Maschinelle Lernmodelle zur Vorhersage der Koexistenz von Diabetes und Herz-Kreislauf-Erkrankungen: Eine retrospektive Kohortenstudie

Hintergrund: Diabetes mellitus (DM) und Herz-Kreislauf-Erkrankungen (CVD) verursachen weltweit eine erhebliche Belastung im Gesundheitswesen und treten häufig gemeinsam auf. Aktuelle Ansätze versagen oft dabei, viele Menschen mit Koexistenz von DM und CVD zu identifizieren, was zu Verzögerungen bei der Inanspruchnahme von Gesundheitsdiensten, erhöhten Komplikationen und Morbidität führt. In dieser Arbeit zielten wir darauf ab, ein zweistufiges maschinelles Lernmodell (ML) zur Vorhersage der Koexistenz von DM und CVD zu entwickeln und zu evaluieren. Methoden: Wir verwendeten den Datensatz der Diabetes-Komplikationen-Screening-Forschungsinitiative (DiScRi), der über 200 Variablen von mehr als 2000 Teilnehmern enthält. In der ersten Phase verwendeten wir zwei ML-Modelle (logistische Regression und Evimp-Funktionen), die in ein multivariantes adaptive Regressionsspline-Modell implementiert wurden, um die signifikanten gemeinsamen Risikofaktoren für DM und CVD abzuleiten und die Korrelationsmatrix anzuwenden, um Redundanz zu reduzieren. In der zweiten Phase verwendeten wir Klassifikations- und Regressionsalgorithmen, um unser Modell zu entwickeln. Wir bewerteten die Vorhersagemodelle anhand der Vorhersagegenauigkeit, Sensitivität und Spezifität als Leistungskennzahlen. Ergebnisse: Gemeinsame Risikofaktoren für die Koexistenz von DM und CVD waren familiäre Vorgeschichte der Erkrankungen, Geschlecht, Veränderungen der Herzfrequenz bei tiefem Atmen, Veränderungen des Blutdrucks im Liegen zu Stehen, HbA1c, HDL und TC-Verhältnis. Das prädiktive Modell zeigte, dass die Teilnehmer mit HbA1c >6,45 und TC-Verhältnis >5,5 ein Risiko hatten, beide Krankheiten zu entwickeln (97,9% Wahrscheinlichkeit). Im Gegensatz dazu hatten Teilnehmer mit HbA1c >6,45 und TC-Verhältnis ≤5,5 wahrscheinlicher nur DM (84,5% Wahrscheinlichkeit), und diejenigen mit HbA1c ≤5,45 und HDL >1,45 waren wahrscheinlich gesund (82,4% Wahrscheinlichkeit). Darüber hinaus waren Teilnehmer mit HbA1c ≤5,45 und HDL <1,45 nur CVD-Risiko (100% Wahrscheinlichkeit). Die prädiktive Genauigkeit des ML-Modells zur Erkennung der Koexistenz von DM und CVD beträgt 94,09%, Sensitivität 93,5% und Spezifität 95,8%. Schlussfolgerungen: Unser ML-Modell kann die Koexistenz von DM und CVD bei Menschen, die an einem Screening-Programm teilnehmen, mit hoher Genauigkeit signifikant vorhersagen. Dies könnte bei der frühen Erkennung von Patienten mit DM und CVD helfen, die von einer vorbeugenden Behandlung profitieren könnten, und die zukünftige Belastung des Gesundheitswesens verringern.