基于动态贝叶斯网络的老年人心血管并发症预测模型构建及应用研究

The aging of the population has brought challenges to the social, economic and health services. One of the main problems related to the aging of population is the increasing burden of chronic diseases. Cardiovascular disease has become a major public health problem in the world. Effective prediction of cardiovascular complications is the key to reduce the risk of cardiovascular disease in the population. Because it is single for the method of predicting cardiovascular complications model of the elderly in China, This project aims to break through the traditional prediction model of construction method, introduces the Dynamic Bayesian network method by the Bayesian information criterion score for model selection, K2 algorithm and Tabu search for optimization model and DS/AHP methods quantitatively into expert information. After the model robustness assessment, internal and external verification, it is preliminarily used for the prediction of complications in elderly patients with hypertension. We carry out targeted health management in combination with the results of health appraisal. This research is expected to provide the new way for the prediction model construction of the elderly cardiovascular complications in China. It will give the new ideas for the appraisal of the health status and improvement of the health level for the elderly.

人口老龄化已给我国社会、经济、卫生服务带来严峻挑战，与人口老龄化相关的慢性病疾病负担随之增加，其中心血管病已成为全球性的重大公共卫生问题，有效预测心血管并发症是降低人群心血管病危害的关键。基于目前我国老年人心血管并发症预测模型研究方法单一，本项目拟突破传统预测模型构建方法，引入动态贝叶斯网络方法，通过贝叶斯信息准则评分模型选择、K2算法和禁忌搜索法模型优化、DS/AHP等方法定量纳入专家信息，构建老年人心血管并发症预测模型。在通过模型稳健性评估和内部、外部验证后，将其初步应用于老年高血压患者并发症预测，结合健康评估结果开展针对性健康管理。这一研究有望为我国老年人心血管并发症预测模型构建提供新方法，为提高老年人健康状况评价及老年人健康管理水平提供新思路。

心血管病已成为全球性重大公共卫生问题，有效预测心血管并发症是降低人群心血管病危害的关键。基于目前我国老年人心血管并发症预测模型研究方法单一，本项目旨在突破传统预测模型构建方法，引入动态贝叶斯网络方法，以高血压为例构建老年人心血管并发症预测模型。围绕研究目标，课题组从两大方面展开了研究。（1）老年人心血管并发症预测模型构建研究。以前期课题为基础采用前瞻性队列研究，以传统Logistic回归模型和贝叶斯网络模型，构建老年高血压患者并发CVD的健康风险评估模型，模型验证二元Logistic回归模型判别正确率和特异度较高，排除随访期间CVD不发病的老年高血压患者能力较好；贝叶斯网络灵敏度较高漏诊率较低发现老年高血压患者CVD发病的能力较好，CVD为终身治疗性疾病，能发现CVD的能力非常重要；动态贝叶斯网络的结构提示，第二个时间片是否发生心血管事件不仅受年龄、性别、心血管疾病家族史、当前糖尿病、当前收缩压和是否服用高血压药物的直接影响，还受上一个时间片是否发生心血管事件的直接影响。贝叶斯网络可发现不同节点与CVD及节点之间的依赖关系，便于更深入了解可能影响因素之间的联系，因此相比较而言贝叶斯网络模型分析影响因素较优。此外贝叶斯网络结构通过有向无环图直观明确地展示了不同危险因素之间的关系以及每个危险因素影响最终结局的途径，既融合了先验知识和样本数据，又克服神经网络等方法不够直观的缺点。而动态贝叶斯网络通过研究危险因素的时间演变和不同可变途径的预期改变，可以用来更好地调整针对不同患者的干预措施。（2）老年心血管患者健康状况综合评价研究。基于前期课题组建立的老年人健康评估量表的框架，通过德尔菲法构建了5个一级指标、25个二级指标、37个三级指标的老年心血管病患者健康状况综合评价指标体系，并对老年高血压病患者进行评估，说明我们的老年心血管病患者健康状况综合评价指标体系可靠、客观，可用于老年心血管病患者综合健康评估。