谢秋华，鲁作华，邓生琼，刘倩倩，徐莉敏，张登海，刘兴晖

(上海市浦东新区公利医院检验科，上海 200135)

氨基末端脑钠尿肽(N-terminal pro-brain natr-iuretic peptide,NT-proBNP)是目前临床诊断心力衰竭的首选血清学指标[1-3]，临床采用“双截点”策略来排除或诊断为心力衰竭，但对那些NT-proBNP检测值处于“排除”和“诊断”截点之间的患者，快速诊断是否有心力衰竭风险存在困难。与传统统计学相比，机器学习算法可对大数据进行分析并挖掘出有用信息，目前已在疾病发病、预后预测等方面有广泛应用[4-6]。本研究采用Logistic回归、随机森林[7]、梯度提升树[8]和XGBoost[9]4种算法，建立、评价NT-proBNP灰值患者的心力衰竭判别模型。

1 资料与方法

1.1 数据来源

实验数据来源于2013年1月—2018年12月上海市浦东新区公利医院门诊信息系统，临床资料来源于相应时间段的住院信息系统。

1.2 研究对象

纳入标准：进行NT-proBNP检测，且年龄<75岁，NT-proBNP检测值在300～900 pg/mL之间，或者年龄≥75岁，NT-proBNP检测值在500～1 800 pg/mL之间的“灰值”患者。

排除标准：NT-proBNP检测值>900或<300 pg/mL且年龄<75岁，或者NT-proBNP>1 800或<500 pg/mL且年龄≥75岁的患者。

1.3 特征筛选

研究对象的原始数据具有住院流水号、年龄、性别、临床诊断、检验结果等共计703个特征。将缺失>40%的特征予以删除，最后剩余的有效特征数为103个，随后进行特征筛选。

将性别、年龄以及检验指标纳入特征筛选池。性别特征设置为男性取1，女性取0；年龄特征依据NT-proBNP灰区的年龄分区进行离散，当年龄<75时，值为0，否则为1；依据所对应的参考区间将检验项目的特征值采用(偏低、正常、偏高、阳性、阴性)进行填充，并将其分别映射为(-1、0、1、1、0)。用L1范数正则化(L1正则)和递归特征消除(recursive feature elimi-nation,RFE)方法降低维度，确定8维特征。其中包含了6个检验数值以及2个患者信息(年龄，性别)，如表1所示；样本标签为2类，如表2所示。

表1 入选特征含义及取值范围Tab.1 Meaning and value range of selected features

表2 标签特征含义及取值范围Tab.2 Meaning and value range of feature label

结合医生临床经验与文献[8-10]，最终确定模型特征有Age(年龄)、Sex(性别)、CK-MB(肌酸激酶同工酶MB)、CREA(肌酐)、MYO(肌红蛋白)、TNI(肌钙蛋白Ⅰ)、HGB(血红蛋白)、WBC(白细胞)，共计8维特征。删除8个指标中有缺失的样本数据3 513条，最终剩余样本数据9 483条。