机器学习评估氧化平衡分数在良性前列腺增生中的临床价值
王浩然1
宁家昕1
侯惠民2
刘明2
王建业3
1.北京医院/国家老年医学中心/北京协和医学院/中国医学科学院,北京 1007302.北京医院/国家老年医学中心/北京协和医学院/中国医学科学院,北京 100730;北京医院泌尿外科/国家老年医学中心/中国医学科学院老年医学研究院,北京 100730;北京大学第五临床医学院,北京 1007303.北京医院/国家老年医学中心/北京协和医学院/中国医学科学院,北京 100730;北京医院泌尿外科/国家老年医学中心/中国医学科学院老年医学研究院,北京 100730
摘要：目的:探讨良性前列腺增生(BPH)与氧化平衡评分(OBS)之间的关系.方法:使用2001～2008年的美国国家健康与营养调查(NHANES)数据,详细研究了 16个饮食因素和4个生活方式因素,计算了 OBS.将BPH作为研究结果,探讨了两者之间的线性和非线性关系.此外,本研究还进行了亚组分析和交互作用检验.为了进一步建立BPH的预测模型,应用了包括XGBoost、支持向量机(SVM)和朴素贝叶斯(NB)等机器学习方法.结果:较高的OBS与BPH的较高患病率显著相关,限制立方样条分析显示出显著的正向非线性关联(P=0.015).亚组分析揭示了基于酒精消费的差异性和交互作用关系.在纳入的7种机器学习模型中,XGBoost模型表现最佳,其AUC值为0.769.提示使用这一评价指标后,可以有效评估BPH的发生情况.结论:OBS与美国人群中BPH患病率之间的显著关联,为该疾病的进一步诊断和研究提供了参考.
关键词：美国国家健康与营养调查氧化应激氧化平衡评分良性前列腺增生机器学习
分类号：R697+.32(泌尿科学（泌尿生殖系疾病）)
论文发表日期：2025-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 121-130 )
英文信息