杨楚诗，张朋柱

(上海交通大学安泰经济与管理学院，上海 200030)

1 引言

我国心血管病患病率处于持续上升阶段，据推算，心血管病现患病人数2.9亿，且至2016年，心血管病死亡率仍居首位，高于肿瘤等其它疾病。随着我国心血管病负担日渐加重，已成为重大的公共卫生问题，防治心血管病刻不容缓[1]。急性心肌梗死(AMI)作为一种常见的心血管疾病，是冠状动脉急性、持续性缺血缺氧所引起的心肌坏死，具有发病急、死亡率高等特点，在欧美较为常见。中国在世界上属低发区，但近年来患病率也有上升趋势。据统计，中国2002年至2015年，AMI死亡率总体呈上升态势。

学者多采用计量的方法，根据每个因素的卡方值、P值确定每个因素的显著性水平，进而确定AMI的主要危险因素[5][9]。学者一般会设置对照组以及观察组，对照组为未患AMI的患者，而观察组为患有AMI的患者。实际上，高血压、血脂异常等危险因素难以在对照组患者中体现，观察组患者的某些指标也与对照组患者明显不同。因此利用DID思想，根据卡方值、P值确定的AMI危险因素在实际中解释性不强，无法直接根据AMI危险因素进行AMI的预防、管控。因此，采用机器学习方法，基于危险因素，对心血管疾病发生的可能性进行预测便应运而生。

AMI是多个疾病的并发症，受多种危险因素影响，且发病急，因此仅基于心血管疾病的传统危险因素来预测，准确度低，解释性不强。因此，对AMI的预测需要基于更多的变量，并尝试不同的机器学习算法。有学者利用不限于患者生理学指标的变量，以及神经网络算法，对AMI进行预测。……