基于概率图模型的代谢综合征风险评估及演变规律研究

Studies at home and abroad found that insulin resistance is not the only cause of metabolic syndrome (MS). Our study found that any abnormal MS component, for example, elevation of blood pressure, obesity can possible be the cause of MS. The relationship between different MS components, MS components and blood indicators is very complex, the evolution mode of MS is not clear. Probabilistic graphical model can analyze the causal relationship between many variables at different stages, and the model can carry out reasoning for uncertain structure effectively. The study proposes probabilistic graphical models strategy based on health examination ambispective cohort data from 2007 to 2017. Lifestyle factors will be investigated and blood routine index and biochemical factors will be detected. At first, bayesian network model is conducted to detect the causal routes between MS and its components, and to figure out the effect of different MS components. At the same time, the effect of lifestyle factors, blood routine index and biochemical factors in the causal route will also be explored. Piecewise constant intensities Markov model is conducted to explore the risk factors at different stages of MS and to verify the effect of the same factor at different stages. The evolution mode of MS is explored by transition probability of the model. The results can provide scientific proof for personalized prevention for people with different MS evolution modes.

国内外研究发现胰岛素抵抗并非代谢综合征（MS）发生的唯一原因，本项目组前期研究发现血压升高、肥胖等MS组分异常都可能导致MS发生。但MS组分之间、各组分与血液指标之间的相互影响关系较为复杂，MS的演变规律尚不明确。概率图模型能够分析不同阶段多个变量之间的因果关系，进行结构不确定性推理。本项目拟采用概率图模型的建模策略，对2007-2017年的体检人群进行双向队列研究，调查生活行为因素，检测血常规和血生化指标，首先运用贝叶斯网络图模型探讨基线不同组分进展为MS的因果路径，明确不同组分异常导致MS发生的效应强度，分析生活行为因素、血液指标在因果路径中的作用；然后应用分段常数强度Markov图模型评价MS不同阶段的风险因素，明确同一因素在MS不同阶段的影响程度，再根据转移概率展示MS组分之间的转移模式，明确基线异常组分进展为MS的演变规律。该研究为不同MS演变模式人群进行针对性防治提供科学依据。

代谢综合征（MS）是多种慢性疾病的前期状态，导致MS发生的原因并非只有胰岛素抵抗，本项目组前期研究发现血压升高、肥胖等MS组分异常都可能导致MS发生。但MS组分之间、各组分与血液指标之间的相互影响关系较为复杂，MS的演变规律尚不明确。本项目采用2007-2017年的体检人群进行双向队列研究，调查了生活行为因素，检测了血常规和血生化指标，首先运用二次推断函数模型探讨MS及其组分异常的影响因素，然后采用贝叶斯网络图模型探讨基线不同组分进展为MS的因果路径，明确不同组分异常导致MS发生的效应强度，分析血液指标在因果路径中的作用；最后应用多状态Markov模型评价MS不同阶段的风险因素，明确同一因素在MS不同阶段的影响程度。研究结果发现对于男性人群：由基线血糖异常发展为MS有三条路径：1.基线血糖异常-MS；2.基线血糖异常-终点体重异常-MS；3.基线血糖异常-终点体重异常-终点血压异常-MS；从基线血脂异常发展为MS有六条因果路径：1.基线血脂异常-MS；2.基线血脂异常-终点体重异常-MS；3.基线血脂异常-终点体重异常-终点血脂异常-MS；4.基线血脂异常-终点体重异常-终点血糖异常-MS；5.基线血脂异常-终点体重异常-终点血糖异常-终点血脂异常-MS；6.基线血脂异常-终点血脂异常-MS；从基线血压异常发展为MS有一条因果路径，即基线血压异常-终点血压异常-MS。男性人群中没有发现从基线体重异常发展为MS的因果路径。对于女性人群：没有发现由基线血糖异常发展为MS的因果路径；从基线血脂异常发展为MS有三条路径：1.基线血脂异常-终点体重异常-MS；2.基线血脂异常-终点体重异常-终点血脂异常-MS；3.基线血脂异常-终点血脂异常-MS；女性人群基线体重异常演变为MS的因果路径为基线体重异常-终点体重异常-MS。研究结果表明影响MS不同进展状态的因素及影响强度不尽相同。该研究发现基线异常组分进展为MS有不同路径和影响因素，为不同MS演变模式人群进行针对性防治提供了科学依据。