硕士一作发文Nature子刊（IF=15.1 ），机器学习新思路大放光彩| 一周好文汇总

源自风暴统计网：一键统计分析与绘图的AI网站

引言

本周公共数据库多篇一区顶刊成果集中亮相，有“小而美”的选题思路，也有“深而精”的方法创新，亮点多多，可见其数据挖掘潜力！

一起来学习吧~

选题想到头秃？数据不会处理？郑老师团队提供丰富的公共数据库挖掘服务，发文技巧、文章复现一网打尽，感兴趣的小伙伴欢迎联系~

本周好文一览

1.CHARLS + UKB

慢性肾脏病（CKD）是2型糖尿病（T2DM）的常见并发症，尤其在亚洲人群中，缺乏个性化的预后预测工具。

2026年2月16日，香港理工大学学者团队基于香港医院管理局（HADCL）的纵向电子健康记录数据库、CHARLS、UKB公共数据库在Nature子刊《 npj digital medicine 》（医学一区，IF=15.1)发表论文，旨在开发深度学习模型以预测不同人群中T2DM相关CKD的进展风险。

研究采用深度神经网络（DNN）构建时间依赖性预测模型，评估2年、5年及10年的CKD进展风险，并使用SHAP值进行可解释性分析；外部验证采用英国生物银行（UK Biobank）和中国健康与养老追踪调查（CHARLS）队列。

结果显示，DNN模型在2年、5年及10年预测中的AUC分别为87.1%、85.3%和84.7%，优于传统机器学习模型。

SHAP分析显示，最重要的预测因子包括血清肌酐、性别、年龄、眼部并发症及血管紧张素处方史。

外部验证中，模型在UK Biobank（2年）和CHARLS（5年）的AUC分别为79.7%–82.0%和74.6%–74.7%。

综上，深度学习框架在预测T2DM患者CKD进展方面表现出稳健的性能和良好的跨人群泛化能力。研究强调了纳入用药史等传统模型中较少使用的预测因子的价值，并为亚洲人群的早期筛查和精准干预提供了可解释的临床决策支持工具。

2.NHANES + UKB

近日，国外学者团队使用 NHANES和UKB公共数据库，在期刊《European Journal of Preventive Cardiology 》（医学一区，IF=7.5)发表研究论文，旨在识别动脉粥样硬化性心血管疾病（ASCVD）患者中与高敏C反应蛋白（hsCRP，系统性炎症的常用间接测量指标）相关的因素，从而筛选出可能从未来新兴抗炎疗法中获益的患者。

结果显示，与hsCRP升高（定义为 2–10 mg/L）显著相关因素为（两队列均一致）：

肥胖或超重；
当前吸烟；
女性；
LDL-C每升高10 mg/dL；
甘油三酯每升高10 mg/dL；
他汀使用。

（UKB队列）

（NHANES队列）

研究进一步评估了上述因素以及慢性肾脏病（CKD）G3-5期这7个因素的组合效应。结果显示，个体拥有的因素越多，hsCRP水平越高：

在UKB中，相比于无任何因素者，拥有全部七个因素者的hsCRP中位数从0.62 mg/L升至5.39 mg/L；
在NHANES中，相应中位数从0.56 mg/L升至6.99 mg/L。

A：UKB；B：NHANES

综上，研究确认了六类因素与hsCRP升高显著相关；且因素越多，hsCRP水平越高。这些发现为临床医生提供了基于风险因素的靶向检测策略，有助于在有限医疗资源下高效识别可能从未来抗炎治疗中获益的患者。

3. GBD

2026年3月30日，GBD 2023 缺铁性心脏病（IHD）与膳食风险因素协作者团队使用GBD 2023公共数据库，在顶刊Nature子刊《 nature medicine》（医学一区，IF=50.0)发表研究论文，旨在量化204个国家和地区中归因于不良饮食的IHD死亡及伤残调整寿命年（DALY）负担，并评估13种膳食成分（如低水果、低全谷物、高钠等）的具体影响。