,发生双感官障碍且无CVD为基线人群,2013年、2015年、2018年及2020年随访的CVD情况作为结局变量。应用LASSO回归和Logistic回归筛选模型中最佳预测因子,构建预测模型。随后,将研究人群以75%到25%的比例随机分为训练集和验证集。通过ROC曲线、校准曲线和决策曲线分析评估预测性能。结果共纳入5866名双感官障碍参与者,CVD发生率为16%(938/5866)。Lasso回归和多因素Logistic回归筛选年龄、性别、睡眠时长、血脂异常、肾病、腰围、体质量指数(body mass index,BMI)和糖尿病作为预测因素构建预测模型,公式为:0.02740×年龄-0.05252×性别-0.07361×睡眠时长+0.15326×BMI-0.37205×血脂异常-0.05737×糖尿病-0.25230×肾病-0.01467×腰围。该模型的AUC值在训练集中为0.729,验证集中为0.692。结论本研究构建成功一个用于评估双感官障碍人群发生CVD的风险预测模型。展开更多
文摘目的基于中国健康与退休纵向研究(china health and retirement longitudinal study,CHARLS)数据库的资料,建立双感官障碍人群发生心血管疾病(cardiovascular disease,CVD)的预测模型。方法纳入来自CHARLS的2011年队列中≥45岁,发生双感官障碍且无CVD为基线人群,2013年、2015年、2018年及2020年随访的CVD情况作为结局变量。应用LASSO回归和Logistic回归筛选模型中最佳预测因子,构建预测模型。随后,将研究人群以75%到25%的比例随机分为训练集和验证集。通过ROC曲线、校准曲线和决策曲线分析评估预测性能。结果共纳入5866名双感官障碍参与者,CVD发生率为16%(938/5866)。Lasso回归和多因素Logistic回归筛选年龄、性别、睡眠时长、血脂异常、肾病、腰围、体质量指数(body mass index,BMI)和糖尿病作为预测因素构建预测模型,公式为:0.02740×年龄-0.05252×性别-0.07361×睡眠时长+0.15326×BMI-0.37205×血脂异常-0.05737×糖尿病-0.25230×肾病-0.01467×腰围。该模型的AUC值在训练集中为0.729,验证集中为0.692。结论本研究构建成功一个用于评估双感官障碍人群发生CVD的风险预测模型。
