尘肺病并发症危险因素识别及XGBoost早期预测模型的建立与应用

来源：环境与职业医学杂志 2026年第3期北京时间：

作者：张立, 彭朋, 汪运, 罗东,

摘要：背景尘肺病作为我国最严重的职业病之一，其并发症显著加重疾病负担并影响患者生存质量。目的 探究尘肺病并发症发生的影响因素，构建尘肺病并发症早期预测模型，为临床诊疗康复工作提供理论指导。方法采用病例-对照研究设计，基于重庆市5G尘肺病康复管理信息平台，收集2021年1月至2024年12月在重庆市各级康复站进行康复治疗的有并发症的尘肺病患者作为病例组，共纳入1872例。以同期同平台进行康复治疗的无并发症患者作为对照组，共纳入2348例。利用单因素分析、LASSO回归及多因素logistic回归探究并发症影响因素，利用十折交叉验证训练极度梯度提升（XGBoost）模型预测尘肺病并发症，采用沙普利加和解释法（SHAP）对模型进行可视化处理。结果影响因素分析显示：年龄增加、尘肺病类型为矽肺、尘肺病期别高、日常生活依赖、肌力异常、呼吸困难指数增加、存在咳嗽症状、痰液黏稠、心功能受损、6 min步行试验（6MWT）重度异常及博格评分增大是并发症的危险因素（P<0.05）。XGBoost模型受试者工作特征曲线下面积（AUC）=0.718，校准曲线Brier分数为0.211，临床决策曲线阈概率为0.2~1之间净收益高于患者全干预和患者无干预，模型预测效能较好，且有较好的临床实用价值。SHAP可视化显示，前六重要特征分别为博格评分、年龄、6MWT、肌力、尘肺病期别、咳嗽症状。结论尘肺病并发症影响因素众多，临床应重点关注心肺功能储备下降、呼吸系统症状明显及肌力减弱的高龄尘肺病患者，XGBoost模型在尘肺病并发症预测上区分度、校准度、临床实用性均较好，可为临床决策提供参考。

关键词：重庆, 尘肺病, 并发症, 机器学习, 十折交叉验证训练极度梯度提升模型, 沙普利加和解释法,