张雪梅，钟小钢,，龚 军，田 君， 张 谊，陈颖哲，崔 婧，汪曾子，冉淑琼，向天雨，谢友红，孙兴国,3△

（1.重庆医科大学附属康复医院，重庆 400050；2.重庆医科大学医学数据研究院，重庆 400016；3.国家心血管病中心中国医学科学院阜外医院，北京 100037；4.首都医科大学附属北京中医院，北京 100010）

高血压是全世界导致心血管疾病及死亡的主要危险因素[1]。有研究显示，预计到2025 年，全球将有15.6 亿人受高血压的影响[2]。高血压性心脏病（hypertensive heart disease, HHD）是由高血压所引起的以左心室肥厚为特征的疾病，如得不到有效控制，则会逐渐出现代偿性负荷增加，最终导致心力衰竭[3,4]。先前的研究显示，HHD 与死亡风险增加相关，但鲜有价值的生物标志物可预测临床实践中从单纯性高血压到HHD 的进展[5,6]。因此，本文利用机器学习等算法建立高血压进展至HHD 的预测模型，为HHD 的发生提供诊断方法。

1 对象与方法

1.1 资料来源

数据来源于某医科院校医学数据研究院，该平台共包含7 家附属医院的医疗数据。根据国际疾病分类 第10 版（international classification of diseases 10th edition, ICD-10）从该平台选取2016 年1 月1 日至2019 年12 月31 日诊断为高血压性心脏病或高血压的病例，诊断标准根据中国2018 年高血压指南并参考美国AHA、ACC2017 高血压指南和欧洲ESC2018高血压指南[7-9]。实验组纳入标准：（1）主要诊断为HHD；（2）病案首页中有明确的原发性高血压诊断。排除标准：（1）由其他疾病引发的心脏病[7-9]。对照组纳入标准：（1）主要诊断为明确的原发性高血压[7-9]。排除标准：（1）继发性高血压[7-9]；（2）其他疾病引发的高血压[7-9]。

1.2 分析指标

选取研究对象的人口学信息，包含性别、年龄、饮酒、吸烟等；……