近期，中國科學(xué)院合肥物質(zhì)科學(xué)研究院智能機械研究所發(fā)展出一種“基于簡易風(fēng)險因素的高血壓風(fēng)險評估方法”，通過易于獲得的生活方式信息和人體測量學(xué)信息，準(zhǔn)確評估個體的高血壓患病風(fēng)險，具有低成本、易操作、易普及的特點，目前已廣泛應(yīng)用于運動與健康研究中心建設(shè)的多個示范應(yīng)用基地。該方法可早期識別高血壓高風(fēng)險人群，實現(xiàn)有限預(yù)防資源的高度聚焦，為“預(yù)防為主、干預(yù)前置”的健康中國戰(zhàn)略落地實施提供支撐。

　　高血壓是全球范圍內(nèi)廣泛流行的慢性疾病。高血壓確診時，動脈血管通常已經(jīng)發(fā)生結(jié)構(gòu)和功能改變，大多數(shù)患者需要長期使用藥物加以控制。如能早期識別患病風(fēng)險顯著高于同年齡、同性別人群的“高血壓高風(fēng)險人群”，采用積極的運動、營養(yǎng)、減重等綜合干預(yù)措施，可以顯著延緩動脈粥樣硬化的發(fā)展進程，降低高血壓的發(fā)病率。

　　目前，高血壓高風(fēng)險人群的早期篩查主要通過高血壓風(fēng)險評估模型來實現(xiàn)，但現(xiàn)有的高血壓風(fēng)險評估模型存在預(yù)測變量收集復(fù)雜、預(yù)測能力有限及可解釋性差等問題，限制了模型的普及應(yīng)用。為此，智能所運動促進健康團隊基于易獲得的生活方式信息和人體測量學(xué)信息，采用單變量邏輯回歸分析和優(yōu)化的隨機森林相結(jié)合方法，構(gòu)建新型高血壓風(fēng)險評估模型。該方法首先利用單變量邏輯回歸分析選取高血壓的風(fēng)險因素；然后，使用網(wǎng)格搜索優(yōu)化隨機森林分類器的超參數(shù)，構(gòu)建高血壓風(fēng)險預(yù)測模型；最后，通過對模型AUC的貢獻(xiàn)計算預(yù)測變量的重要性，增強預(yù)測模型的可解釋性?；?9750例臨床數(shù)據(jù)的建模和驗證表明，模型對于高血壓高風(fēng)險和低分險人群的識別能力Area Under Curve（AUC）為0.92，優(yōu)于傳統(tǒng)方法（AUC介于0.77至0.87之間）。此外，研究發(fā)現(xiàn)BMI、年齡、高血壓家族史、腰圍、吸煙、飲酒是排名前六位的高血壓風(fēng)險因素。

　　相關(guān)研究成果發(fā)表在Frontiers in public health上。研究工作得到國家重點研發(fā)計劃、國家自然科學(xué)基金、中科院科技服務(wù)網(wǎng)絡(luò)計劃（STS）重點項目、安徽省科技重大專項的資助。

　　論文鏈接

圖1.基于簡易風(fēng)險因素的高血壓風(fēng)險評估框架

圖2.各模型的ROC曲線

圖3.預(yù)測模型的變量重要性排序

來源： 合肥物質(zhì)科學(xué)研究院