Prediction models for cardiovascular diseases in elderly diabetic patients based on artificial intelligence algorithms and traditional Chinese medicine constitution types

ZHU Jingjing; ZHANG Yang; GONG Xiaohui; ZHENG Wanyi; MAO Lijun; SONG Hualing; XU Xianglong

doi:10.16305/j.1007-1334.2025.z20240801001

您当前的位置：

首页 >

文章列表页 >

Prediction models for cardiovascular diseases in elderly diabetic patients based on artificial intelligence algorithms and traditional Chinese medicine constitution types

更新时间：2025-03-12

- Prediction models for cardiovascular diseases in elderly diabetic patients based on artificial intelligence algorithms and traditional Chinese medicine constitution types
- Shanghai Journal of Traditional Chinese Medicine Vol. 59, Issue 3, Pages: 1-6(2025)
- 作者机构：
  
  1.上海中医药大学公共健康学院（上海 201203）
  2.上海市黄浦区豫园社区卫生服务中心（上海 200010）
  3.复旦大学附属妇产科医院产科（上海 200011）
- 作者简介：
- 基金信息：
- DOI：10.16305/j.1007-1334.2025.z20240801001
  CLC：
- Received：01 August 2024，
  
  Published：10 March 2025
- 稿件说明：
移动端阅览
朱晶晶,张扬,龚小会,等.基于人工智能算法与中医体质类型的老年糖尿病患者合并心血管疾病预测模型[J].上海中医药杂志,2025,59(3):1-6.

ZHU Jingjing,ZHANG Yang,GONG Xiaohui,et al.Prediction models for cardiovascular diseases in elderly diabetic patients based on artificial intelligence algorithms and traditional Chinese medicine constitution types[J].Shanghai Journal of Traditional Chinese Medicine,2025,59(3):1-6.
朱晶晶,张扬,龚小会,等.基于人工智能算法与中医体质类型的老年糖尿病患者合并心血管疾病预测模型[J].上海中医药杂志,2025,59(3):1-6. DOI： 10.16305/j.1007-1334.2025.z20240801001.

ZHU Jingjing,ZHANG Yang,GONG Xiaohui,et al.Prediction models for cardiovascular diseases in elderly diabetic patients based on artificial intelligence algorithms and traditional Chinese medicine constitution types[J].Shanghai Journal of Traditional Chinese Medicine,2025,59(3):1-6. DOI： 10.16305/j.1007-1334.2025.z20240801001.

摘要

目的

结合人工智能算法、临床血液检查数据与中医体质理念，构建针对老年糖尿病患者的心血管疾病预测模型，为个性化健康管理提供新手段。

方法

纳入2018年至2022年上海市黄浦区豫园社区1 068名65岁以上的糖尿病患者，通过逻辑回归模型（logistic regression）和极限梯度提升模型（XGBoost）两种机器学习算法，利用中医的9种体质变量和血液检查指标，构建老年糖尿病患者的心血管疾病预测模型，并使用曲线下面积指标评估性能。

结果

两种预测模型的性能均达到了可接受的水平（logistic regression，曲线下面积=0.77；XGBoost，曲线下面积=0.79），XGBoost是最佳模型；XGBoost重要性排序前15的变量中，中医体质的变量分别是平和质、气虚质、湿热质、血瘀质。

结论

基于中医体质的预测模型可以预测老年糖尿病患者的心血管疾病，为老年糖尿病患者的个性化健康管理和社区卫生服务提供了新策略，同时促进中医“治未病”理念的应用。

Abstract

Objective

To develop prediction models for cardiovascular disease in elderly diabetic patients by integrating artificial intelligence algorithms， clinical blood test data， and the concept of traditional Chinese medicine （TCM） constitution types， in order to provide new approaches for personalized health management.

Methods

A total of 1，068 diabetic patients aged 65 and above， from the Yuyuan community of Huangpu District

in Shanghai， were included in the study from 2018 to 2022. Two machine learning algorithms， logistic regression and extreme gradient boosting （XGBoost）， were used to construct cardiovascular disease prediction models for elderly diabetic patients based on nine TCM constitution variables and blood test indicators. The models' performance was assessed by using the area under the curve （AUC） metric.

Results

Both prediction models showed acceptable performance （logistic regression， AUC=0.77； XGBoost， AUC=0.79）， with XGBoost being the best model. Among the top 15 most important variables in the XGBoost model， the TCM constitution variables included were balanced constitution， qi-deficiency constitution， damp-heat constitution， and blood stasis constitution.

Conclusions

The prediction model based on TCM constitution can effectively predict cardiovascular diseases in elderly diabetic patients， and provide a new strategy for personalized health management and community healthcare services for these patients. This model also promotes the application of the TCM concept of "Zhiweibing"， that is， the prevention of disease before it occurs.

关键词

Keywords

references

SINCLAIR A ， SAEEDI P ， KAUNDAL A ， et al . Diabetes and global ageing among 65-99-year-old adults： Findings from the International Diabetes Federation Diabetes Atlas， 9（th） edition ［J］. Diabetes Res Clin Pract ， 2020 ， 162 ： 108078 .

梁栋，杨成琳，林晓茹，等 . 1990—2019年中国成年人归因于糖尿病的心血管疾病负担研究［J］. 中国全科医学， 2024 ， 27 （ 11 ）： 1380 - 1386 .

孙源，刘括，李冰潇，等 . 糖尿病心血管并发症预测模型的构建［J］. 医学新知， 2024 ， 34 （ 1 ）： 2 - 13 .

国务院办公厅 . “十四五”中医药发展规划［J］. 江苏中医药， 2022 ， 54 （ 5 ）： 1 - 9 .

国家卫生计生委 . 国家基本公共卫生服务规范（第三版）［EB/OL］.（ 2017-2-28 ）［ 2024-6-18 ］. http：//www.nhc.gov.cn/ewebeditor/uploadfile/ 2017/04/20170417104506514.pdf http://www.nhc.gov.cn/ewebeditor/uploadfile/2017/04/20170417104506514.pdf .

王琦 . 中医体质学在大健康问题中的应对与优势［J］. 北京中医药大学学报， 2021 ， 44 （ 3 ）： 197 - 202 .

吴岳恒，余细勇 . 人工智能在心血管疾病研究和临床中的应用［J］. 基础医学与临床， 2022 ， 42 （ 11 ）： 1644 - 1649 .

程序，张冬梅，赵亚男，等 . 基于人工智能技术的中医防治心血管疾病研究进展［J］. 中国中医药图书情报杂志， 2024 ， 48 （ 2 ）： 265 - 269 .

马爱娟，吕筠，董忠，等 . 糖尿病患者心血管疾病预测模型的研究现状［J］. 中华糖尿病杂志， 2024 ， 16 （ 1 ）： 117 - 126 .

中华医学会糖尿病学分会，国家基层糖尿病防治管理办公室 . 国家基层糖尿病防治管理指南（2018）［J］. 中华内科杂志， 2018 ， 57 （ 12 ）： 885 - 893 .

中国心血管健康与疾病报告编写组 . 中国心血管健康与疾病报告2022概要［J］. 中国循环杂志， 2023 ， 38 （ 6 ）： 583 - 612 .

QIN Y ， WU J ， XIAO W ， et al . Machine learning models for data-driven prediction of diabetes by lifestyle type ［J］. Int J Environ Res Public Health ， 2022 ， 19 （ 22 ）： 15027 .

XU X ， YU Z ， GE Z ， et al . Web-based risk prediction tool for an individual's risk of HIV and sexually transmitted infections using machine learning algorithms： development and external validation study ［J］. J Med Internet Res ， 2022 ， 24 （ 8 ）： e37850 .

RANKA S ， REDDY M ， NOHERIA A . Artificial intelligence in cardiovascular medicine ［J］. Curr Opin Cardiol ， 2021 ， 36 （ 1 ）： 26 - 35 .

高颖，许欣宜，刘洋，等 . 基于中医体质的老年人动脉粥样硬化性心血管疾病预测模型的开发研究［J］. 中国全科医学， 2024 ， 27 （ 15 ）： 1878 - 1885 .

郭璞玉，张哲 . 中医体质与心血管疾病危险相关性研究进展［J］. 实用中医内科杂志， 2023 ， 37 （ 8 ）： 76 - 78 .

李涛，陈红，吴卫，等 . 818例心血管疾病高危人群中医体质与相关危险因素的研究［J］. 四川中医， 2023 ， 41 （ 6 ）： 96 - 99 .

程全周，陈爱莲，赵振凯 . 心血管病高危人群中医体质特点及与BMI、IMT的相关性分析［J］. 中西医结合心脑血管病杂志， 2020 ， 18 （ 9 ）： 1406 - 1408 .

刘洋 . 2型糖尿病并发心血管病高危风险患者中医体质分布特点及相关因素研究［D］. 天津：天津中医药大学， 2023 .

王晓曦，侯慧卿，邵伟华，等 . 2型糖尿病人群血清胆红素水平与动脉硬化及10年心血管病发生风险的关系［J］. 中国心血管杂志， 2023 ， 28 （ 3 ）： 222 - 227 .

HOU J ， DUAN Y ， LIU X ， et al . Associations of long-term exposure to air pollutants， physical activity and platelet traits of cardiovascular risk in a rural Chinese population ［J］. Sci Total Environ ， 2020 ， 738 ： 140182 .

SANSANAYUDH N ， MUNTHAM D ， YAMWONG S ， et al . The association between mean platelet volume and cardiovascular risk factors ［J］. Eur J Intern Med ， 2016 ， 30 ： 37 - 42 .

Views

下载量

CSCD

CNKI被引量

Alert me when the article has been cited

提交

Tools

Publicity Resources

Transformation of intelligent manufacturing in traditional Chinese medicine： application strategies and case analysis of dynamic matrix control in pharmaceutical process of traditional Chinese medicine

Application status quo and prospects of artificial intelligence and information technology for modernization of four diagnostic methods in traditional Chinese medicine

Application of deep features of tongue images in evaluating efficacy of treatments for chronic insomnia

Textual research on historical evolution and key information of classic famous formula Guizhi Gancao Decoction

Research review on data annotation for intelligent pulse diagnosis devices in traditional Chinese medicine

Related Author

CHENG Yukang

YU Yang

ZHANG Faxing

MIAO Kunhong

XUE Qilong

PAN Qin

LI Zheng

CUI Ji

Related Institution

Tianjin Pharmaceutical Da Ren Tang Group Corporation Limited

Tianjin Key Laboratory of Green Pharmaceutical and Intelligent Pharmaceutical for Traditional Chinese Medicine

State Key Laboratory of Component Traditional Chinese Medicine

College of Pharmaceutical Engineering of Traditional Chinese Medicine， Tianjin University of Traditional Chinese Medicine

School of Traditional Chinese Medicine， Shanghai University of Traditional Chinese Medicine

⁰