数据获取与队列构建
利用NHIS-LC队列数据，构建2019-2020年纵向随访的分析样本，以预测HICP状态变化。
从NHIS-LC获取2019-2020年成人数据，筛选出在2019年和2020年均有有效HICP信息的10,260名成年人，分为新发HICP、持续HICP、恢复HICP和无HICP四组。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
使用机器学习算法预测高影响慢性疼痛的病程
Predicting the course of high-impact chronic pain using machine learning algorithms
实验完整度
中基于2019-2020年NHIS纵向队列的观察性队列研究，使用机器学习进行预测建模，包含描述性统计和模型性能评估，但无干预或机制验证。
主要模型
全国健康访谈调查纵向队列（NHIS-LC）
重点核对
2019-2020年NHIS-LC成人队列，基线2019年，随访2020年 HICP分类定义：过去三个月多数天数或每天疼痛且限制生活或工作活动 机器学习模型：GBDT，80%训练集和20%测试集，5折交叉验证 特征处理：缺失值>30%剔除，≤30%用中位数或众数填补 类别不平衡处理：训练时应用类别加权
摘要
高影响慢性疼痛（HICP）影响超过1700万美国成年人，并且病程高度可变。迄今为止，生物心理社会预测因素对HICP发生、持续和恢复的相对重要性仍知之甚少。全国健康访谈调查纵向队列包含10,415名在2019年完成基线调查并在2020年完成回访调查的成年人，非常适合解决这一关键知识空白。研究评估了机器学习算法在预测符合条件且在一个或两个时间点报告疼痛的样本成年人（n=10,260）中HICP组别归属的区分能力和分类准确性：HICP新发（2020年新发；n=506）、HICP持续（两年均有；n=480）、HICP恢复（仅2019年有；n=471）或无HICP（两年均无；n=8,803）。为输入特征生成Shapley加法解释值，以评估其对模型预测的相对重要性。梯度提升决策树表现出最高的区分能力（宏平均AUC=0.80），揭示家庭收入是HICP新发和HICP恢复的强预测因素，而身体健康（如自评健康、关节炎、处方阿片类药物使用）是HICP持续的关键预测因素。抑郁严重程度是所有结局中最重要的心理健康预测因素。本研究强调了身体健康、心理健康和社会经济因素对一年随访期内HICP的相对预后重要性。这些发现有助于推进HICP的预测框架，完善临床风险筛查工具，并为未来评估可改变的风险和韧性因素以预防或缓解HICP的研究奠定基础。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 哪些生物心理社会因素能够预测高影响慢性疼痛（HICP）在一年随访期内的发展、持续或恢复？
- 核心机制
- 家庭收入是预测HICP新发和恢复的重要社会经济因素，而身体健康（如自评健康、关节炎）是预测HICP持续的关键因素，抑郁严重程度是心理健康方面的主要预测因素。
- 主要证据
- 基于8,803例无HICP、506例新发、480例持续和471例恢复的队列，Gradient Boosting Decision Trees模型表现最佳（宏平均AUC=0.80），SHAP值显示家庭收入和身体健康指标的重要性。
- 研究意义
- 研究结果有助于推进HICP预测框架、优化临床风险筛查工具，并为未来研究可改变的风险和韧性因素、预防或缓解HICP提供基础。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
特征工程与数据预处理
准备50个生物心理社会预测变量，并处理缺失数据，以用于机器学习模型。
从2019年NHIS-LC数据中提取人口统计学、地理、身体健康、心理健康和社会经济地位的50个特征，排除缺失超过30%的变量，对剩余缺失值使用中位数或众数填补。
机器学习建模与评估
训练和评估多个机器学习算法（如GBDT、RF、DNN、LR）以预测HICP组别，并比较它们的性能。
使用H2O AutoML自动进行模型选择、训练和超参数调整，数据集随机分为80%训练集和20%测试集，在训练集内进行5折交叉验证，在测试集上评估模型性能，并应用类别加权处理类别不平衡。
模型解释与特征重要性分析
使用SHAP值解释模型预测，识别对HICP各结局预测最重要的特征。
使用KernelExplainer计算SHAP值，K均值聚类（K=100）生成背景样本，计算每个特征的平均绝对SHAP值，并按SHAP值排序展示特征重要性。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 机器学习建模 | H2O AutoML | -- | -- |
| Python 3.8 | -- | -- | |
| PyTorch 1.10 | -- | -- | |
| H2O 3.42 | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据获取 | NHIS-LC队列的2019-2020年数据，样本量为10,260，排除缺失HICP数据的个体 阅读提示：Methods - Data 部分 |
| 特征定义 | 50个生物心理社会特征，包括人口统计学、地理、身体健康、心理健康和社会经济地位 阅读提示：Methods - Features 部分，Table 1 |
| 数据预处理 | 缺失数据>30%的变量被排除，≤30%的缺失值用中位数或众数填补 阅读提示：Methods - Data curation 部分 |
| 模型训练 | 训练集80%，测试集20%，H2O AutoML进行5折交叉验证和超参数调整，类别加权处理类别不平衡 阅读提示：Methods - Modeling algorithms and evaluation 部分 |
| 模型评估 | 评估指标：宏平均AUC、F1得分、准确率，以及类别特异性指标 阅读提示：Methods - Modeling algorithms and evaluation，Supplemental Tables 2, 3 |
| 模型解释 | SHAP值计算使用KernelExplainer，K均值聚类（K=100）生成背景样本 阅读提示：Methods - Model interpretation 部分 |