基于贝叶斯网络的冠心病风险因素研究：对129,155名个体的横断面调查

《Cogent Public Health》：Research on coronary heart disease risk factors based on Bayesian network: a cross-sectional survey of 129,155 individuals

冠心病风险因素多因素交互作用分析基于贝叶斯网络模型，采用混合最大最小登山算法（MMHC）构建包含15个节点和31条边的网络结构，发现年龄、血脂异常、糖尿病及家族史为直接风险因素，高血压、腹部肥胖等为间接因素，多因素协同效应使CHD风险最高增至5.28%。

　　冠状动脉疾病（Coronary Heart Disease, CHD）作为全球范围内主要的公共卫生问题之一，其影响范围广泛且严重，尤其是在中国等快速发展的国家。随着人口老龄化、生活方式的改变以及环境因素的加剧，CHD的发病率持续上升，给社会的医疗资源和公众健康带来了巨大挑战。为了更好地理解和应对这一疾病，科学界一直在探索其潜在的风险因素及其复杂的相互作用机制。传统的统计方法，如逻辑回归分析，虽然在识别单个风险因素方面具有一定的优势，但在处理变量之间的非线性关系和复杂交互作用时存在局限。因此，寻找更为有效的分析工具显得尤为重要。

近年来，贝叶斯网络（Bayesian Network, BN）作为一种基于概率图模型的分析方法，因其在处理不确定性、非线性关系和变量间复杂依赖性方面的优势，逐渐成为研究CHD风险因素的重要手段。贝叶斯网络不仅能够直观地展现变量之间的概率依赖关系，还能够通过概率推理，量化多个风险因素叠加后的综合影响。这种方法在临床研究中具有独特的价值，因为它可以克服传统线性模型的假设限制，从而更全面地揭示疾病发生背后的生物学机制。

本研究选取了中国山西省9个地级市和13个县的129,115名35至75岁的居民作为研究对象，涵盖的样本量较大，具有较高的统计代表性。研究过程中，通过问卷调查、体格检查和实验室检测等多种方式收集了详尽的数据，包括人口学特征、生活习惯、既往病史、用药情况以及家族史等信息。这些数据的综合分析为构建贝叶斯网络提供了坚实的基础。在变量筛选阶段，研究者使用了卡方检验和逻辑回归分析，最终确定了14个关键变量用于模型构建。

为了提高贝叶斯网络的建模效率和准确性，本研究采用了混合型的MMHC（Max-Min Hill Climbing）算法。该算法结合了约束型算法和评分型算法的优点，首先通过约束型方法构建无向图的骨架，再利用评分型方法在该骨架基础上进行有向边的优化，从而找到具有最高评分的网络结构。这一方法不仅提高了模型的稳定性，还增强了其在复杂变量关系分析中的适用性。此外，参数估计采用最大似然估计方法，使得模型能够更准确地反映实际数据的分布特征。

研究结果表明，年龄、血脂异常、糖尿病和家族史是冠状动脉疾病（CHD）的直接风险因素，而打鼾、高血压、家族史中的高血压史以及腹部肥胖则被归类为间接风险因素。通过贝叶斯网络的概率推理，研究者进一步揭示了这些风险因素之间的相互作用。例如，在基线情况下，CHD的患病率仅为1.68%，但若存在血脂异常，则患病率上升至2.23%；当年龄处于60至75岁之间时，患病率进一步增加至3.72%；而在同时存在血脂异常、年龄和糖尿病的情况下，患病率达到了5.28%。这些数据不仅反映了各个风险因素对CHD的独立影响，还揭示了它们之间的协同效应，为制定更为精准的预防和干预策略提供了科学依据。

在讨论部分，研究者强调了贝叶斯网络方法相较于传统逻辑回归模型的优势。首先，该方法能够更系统地分析变量之间的复杂依赖关系，而传统方法往往假设变量之间相互独立，无法准确捕捉非线性交互作用。其次，研究者利用了大样本量进行建模，这一优势使得模型在分析CHD的多因素关联时具有更高的统计效力和代表性。此外，研究还首次量化了多个风险因素叠加后的综合风险，例如，年龄≥60岁、血脂异常和糖尿病三者共同作用时，CHD的风险显著上升，从基线的1.68%增加至5.28%。这种对风险叠加效应的量化分析，为临床医生和公共卫生政策制定者提供了重要的参考信息。

从机制层面来看，血脂异常被认为是CHD最重要的风险因素之一。低密度脂蛋白胆固醇（LDL-C）的升高会促进动脉粥样硬化斑块的形成，而高密度脂蛋白胆固醇（HDL-C）的降低则会削弱机体清除多余胆固醇的能力。此外，高甘油三酯水平也会加剧动脉内脂质沉积，影响血管内皮功能，从而增加CHD的发生风险。值得注意的是，某些营养健康产品，如葡萄籽提取物中的原花青素，已被证实能够通过抑制特定转录因子的表达，降低血脂水平，从而对CHD的预防和治疗具有潜在价值。因此，针对血脂异常的干预措施，包括饮食调整、生活方式改变和药物治疗，对于CHD的防控至关重要。

年龄作为另一个显著的风险因素，其影响主要体现在心血管系统的逐渐老化上。随着年龄的增长，血管内皮功能逐渐下降，血管的自我修复和调节能力减弱，这使得老年人更容易受到血管损伤和炎症反应的影响，从而加速动脉粥样硬化的进程。此外，年龄还与代谢功能的减退密切相关，导致血脂代谢异常、胰岛素抵抗和糖尿病等代谢性疾病的发生，进一步增加了CHD的风险。因此，针对老年人群的健康干预尤为重要，包括推广健康饮食模式（如地中海饮食）、定期进行心血管风险评估以及对基础风险因素进行管理，这些都是降低CHD发生率和改善老年人生活质量的有效手段。

糖尿病患者由于长期的高血糖状态，血管内皮细胞受到损伤，加速了动脉粥样硬化的进程。同时，糖尿病还伴随着慢性炎症和氧化应激的增加，以及脂代谢紊乱，这些因素共同作用，使得糖尿病患者更容易发生CHD。因此，控制血糖水平、管理炎症反应、纠正脂代谢异常以及改善血管功能，是糖尿病患者预防和治疗CHD的关键策略。此外，研究还指出，尽管男性在CHD的发生率上高于女性，但随着社会和生活方式的变化，女性的CHD发病率也在逐渐上升，特别是在年轻人群中。因此，女性群体同样需要重视心血管健康，采取相应的预防措施。

研究结果还揭示了某些间接风险因素在CHD发展过程中的重要性。例如，腹部肥胖通过促进高血压的形成，间接增加了CHD的风险。这种间接作用机制表明，某些风险因素可能不是直接导致疾病，而是通过影响其他关键变量间接发挥作用。因此，在制定干预策略时，不仅要关注直接风险因素，还应重视这些间接因素的潜在影响，采取综合性的措施加以控制。

尽管本研究取得了重要的成果，但仍然存在一些局限性。首先，样本中健康人群的比例显著高于CHD患者，这可能导致数据的不平衡，进而影响贝叶斯网络的建模效果。未来的研究可以考虑通过引入数据增强技术或采用不同的建模策略来缓解这一问题。其次，贝叶斯网络虽然能够捕捉变量之间的概率依赖关系，但其并不能完全反映变量之间的因果关系。因此，在解释网络结构时，仍需谨慎对待，避免误将相关性当作因果性。此外，本研究采用面对面访谈的方式收集数据，这可能带来回忆偏差，影响某些疾病（如打鼾或呼吸暂停）的准确估计。因此，未来的研究可以考虑结合更客观的检测手段，以提高数据的可靠性。

最后，研究者指出，尽管当前的模型已经能够较为全面地反映CHD风险因素的复杂关系，但仍有进一步优化的空间。例如，未来可以引入更多的生物标志物，如颈动脉超声、超声心动图和心电图等数据，以更深入地探讨这些变量与CHD之间的关系。同时，也可以尝试与其他混合型算法进行比较，以评估MMHC算法在不同情境下的适用性和优越性。尽管存在这些局限，本研究仍然为CHD的防控提供了重要的科学依据，尤其是在山西省这一特定人群中，其结果对于制定区域性的健康规划和公共卫生政策具有重要的指导意义。