基于心脑血管疾病发病风险预测的CatBoost算法和贝叶斯网络模型分析.pdf

第50卷第4期吉林大学学报（医学版）Vol.50No.4

10442024年7月JournalofJilinUniversity（MedicineEdition）Jul.2024

[文章编号]1671‐587X(2024)04‐1044‐11DOI：：10.13481/j.1671‐587X.202404019

基于心脑血管疾病发病风险预测的CatBoost算法和贝叶斯网络

模型分析

王爱民1,王凤琳1,黄一铭1,徐雅琪1,张文婧1,丛显铸1,苏维强1,王素珍1,高梦瑶1,李爽1,

孔雨佳1,石福艳1,陶恩学2

（1.山东第二医科大学公共卫生学院卫生统计学教研室，山东潍坊261053；2.山东第二医科大学基础

医学院，山东潍坊261053）

［［摘要］］目的目的：：筛选影响心脑血管疾病发病的主要特征变量，基于排序前10位的特征变量构建心

脑血管疾病发病风险贝叶斯网络模型，为心脑血管疾病发病风险预测提供参考。方法方法：：从英国生物样

本（UKBiobank）数据库中纳入315896例参与者和相关变量，通过类别型特征提升（CatBoost）算

法进行特征选择，将所有参与者按7∶3比例随机分为训练集和测试集，并基于最大最小爬山

（MMHC）算法构建贝叶斯网络模型。结果结果：：本研究中人群心脑血管疾病患病率为28.8%。CatBoost

算法筛选的排名前10位变量分别为年龄、体质量指数（BMI）、低密度脂蛋白胆固醇（LDL-C）、总胆固

醇（TC）、甘油三酯-葡萄糖（TyG）指数、家族史、载脂蛋白A/B比值、高密度脂蛋白胆固醇（HDL-C）、

吸烟状态和性别。CatBoost训练集模型受试者工作特征（ROC）曲线下面积（AUC）为0.770，模型

准确性为0.764；验证集模型AUC为0.759，模型准确性为0.763。临床效能分析，训练集阈值范围

为0.06~0.85，验证集阈值范围为0.09~0.81。心脑血管疾病发病风险贝叶斯网络模型分析，年龄、

性别、吸烟状态、家族史、BMI和载脂蛋白A/B比值与心脑血管疾病直接相关，是心脑血管疾病发生

的重要风险因素，TyG指数、HDL-C、LDL-C和TC通过影响BMI和载脂蛋白A/B比值间接影响心

脑血管疾病的发生风险。结论结论：：控制BMI、载脂蛋白A/B比值和吸烟行为，可以降低心脑血管疾病的

发病风险。贝叶斯网络模型可用于预测心脑血管疾病发病风险。

［［关键词］］心脑血管疾病；CatBoost算法；贝叶斯网络；风险推理

［［中图分类号］］R54;R743［［文献标志码］］A

CatBoostalgorithmandBayesiannetworkmodelanalysis

basedonriskpredictionofcardiovascularand

cerebrovasculardiseases

WANGAimin1,WANGFenglin1,HUANGYiming1,XUYaqi1,ZHANG