三种风险预测模型预测钢铁工人颈动脉粥样硬化的效能比较

doi:10.12114/j.issn.1007-9572.2022.0125

摘要/Abstract

摘要： 背景颈动脉粥样硬化（CAS）不仅影响钢铁工人的工作效率，而且是引发缺血性脑血管疾病最重要的危险因素。近年来，越来越多的学者利用机器学习并通过易获得的因素对疾病进行风险预测，但目前，关于CAS风险预测模型的研究依然缺乏。目的运用支持向量机（SVM）、BP神经网络（BPNN）与随机森林（RF）模型构建钢铁工人CAS发生风险预测模型，并比较其预测效能。方法选取2017年3—6月在唐山市弘慈医院进行体检和健康监测的4 568例钢铁工人为研究对象，按照本团队编写的《健康评估检查表》进行调查，调查内容：人口学特征（性别、年龄、体质指数、文化程度、婚姻状况）、个人的行为生活习惯与方式（吸烟、饮酒）、个人病史（高血压、糖尿病、CAS家族史）、职业史（倒班、高温作业、噪声作业）。收集研究对象的实验室检查指标，如胆固醇、三酰甘油、同型半胱氨酸、尿酸。结合非条件多因素Logistic回归分析结果以及查阅相关文献，确定变量构建SVM、BPNN和RF模型并进行比较。结果训练集显示SVM、BPNN和RF模型预测钢铁工人发生CAS的准确率分别为83.81%、79.27%、86.60%，灵敏度分别为80.10%、66.19%、73.62%，特异度分别为87.32%、91.62%、98.90%，受试者工作特征曲线下面积（AUC）分别为0.84、0.79、0.86。SVM模型的灵敏度最高，RF模型在准确率、特异度和AUC方面高于其余两种模型，差异有统计学意义（P<0.05）。测试集显示SVM、BPNN和RF模型预测钢铁工人发生CAS的准确率分别为85.70%、75.46%、73.37%，灵敏度分别为81.63%、64.65%、60.00%，特异度分别为90.29%、87.66%、88.45%，AUC分别为0.86、0.76、0.74。SVM模型在灵敏度、准确率和AUC方面高于其余两种模型比较，差异有统计学意义（P<0.05）。结论运用SVM模型预测钢铁工人CAS发生风险的效果优于BPNN和RF模型。

关键词: 颈动脉疾病, 动脉粥样硬化, 金属工人, 支持向量机, BP神经网络, 随机森林, 预测

Abstract: Background

As a leading cause of ischemic cerebrovascular disease, carotid atherosclerosis (CAS) lowers the productivity of steelworkers. An increasing number of scholars have used machine learning to identify readily available factors to predict the risk of diseases. But there is still a lack of research on risk prediction models for CAS.

Objective

To compare the performance of support vector machine (SVM) -, BP neural network (BPNN) - and random forest (RF) -based models in predicting the risk of CAS in steelworkers.

Methods

4 568 steelworkers who underwent physical examination and health monitoring in Tangshan Hongci Hospital from March to June 2017 were selected for a survey using the Health Assessment Checklist developed by us for understanding their information about demographic characteristics (sex, age, BMI, education level, marital status) , personal behavior and lifestyle (smoking and drinking) , medical history (hypertension, diabetes, family history of CAS) , occupation history (current work in shifts, working under high temperature or in noisy environments) . Levels of serum cholesterol, triglyceride, homocysteine and uric acid were also collected. Variables for building SVM-, BPNN- and RF-based models for predicting the risk of CAS were determined using unconditioned multivariate Logistic regression analysis and literature review.

Results

In predicting the risk of CAS in participants in the training set, the accuracy, sensitivity and specificity were 83.81%, 80.10%, 87.32%, respectively, for the SVM-based model, 79.27%, 66.19%, 91.62%, respectively, for the BPNN-based model, and 86.60%, 73.62%, and 98.90%, respectively, for the RF-based model. And the AUC for SVM-, BPNN- and RF-based models was 0.84, 0.79 and 0.86, respectively. The SVM-based model had the highest sensitivity, while the RF-based model had the highest accuracy and specificity (P<0.05) . In predicting the risk of CAS in participants in the test set, the accuracy, sensitivity and specificity were 85.70%, 81.63%, 90.29%, respectively, for the SVM-based model, 75.46%, 64.65%, 87.66%, respectively, for the BPNN-based model, and 73.37%, 60.00%, and 88.45%, respectively, for the RF-based model. And the AUC for SVM-, BPNN- and RF-based models was 0.86, 0.76, and 0.74, respectively. The SVM-based model had the greatest accuracy, sensitivity and AUC. The sensitivity, accuracy and AUC of the SVM-based model were significantly different from those of the BPNN- or RF-based model in predicting the CAS risk (P<0.05) .

Conclusion

The SVM-based model may be better than other two models in predicting the risk of CAS in steelworkers.

Key words: Carotid artery diseases, Atherosclerosis, Metal workers, Support vector machine, Back propagation neural network, Random forest, Forecasting

中图分类号:

R543.4

王娇娇,陈圆煜,郑子薇,等. 三种风险预测模型预测钢铁工人颈动脉粥样硬化的效能比较[J]. 中国全科医学, 2022, 25(11): 1334-1339. DOI: 10.12114/j.issn.1007-9572.2022.0125.

WANG Jiaojiao, CHEN Yuanyu, ZHENG Ziwei, YANG Yongzhong, CHEN Zhe, LI Chao, WANG Haidong, WU Jianhui, WANG Guoli.

Comparison of Three Risk Prediction Models for Carotid Atherosclerosis in Steelworkers [J]. Chinese General Practice, 2022, 25(11): 1334-1339.

图/表 5

参考文献 26

[1]	秦璐，赵颖，佟隽瑶，等. 颈动脉粥样硬化伴OSAHS患者的颈动脉超声研究[J]. 中国医刊，2018，53（7）：756-760. DOI：10.3969/j.issn.1008-1070.2018.07.017.
[2]	陈显荣，张晓. 超微血管成像与超声造影对颈动脉粥样硬化斑块稳定性的诊断价值[J]. 中国临床神经外科杂志，2019，24（5）：289-291. DOI：10.137984,issn.1009-153X.2019.05.010.
[3]	陈伟伟，高润霖，刘力生，等. 《中国心血管病报告2017》概要[J]. 中国循环杂志，2018，33（1）：1-8. DOI：10.3969/j.issn.1000-3614.2018.01.001.
[4]	秦真威，苏亚娇，王海涛，等. 职业因素组对钢铁工人颈动脉粥样硬化影响的病例对照研究[J]. 中华流行病学杂志，2020，41（11）：1836-1842. DOI：10.3760/cma.j.cn112338-20190916-00677.
[5]	武建辉，王海东，王洁，等. 钢铁工人职业紧张与颈动脉粥样硬化关系的现况研究[J]. 中国全科医学，2020，23（20）：2589-2593. DOI：10.12114/j.issn.1007-9572.2020.00.213.
[6]	SCOUTT L M，GUNABUSHANAM G. Carotid Ultrasound[J]. Radiol Clin North Am，2019，57（3）：501-518. DOI：10.1016/j.rcl.2019.01.008.
[7]	郝文超，刘艳如，张婧环，等. 健康体检颈动脉斑块检出情况及危险因素分析[J]. 临床误诊误治，2022，35（1）：90-93.DOI：10.3969/j.issn.1002-3429.2022.01.021.
[8]	PIRI R，GERKE O，HØILUND-CARLSEN P F. Molecular imaging of carotid artery atherosclerosis with PET：a systematic review[J]. Eur J Nucl Med Mol Imaging，2020，47（8）：2016-2025. DOI：10.1007/s00259-019-04622-y.
[9]	张玲玲. 长沙地区心血管高危患者颈动脉粥样硬化及其危险因素的调查和研究[D]. 衡阳：南华大学，2015.
[10]	萧梅芳，谢思思，王保祥，等. 体检人群颈动脉粥样硬化筛查及危险因素分析[J]. 中国现代医学杂志，2019，29（18）：86-89. DOI：10.3969/j.issn.1005-8982.2019.18.017.
[11]	张东平. 颈动脉粥样硬化的流行病学调查及临床研究[D]. 重庆：重庆医科大学，2009.
[12]	潘雯，张立敏，李茹，等. 辽宁省农村地区40岁及以上人群颈动脉粥样硬化流行病学特征现状分析[J]. 中国公共卫生，2021，37（1）：92-96. DOI：10.11847/zgggws1133531.
[13]	XING L Y，LI R，ZHANG S L，et al. High burden of carotid atherosclerosis in rural northeast China：a population-based study[J]. Front Neurol，2021，12：597992. DOI：10.3389/fneur.2021.597992.
[14]	姚利和. 颈动脉粥样硬化与脑梗死相关性研究及危险因素分析[D]. 兰州：兰州大学，2020.
[15]	SONG P G，XIA W，ZHU Y J，et al. Prevalence of carotid atherosclerosis and carotid plaque in Chinese adults：a systematic review and meta-regression analysis[J]. Atherosclerosis，2018，276：67-73. DOI：10.1016/j.atherosclerosis.2018.07.020.
[16]	SENTHILSELVAN A，COONGHE W V L，BEACH J. Respiratory health，occupation and the healthy worker effect[J]. Occup Med （Lond），2020，70（3）：191-199. DOI：10.1093/occmed/kqaa023.
[17]	ZHANG J，SANG H，ZHANG X，et al. Comparison of the characteristics and risk factors of carotid atherosclerosis in high stroke risk populations between urban and rural areas in North China[J]. Front Neurol，2020，11：554778. DOI：10.3389/fneur.2020.554778.
[18]	TIMMERMAN N，DE KLEIJN D P V，DE BORST G J，et al. Family history and polygenic risk of cardiovascular disease：independent factors associated with secondary cardiovascular events in patients undergoing carotid endarterectomy[J]. Atherosclerosis，2020，307：121-129. DOI：10.1016/j.atherosclerosis.2020.04.013.
[19]	王海东. 钢铁工人颈动脉粥样硬化发病风险预测研究[D]. 唐山：华北理工大学，2020.
[20]	张童，郑翔，张博，等. 钢铁企业高温作业工人维生素C营养状况与血尿酸关系[J]. 环境与健康杂志，2018，35（8）：715-718. DOI：10.16241/j.cnki.1001-5914.2018.08.014.
[21]	CUI S Y，YUAN J X. Analysis on the relationship between cumulative high temperature exposure and steel workers' hypertension in a large steel mill[J]. Zhonghua Lao Dong Wei Sheng Zhi Ye Bing Za Zhi，2020，38（9）：668-671. DOI：10.3760/cma.j.cn121094-20191027-00426.
[22]	徐紫菡，戴冬梅，高娇娇，等. 职业噪声和高温对心血管系统的影响[J]. 中华疾病控制杂志，2020，24（7）：773-778. DOI：10.16462/j.cnki.zhjbkz.2020.07.006.
[23]	彭敏. 基于遗传算法的深度学习优化方法及应用[D]. 衡阳：南华大学，2020.
[24]	王君贤. 基于随机森林与支持向量机的心血管疾病预测研究[D]. 天津：天津大学，2018.
[25]	田占霄，王文通，范宏振，等. 基于认知测查的支持向量机模型对精神分裂症的判别[J]. 中国心理卫生杂志，2019，33（9）：711-715. DOI：10.3969/j.issn.1000-6729.2019.09.014.
[26]	杨志燕，黄天宝，王树山，等. 基于支持向量机的急性百草枯中毒预后模型的建立与评价[J]. 南京医科大学学报（自然科学版），2018，38（10）：1467-1471. DOI：10.7655/NYDXBNS20181031.

变量		例数	CAS	χ²值	P值	变量		例数	CAS	χ²值	P值
性别				0.010	0.907	糖尿病				0.030	0.860
	男	4 185	1 159（27.69）				否	4 016	1 113（27.71）
	女	383	105（27.42）				是	552	151（27.36）
年龄（岁）				0.097	0.755	CAS家族史				74.160	<0.001
	<45	1 972	541（27.43）				否	4 372	1 157（26.46）
	≥45	2 596	723（27.85）				是	196	107（54.59）
BMI（kg/m²）				2.320	0.509	倒班				4.300	0.038
	偏轻	58	18（31.03）				否	711	174（24.47）
	正常	1 463	424（28.98）				是	3 857	1 090（28.26）
	超重	1 988	536（26.96）			高温作业				5.460	0.019
	肥胖	1 059	289（27.21）				否	2 173	566（26.05）
文化程度				1.460	0.483		是	2 395	698（29.14）
	初中及以下	54	11（20.37）			噪声作业				7.720	0.005
	高中/中专	3 525	979（27.77）				否	1 990	509（25.58）
	大专及以上	989	274（27.70）				是	2 578	755（29.29）
婚姻状况				0.760	0.686	高胆固醇				15.660	<0.001
	未婚	162	41（25.31）				否	3 907	1 039（26.59）
	已婚	4 270	1 188（27.82）				是	661	225（34.04）
	其他	136	35（25.74）			高三酰甘油				0.100	0.756
吸烟				0.013	0.908		否	3 800	1 055（27.76）
	否	2 218	612（27.59）				是	768	209（27.21）
	是	2 350	652（27.74）			高同型半胱氨酸				0.330	0.568
饮酒				4.760	0.029		否	3 195	892（27.92）
	否	2 694	713（26.47）				是	1 373	372（27.09）
	是	1 874	551（29.40）			高尿酸血症				4.840	0.028
高血压				0.120	0.732		否	2 927	778（26.58）
	否	3 486	969（27.80）				是	1 641	486（29.62）
	是	1 082	295（27.26）

变量		例数	CAS	χ²值	P值	变量		例数	CAS	χ²值	P值
性别				0.010	0.907	糖尿病				0.030	0.860
	男	4 185	1 159（27.69）				否	4 016	1 113（27.71）
	女	383	105（27.42）				是	552	151（27.36）
年龄（岁）				0.097	0.755	CAS家族史				74.160	<0.001
	<45	1 972	541（27.43）				否	4 372	1 157（26.46）
	≥45	2 596	723（27.85）				是	196	107（54.59）
BMI（kg/m²）				2.320	0.509	倒班				4.300	0.038
	偏轻	58	18（31.03）				否	711	174（24.47）
	正常	1 463	424（28.98）				是	3 857	1 090（28.26）
	超重	1 988	536（26.96）			高温作业				5.460	0.019
	肥胖	1 059	289（27.21）				否	2 173	566（26.05）
文化程度				1.460	0.483		是	2 395	698（29.14）
	初中及以下	54	11（20.37）			噪声作业				7.720	0.005
	高中/中专	3 525	979（27.77）				否	1 990	509（25.58）
	大专及以上	989	274（27.70）				是	2 578	755（29.29）
婚姻状况				0.760	0.686	高胆固醇				15.660	<0.001
	未婚	162	41（25.31）				否	3 907	1 039（26.59）
	已婚	4 270	1 188（27.82）				是	661	225（34.04）
	其他	136	35（25.74）			高三酰甘油				0.100	0.756
吸烟				0.013	0.908		否	3 800	1 055（27.76）
	否	2 218	612（27.59）				是	768	209（27.21）
	是	2 350	652（27.74）			高同型半胱氨酸				0.330	0.568
饮酒				4.760	0.029		否	3 195	892（27.92）
	否	2 694	713（26.47）				是	1 373	372（27.09）
	是	1 874	551（29.40）			高尿酸血症				4.840	0.028
高血压				0.120	0.732		否	2 927	778（26.58）
	否	3 486	969（27.80）				是	1 641	486（29.62）
	是	1 082	295（27.26）

变量		β	SE	Wald χ²值	P值	OR（95%CI）
CAS家族史
	否					1.00
	是	1.22	0.15	67.80	<0.001	3.39（2.53，4.53）
高温作业
	否					1.00
	是	0.14	0.07	4.34	0.037	1.15（1.01，1.31）
噪声作业
	否					1.00
	是	0.19	0.07	7.71	0.005	1.21（1.06，1.38）
高胆固醇
	否					1.00
	是	0.36	0.09	15.57	<0.001	1.43（1.20，1.71）

变量		β	SE	Wald χ²值	P值	OR（95%CI）
CAS家族史
	否					1.00
	是	1.22	0.15	67.80	<0.001	3.39（2.53，4.53）
高温作业
	否					1.00
	是	0.14	0.07	4.34	0.037	1.15（1.01，1.31）
噪声作业
	否					1.00
	是	0.19	0.07	7.71	0.005	1.21（1.06，1.38）
高胆固醇
	否					1.00
	是	0.36	0.09	15.57	<0.001	1.43（1.20，1.71）

评价指标	训练集			测试集
评价指标	SVM模型	BPNN模型	RF模型	SVM模型	BPNN模型	RF模型
准确率（%）	83.81	79.27	86.60	85.70	75.46	73.37
灵敏度（%）	80.10	66.19	73.62	81.63	64.65	60.00
特异度（%）	87.32	91.62	98.90	90.29	87.66	88.45
约登指数	0.67	0.58	0.72	0.72	0.52	0.48
Kappa值	0.68	0.58	0.73	0.71	0.52	0.48
阳性似然比	6.31	7.90	66.93	8.41	5.24	5.20
阴性似然比	0.23	0.37	0.27	0.20	0.40	0.45
阳性预测值（%）	85.64	88.18	98.40	90.46	85.54	85.43
阴性预测值（%）	86.92	74.15	79.87	81.32	68.72	66.21
AUC（95%CI）	0.84（0.82，0.85）	0.79（0.77，0.81）	0.86（0.85，0.88）	0.86（0.83，0.88）	0.76（0.73，0.79）	0.74（0.71，0.77）