机器学习 + Logistic 回归揭示 TyG 指数预测哮喘患者急性呼吸衰竭的核心价值，临床风险评估新工具 get！

慢性呼吸系统疾病是全球主要致病和致死原因之一，哮喘作为常见慢性呼吸道疾病，患病率逐年上升。尽管医疗技术进步，哮喘死亡率仍未显著改善，急性呼吸衰竭是其最常见并发症，早期识别相关风险对制定预防策略至关重要。TyG 指数是胰岛素抵抗的简易替代标志物，已有研究表明其与哮喘患病率相关，但在预测哮喘患者呼吸衰竭发生风险方面的潜力尚未明确，因此需开展针对性研究。

• 数据来源：采用 MIMIC-IV 2.2 大型公共数据库，经伦理审批，提取符合 ICD-9 和 ICD-10 哮喘诊断标准的患者数据。

• 研究对象筛选：纳入 18 岁及以上、首次入院、数据完整（缺失值≤30%）且无糖尿病、急性胰腺炎及未接受调脂降糖治疗的患者，最终纳入 751 例。

• 变量提取：通过 SQL 提取人口学特征、实验室指标、合并症等数据，按公式计算 TyG 指数，采用均值填充或多重插补处理缺失数据。

• 特征选择：运用 Boruta 算法筛选与结局相关的所有特征，结合 SHAP 方法可视化特征重要性及贡献度。

• 统计分析：采用 SPSS 软件，通过 Logistic 回归模型（3 个调整模型）分析 TyG 指数与急性呼吸衰竭的关联，亚组分析验证稳健性，ROC 曲线评估预测效能。

• 两组患者基线特征存在差异：呼吸衰竭组 TyG 指数均值（9.4±0.7）显著高于非呼吸衰竭组（9.0±0.7），且红细胞、血红蛋白水平更低，阴离子间隙、甘油三酯等指标更高，合并症患病率更高（P<0.001）。

• TyG 指数与急性呼吸衰竭风险显著相关：作为连续变量，未调整模型（OR=2.381）、调整人口学特征模型（OR=2.456）及多变量调整模型（OR=1.444）中，TyG 指数升高均显著增加发病风险（P<0.05）。

• 亚组分析结果稳健：在年龄、性别、BMI、急性肾损伤等亚组中，TyG 指数与发病风险的关联均一致，仅脓毒症亚组无显著相关性，且各亚组无明显交互作用（P>0.05）。

• TyG 指数提升预测模型效能：基线风险模型 AUC 为 0.743，加入 TyG 指数后 AUC 提升至 0.757，预测能力显著增强（P<0.05）。

• 机器学习验证 TyG 指数重要性：Boruta 算法显示 TyG 指数为显著预测特征，SHAP 分析可视化其对结局的正向贡献。