A Community-Based Machine Learning Model for Predicting Major Adverse Cardiovascular Events in Kazakh Hypertensive Patients

Technische Samenvatting: Een gemeenschapsgebaseerd machine learning-model voor het voorspellen van ernstige cardiovasculaire gebeurtenissen bij Kazachse hypertensieve patiënten

Probleemstelling
China staat voor een aanzienlijke volksgezondheidslast met ongeveer 240 miljoen individuen die lijden aan hypertensie, waarbij cardiovasculaire ziekten de belangrijkste doodsoorzaak blijven. De Kazachse etnische groep in Xinjiang vertoont de hoogste prevalentie van hypertensie in de regio, gekenmerkt door een specifieke levensstijl en dieetgewoonten (bijv. hoge zoutinname, vleesrijk dieet, nomadische levensstijl) die bijdragen aan een hoge frequentie van ernstige cardiovasculaire gebeurtenissen (MACEs). Bestaande risicovoorspellingsmodellen missen vaak de specificiteit voor deze etnische minderheid, en de gezondheidszorgbronnen in landelijke en pastorale gebieden van Xinjiang zijn ongelijk verdeeld, wat vroege preventie en geïndividualiseerd beheer bemoeilijkt. Er is een kritieke behoefte aan een gevalideerd, interpreteerbaar voorspellingsmodel dat specifiek is afgestemd op de Kazachse hypertensieve populatie om strategieën voor primaire preventie te faciliteren.

Methodologie
De studie maakte gebruik van een prospectieve cohortstudie met 1.180 Kazachse hypertensieve patiënten die geregistreerd stonden bij het "Hypertension Control Center" van het Altay City People's Hospital en drie gezondheidscentra van townships. De gegevensverzameling vond plaats van januari tot december 2020, met prospectieve follow-up voortduurend tot 31 december 2024 (mediaan follow-up: 1.176 dagen).

• Gegevensverzameling: De baseline-gegevens omvatten demografie, medische geschiedenis, lichamelijk onderzoek (kantoorbloeddruk en 24-uurs ambulante bloeddruk) en biochemische indicatoren (lipidenprofiel, glucose, homocysteïne, elektrolyten, nierfunctie). De primaire uitkomst was de eerste occurence van MACEs (onstabiele angina pectoris, niet-fatale myocardinfarct, hartfalen, ischemische beroerte of overlijden), geverifieerd via ICD-10-codes.
• Kenmerkselectie: Voorspellers werden geselecteerd via een driefasig proces: univariate analyse, Least Absolute Shrinkage and Selection Operator (LASSO) regressie en klinische expertvalidatie. Acht definitieve voorspellers werden geïdentificeerd: leeftijd, diabetesstatus, serumkalium, nuchtere bloedglucose, homocysteïne (Hcy), totaal cholesterol (TC), laag-densiteit lipoproteïne cholesterol (LDL-C) en kantoor systolische bloeddruk.
• Modelontwikkeling: De dataset werd willekeurig gesplitst in een trainingsset (70%) en een validatieset (30%). Vier machine learning- en statistische modellen werden geconstrueerd en vergeleken: Cox-regressie, Random Forest, Decision Tree (DT) en Extreme Gradient Boosting (XGBoost).
• Evaluatiemetrieken: Prestaties werden beoordeeld met behulp van de Area Under the Curve (AUC), Accuraatheid (ACC), Positieve/Negatieve Voorspellende Waarden (PPV/NPV), F1-score, kalibratiecurves en Decision Curve Analysis (DCA).
• Interpreteerbaarheid: Het optimale model werd geïnterpreteerd met behulp van Shapley Additive Explanations (SHAP) om de belangrijkheid van kenmerken te kwantificeren en risicobijdragen te visualiseren. Een webgebaseerde calculator werd ontwikkeld met het R Shiny-framework om klinische toepassing te faciliteren.

Belangrijkste Resultaten

• Incidentie: Tijdens de follow-up periode ontwikkelden 327 deelnemers (27,7%) MACEs.
• Modelprestaties:
  • Het Decision Tree (DT) model vertoonde de meest robuuste en evenwichtige prestaties. In de validatieset behaalde het een AUC van 0,776, een accuraatheid van 0,797, een PPV van 0,444, een NPV van 0,933 en een F1-score van 0,550.
  • XGBoost behaalde de hoogste AUC in de validatieset (0,829) maar leed onder een lage precisie (PPV = 0,242) en een hoog fout-positief percentage, wat resulteerde in een lagere F1-score (0,390).
  • Random Forest en Cox-regressie vertoonden een inferieure generaliseerbaarheid, waarbij Random Forest de laagste AUC (0,577) opleverde en Cox-regressie een lage accuraatheid liet zien (0,599) ondanks een hoge PPV.
• Kalibratie en Nut: Het DT-model vertoonde een uitstekende kalibratie (Mean Absolute Error ≈ 0,021) en behield een stabiel netto voordeel over drempelwaarschijnlijkheden van 0% tot 75% in de Decision Curve Analysis, wat wijst op een sterke klinische bruikbaarheid.
• Kenmerkbelang (SHAP): De SHAP-analyse rangschikte de top vier risicofactoren als:
  1. LDL-C: De meest invloedrijke voorspeller; hogere niveaus correleerden met een verhoogd risico.
  2. Leeftijd: Het risico nam progressief toe met de leeftijd.
  3. Kantoor Systolische Bloeddruk: Hogere waarden waren geassocieerd met een verhoogd risico.
  4. Serumkalium: Lagere niveaus (hypokaliëmie) waren geassocieerd met een verhoogd risico, terwijl hogere niveaus beschermend werkten.
     Andere significante factoren waren Hcy, nuchtere bloedglucose, TC en diabetesstatus.

Significantie en Claims
Het artikel beweert dat het ontwikkelde Decision Tree-gebaseerde model effectief het 3-jarige risico op MACEs voorspelt, specifiek voor Kazachse hypertensieve patiënten in de Altay-regio. De studie benadrukt dat:

1. Etnische Specificiteit: Het model vult het gat in de bestaande literatuur door zich te richten op het unieke risicoprofiel van de Kazachse populatie, waarbij factoren relevant voor hun levensstijl (bijv. specifieke dieetimpact op kalium en zoutinname) worden opgenomen.
2. Klinische Bruikbaarheid: In tegen tegenstelling tot complexe ensemblemodellen die als "black boxes" kunnen fungeren, biedt het Decision Tree-model een intuïtieve structuring die geschikt is voor eerstelijnszorg met beperkte middelen. De hoge Negatieve Voorspellende Waarde (NPV) maakt de effectieve identificatie van laag-risicopatiënten mogelijk, wat onnodige interventies kan verminderen.
3. Interpreteerbaarheid: De integratie van SHAP-analyse biedt transparantie en bevestigt dat de voorspellingen van het model overeenkomen met gevestigde klinische kennis (bijv. het beschermende effect van normale kaliumniveaus en het risico geassocieerd met verhoogd LDL-C en leeftijd).
4. Implementatie: Om de kloof tussen onderzoek en praktijk te overbruggen, hebben de auteurs het model geïmplementeerd als een toegankelijke webgebaseerde calculator, met als doel geïndividualiseerde preventie- en behandelstrategieën te ondersteunen in gemeenschaps- en klinische omgevingen.

De studie concludeert dat hoewel machine learning flexibiliteit biedt, het Decision Tree-model de beste balans bood tussen voorspellende nauwkeurigheid, stabiliteit en klinische interpreteerbaarheid voor deze specifieke demografie, en daarmee dient als een wetenschappelijke basis voor gericht cardiovasculair risicobeheer.