机器学习预测 50 岁及以上巴西人全因死亡率：为老龄化健康管理 “精准导航”

《npj Aging》：Predicting all-cause mortality with machine learning among Brazilians aged 50 and over: results from The Brazilian Longitudinal Study of Ageing (ELSI-Brazil)

为解决人口老龄化带来的慢性疾病流行及死亡率预测难题，研究人员开展了利用机器学习预测巴西 50 岁及以上人群全因死亡率的研究。结果显示随机森林模型表现最佳，该研究对制定健康政策和开展预防干预意义重大。

　　在全球人口老龄化的浪潮下，慢性非传染性疾病的患病率不断攀升，给社会和医疗系统带来了沉重负担。据世界卫生组织（WHO）相关报告，慢性疾病的发病率持续上升，与之相伴的医疗成本也在不断增加 。在这种背景下，预测死亡率，尤其是全因死亡率，成为了公共卫生领域的关键挑战。因为影响全因死亡率的因素众多，它们相互作用且在不同国家存在差异，传统方法难以准确预测。而机器学习（ML）作为人工智能领域的重要分支，能让计算机从数据中学习，无需手动编程即可执行特定任务，在健康领域展现出巨大潜力，已成功应用于多种健康问题的预测。但此前，针对巴西全体老年人口的全因死亡率预测，尚未有研究评估机器学习的表现。

为填补这一空白，巴西联邦佩洛塔斯大学（Universidade Federal de Pelotas）的 Felipe Mendes Delpino 等研究人员，借助巴西纵向衰老研究（ELSI - Brazil）的数据展开了相关研究。该研究成果发表在《npj Aging》上。

研究人员使用了 ELSI - Brazil 的纵向数据，这些数据来自于 2015 - 2016 年的基线调查和 2019 - 2021 年的首次随访，涵盖了巴西五个地区 70 个城市的具有代表性的样本，参与者均为 50 岁及以上的非机构化巴西居民。研究共纳入 9412 名参与者，在约五年的随访期间，记录到 970 例死亡病例。

研究人员测试了九种机器学习算法，包括逻辑回归（Logistic Regression）、决策树（Decision Tree）、随机森林（Random Forest）、梯度提升（Gradient Boosting）等。他们选取了 59 个预测变量，这些变量涵盖了人口统计学特征、健康状况和生活方式习惯等方面。为评估模型性能，使用了多种指标，如受试者工作特征曲线下面积（AUC）、精度（Precision）、召回率（Recall）等。

在样本特征方面，死亡组（阳性组）的参与者年龄更大，男性比例更高，已婚或稳定伴侣的比例更低，受教育程度较低 。

模型结果显示，随机森林模型的预测性能最佳，AUC 达到 0.92（95% CI：0.90 - 0.94），AUC - PR 为 0.75。通过 SHAP 分析发现，年龄是影响全因死亡率概率最重要的因素，此外，BMI、药物使用、身体活动、生活满意度和教育程度也对模型有重要影响 。

研究表明，虽然模型在预测全因死亡率方面取得了不错的 AUC 值，但在预测阳性类（死亡）时存在困难，这主要是由于类不平衡问题导致的。随机森林模型在处理复杂、异质数据方面表现出色，能够有效识别高死亡风险个体，为优化资源分配和指导预防干预提供了有力支持 。

该研究具有重要意义。在公共卫生和流行病学领域，全因死亡率预测对制定健康政策和预防策略至关重要。以往研究多聚焦于特定病因的死亡率预测，而本研究首次针对巴西 50 岁及以上成年人的全因死亡率进行预测，为更广泛的预防干预提供了可能。同时，研究结果有助于早期识别高死亡风险个体，从而开展有针对性的个性化干预，提高老年人的管理水平和生活质量 。

在研究方法上，研究人员主要采用了以下关键技术：首先，利用 ELSI - Brazil 的纵向数据，该数据具有广泛代表性；其次，测试九种机器学习算法，筛选出最佳预测模型；再者，运用 SHAP 技术分析各预测变量的重要性；最后，通过多种性能指标评估模型效果。

研究结果部分：

• 样本特征：对 9412 名参与者的数据进行分析，发现死亡组与非死亡组在年龄、性别、婚姻状况、教育程度等方面存在显著差异。
• 模型结果：随机森林模型在预测全因死亡率方面表现最佳，其 AUC、AUC - PR 等指标突出，且在交叉验证中也获得了较高的 F1 分数。
• 变量重要性：通过 SHAP 分析确定了年龄、BMI 等是影响模型结果的重要变量，而高血压、中风等变量相对重要性较低。

研究结论和讨论部分，虽然机器学习模型在预测巴西 50 岁及以上人群全因死亡率方面取得了一定成果，但仍面临类不平衡、样本代表性局限等挑战。未来研究需要探索遗传、环境和社会经济变量的交叉作用，延长随访时间，开展模型的外部验证，评估基于预测模型的干预措施效果，并关注伦理和隐私问题。总体而言，该研究为机器学习在公共卫生领域的应用提供了重要参考，为改善老年人群健康管理和制定科学的公共卫生政策奠定了基础。