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

Resumo Técnico: Um Modelo de Aprendizado de Máquina Baseado na Comunidade para Prever Eventos Cardiovasculares Maiores em Pacientes Hipertensos Kazakhs

Definição do Problema
A China enfrenta uma carga significativa de saúde pública com aproximadamente 240 milhões de indivíduos sofrendo de hipertensão, onde as doenças cardiovasculares permanecem como a principal causa de morte. O grupo étnico Kazakh em Xinjiang apresenta a maior prevalência de hipertensão na região, caracterizada por hábitos de estilo de vida e dietéticos distintos (ex: alto consumo de sal, dieta rica em carne, estilo de vida nômade) que contribuem para uma alta frequência de Eventos Cardiovasculares Maiores (MACEs). Os modelos de previsão de risco existentes frequentemente carecem de especificidade para esta minoria étnica, e os recursos de saúde nas áreas rurais e pastoris de Xinjiang são distribuídos de forma desigual, tornando difícil a prevenção primária e o manejo individualizado. Há uma necessidade crítica de um modelo de predição validado e interpretável, adaptado especificamente para a população hipertensa Kazakh, para facilitar estratégias de prevenção primária.

Metodologia
O estudo utilizou um delineamento de coorte prospectiva envolvendo 1.180 pacientes hipertensos Kazakhs registrados no "Centro de Controle da Hipertensão" do Hospital do Povo da Cidade de Altay e três centros de saúde de vilarejos. A coleta de dados ocorreu de janeiro a dezembro de 2020, com acompanhamento prospectivo continuando até 31 de dezembro de 2024 (mediana de acompanhamento: 1.176 dias).

• Coleta de Dados: Os dados basais incluíram demografia, histórico médico, exames físicos (pressão arterial de consultório e ambulatorial de 24 horas) e indicadores bioquímicos (perfil lipídico, glicose, homocisteína, eletrólitos, função renal). O desfecho primário foi a primeira ocorrência de MACEs (angina instável, infarto do miocárdio não fatal, insuficiência cardíaca, acidente vascular isquêmico ou morte), verificada por códigos CID-10.
• Seleção de Atributos: Os preditores foram selecionados através de um processo de três fases: análise univariada, regressão Least Absolute Shrinkage and Selection Operator (LASSO) e validação por especialistas clínicos. Oito preditores finais foram identificados: idade, status de diabetes, potássio sérico, glicemia de jejum, homocisteína (Hcy), colesterol total (TC), colesterol de lipoproteína de baixa densidade (LDL-C) e pressão arterial sistólica de consultório.
• Desenvolvimento do Modelo: O conjunto de dados foi dividido aleatoriamente em um grupo de treinamento (70%) e um grupo de validação (30%). Quatro modelos estatísticos e de aprendizado de máquina foram construídos e comparados: regressão de Cox, Random Forest, Árvore de Decisão (DT) e Extreme Gradient Boosting (XGBoost).
• Métricas de Avaliação: O desempenho foi avaliado usando a Área Sob a Curva (AUC), Acurácia (ACC), Valores Preditivos Positivo/Negativo (PPV/NPV), F1-score, curvas de calibração e Análise da Curva de Decisão (DCA).
• Interpretabilidade: O modelo ideal foi interpretado utilizando Explicações Aditivas de Shapley (SHAP) para quantificar a importância dos atributos e visualizar as contribuições de risco. Uma calculadora baseada na web foi desenvolvida utilizando o framework R Shiny para facilitar a aplicação clínica.

Principais Resultados

• Incidência: Durante o período de acompanhamento, 327 participantes (27,7%) desenvolveram MACEs.
• Desempenho do Modelo:
  • O modelo de Árvore de Decisão (DT) demonstrou o desempenho mais robusto e equilibrado. No grupo de validação, alcançou uma AUC de 0,776, Acurácia de 0,797, PPV de 0,444, NPV de 0,933 e um F1-score de 0,550.
  • O XGBoost alcançou a maior AUC no grupo de validação (0,829), mas sofreu com baixa precisão (PPV = 0,242) e uma alta taxa de falsos positivos, resultando em um F1-score menor (0,390).
  • Random Forest e Regressão de Cox mostraram generalização inferior, com a Random Forest apresentando a menor AUC (0,577) e a regressão de Cox mostrando baixa acurácia (0,599) apesar do alto PPV.
• Calibração e Utilidade: O modelo DT exibiu excelente calibração (Erro Absoluto Médio ≈ 0,021) e manteve um benefício líquido estável através de probabilidades de limiar de 0% a 75% na Análise da Curva de Decisão, indicando forte utilidade clínica.
• Importância dos Atributos (SHAP): A análise SHAP classificou os quatro principais fatores de risco como:
  1. LDL-C: O preditor mais influente; níveis mais altos correlacionaram-se com aumento do risco.
  2. Idade: O risco aumentou progressivamente com o avanço da idade.
  3. Pressão Arterial Sistólica de Consultório: Valores mais altos foram associados ao risco elevado.
  4. Potássio Sérico: Níveis mais baixos (hipocalemia) foram associados ao aumento do risco, enquanto níveis mais altos foram protetores.
     Outros fatores significativos incluíram Hcy, glicemia de jejum, TC e status de diabetes.

Significância e Alegações
O artigo afirma que o modelo desenvolvido baseado em Árvore de Decisão prevê efetivamente o risco de 3 anos para MACEs especificamente para pacientes hipertensos Kazakhs na região de Altay. O estudo destaca que:

1. Especificidade Étnica: O modelo aborda a lacuna na literatura existente ao focar no perfil de risco único da população Kazakh, incorporando fatores relevantes ao seu estilo de vida (ex: impactos dietéticos específicos no consumo de potássio e sal).
2. Aplicabilidade Clínica: Diferente de modelos de conjunto complexos que podem agir como "caixas pretas", o modelo de Árvore de Decisão oferece uma estrutura intuitiva adequada para ambientes de cuidados primários com recursos limitados. Seu alto Valor Preditivo Negativo (NPV) permite a identificação eficaz de pacientes de baixo risco, potencialmente reduzindo intervenções desnecessárias.
3. Interpretabilidade: A integração da análise SHAP proporciona transparência, confirmando que as previsões do modelo alinham-se com o conhecimento clínico estabelecido (ex: o efeito protetor de níveis normais de potássio e o risco associado ao aumento de LDL-C e idade).
4. Implementação: Para reduzir a lacuna entre a pesquisa e a prática, os autores implementaram o modelo como uma calculadora acessível via web, visando apoiar estratégias de prevenção e tratamento individualizadas em ambientes comunitários e clínicos.

O estudo conclui que, embora o aprendizado de máquina ofereça flexibilidade, o modelo de Árvore de Decisão proporcionou o melhor equilíbrio entre precisão preditiva, estabilidade e interpretabilidade clínica para este grupo demográfico específico, servindo como uma base científica para o manejo direcionado do risco cardiovascular.