基于Lasso回归构建生物标志物影响代谢综合征的风险预测模型

目的 探讨代谢综合征的生物标志物及影响因素,构建代谢综合征的风险预测模型.方法 选取2020年1月至2021年12月到某中心疗养体检并诊断为代谢综合征的161例患者作为实验组,另选择同一时期根据性别和年龄匹配的192例非代谢综合征患者作为对照组.收集患者的临床基线资料和生物标志物,利用Lasso回归筛选出代谢综合征相关的生物标志物,用于构建预测代谢综合征高危人群的预警模型.结果 使用Lasso回归共筛选出 7 个影响代谢综合征相关的生物标志物和影响因素,分别为体质量指数(body mass index,BMI)、2 型糖尿病(type 2 diabetes,T2DM)、空腹血糖(fasting blood glucose,FBG)、三酰甘油(triglyceride,TG)、高密度脂蛋白胆固醇(highdensity lipoprotein cholesterol,HDL-C)、单核细胞计数/高密度脂蛋白胆固醇比值(monocyte count/HDL-C ratio,MHR)和超敏C反应蛋白(high-sensitivity C-reactive protein,hs-CRP).预测模型的曲线下面积(area under curve,AUC)为 0.9857.结论 本研究利用Lasso回归构建生物标志物的风险预测模型用于预测代谢综合征的能力较强,可用于指导临床医生早期识别代谢综合征的高危人群.