近期，中國科學院合肥物質(zhì)科學研究院智能機械研究所發(fā)展出一種“基于簡易風險因素的高血壓風險評估方法”，通過易于獲得的生活方式信息和人體測量學信息，準確評估個體的高血壓患病風險，具有低成本、易操作、易普及的特點，目前已廣泛應用于運動與健康研究中心建設的多個示范應用基地。該方法可早期識別高血壓高風險人群，實現(xiàn)有限預防資源的高度聚焦，為“預防為主、干預前置”的健康中國戰(zhàn)略落地實施提供支撐。

　　高血壓是全球范圍內(nèi)廣泛流行的慢性疾病。高血壓確診時，動脈血管通常已經(jīng)發(fā)生結構和功能改變，大多數(shù)患者需要長期使用藥物加以控制。如能早期識別患病風險顯著高于同年齡、同性別人群的“高血壓高風險人群”，采用積極的運動、營養(yǎng)、減重等綜合干預措施，可以顯著延緩動脈粥樣硬化的發(fā)展進程，降低高血壓的發(fā)病率。

　　目前，高血壓高風險人群的早期篩查主要通過高血壓風險評估模型來實現(xiàn)，但現(xiàn)有的高血壓風險評估模型存在預測變量收集復雜、預測能力有限及可解釋性差等問題，限制了模型的普及應用。為此，智能所運動促進健康團隊基于易獲得的生活方式信息和人體測量學信息，采用單變量邏輯回歸分析和優(yōu)化的隨機森林相結合方法，構建新型高血壓風險評估模型。該方法首先利用單變量邏輯回歸分析選取高血壓的風險因素；然后，使用網(wǎng)格搜索優(yōu)化隨機森林分類器的超參數(shù)，構建高血壓風險預測模型；最后，通過對模型AUC的貢獻計算預測變量的重要性，增強預測模型的可解釋性?；?9750例臨床數(shù)據(jù)的建模和驗證表明，模型對于高血壓高風險和低分險人群的識別能力Area Under Curve（AUC）為0.92，優(yōu)于傳統(tǒng)方法（AUC介于0.77至0.87之間）。此外，研究發(fā)現(xiàn)BMI、年齡、高血壓家族史、腰圍、吸煙、飲酒是排名前六位的高血壓風險因素。

　　相關研究成果發(fā)表在Frontiers in public health上。研究工作得到國家重點研發(fā)計劃、國家自然科學基金、中科院科技服務網(wǎng)絡計劃（STS）重點項目、安徽省科技重大專項的資助。

　　論文鏈接

圖1.基于簡易風險因素的高血壓風險評估框架

圖2.各模型的ROC曲線

圖3.預測模型的變量重要性排序

來源： 合肥物質(zhì)科學研究院