npj Digital Medicine：21.9万例CKM综合征住院患者建模，8变量XGBoost预测三年死亡，高危组HR达9.62

101个变量筛到8个：一张能贴在病历首页的CKM三年死亡风险表

趋势前瞻 × 医疗数据从业者 ｜ 数据视角 × 医院信息化/临床医生 ｜ 深度研报

2026年10月2日，npj Digital Medicine 在线刊出中国团队研究：为心血管-肾脏-代谢（Cardiovascular-Kidney-Metabolic，CKM）综合征2至4期住院患者构建三年死亡风险模型。研究纳入29家中心219,561例，从101个候选变量收敛到8变量 XGBoost，并附网页版风险计算器。

开场：一个横跨心、肾、代谢的诊断框，缺一个能用的风险尺

CKM 综合征把心血管疾病、慢性肾脏病与代谢紊乱放进同一个框架，其临床价值在于承认这三类病变互为因果、共同推高死亡风险。论文给出的前提是：CKM 综合征与高死亡风险相关，但准确的个体化风险预测手段仍然有限。

这句话点出了真实缺口。住院患者的决策窗口很短，医生需要的是在现有病历字段上就能算出、不需要额外检查的评分，而不是再开一批化验。从这个角度看，变量个数本身就是产品指标：8个变量意味着这张表有可能被嵌进电子病历，在医生打开病历时自动算完。研究也确实配了网页版风险计算器，用于推动临床应用。

数据基础来自中国肾脏数据系统（China Renal Data System，CRDS），参与单位被致谢为各区域中心医院。这是本批十条里唯一一篇中国团队论文，其意义在于用国内多中心的真实住院数据完成了一次大样本建模，而不是在方法上有什么新发明。

21.9万例怎么拆：推导、内部、中心层面三道关

219,561例被切成三份，分别对应三种不同的检验强度：

1. 推导队列132,404例：模型在这里被训练与筛选，是性能数字最高的地方，也是最容易乐观的地方；
2. 内部验证队列56,744例：用于检验模型在同一数据分布内的稳定性，回答的是换一批同来源患者还行不行；
3. 中心层面验证队列30,413例：按医疗中心划分，检验的是换一家医院、换一套检验设备与记录习惯之后还行不行，这是三道关里最接近真实部署场景的一道。

样本量足以支撑细粒度建模，这一点没有疑问。但三份数据的来源结构是同一套系统、同一类住院患者，它们之间的差别主要体现在中心与患者构成，而不是人群性质。因此三组结果的落差，读法应当是跨机构稳定性，而不是跨人群外推性。

101个变量到8个：LASSO输在哪一步

研究在推导队列中用101个变量分别构建 XGBoost 与最小绝对收缩与选择算子（Least Absolute Shrinkage and Selection Operator，LASSO）模型，结论是8变量 XGBoost 模型持续优于 LASSO 模型。

需要克制的是因果表述。论文报告的是性能排序，并未对两种方法为何产生差异展开机制分析，因此可以确定的是XGBoost在这批数据上表现更好，而不是XGBoost为何更好。在公开信息范围内，可以确认的只有三点：一是建模起点为101个候选变量，二是最终选出的模型只保留8个变量，三是该模型的表现优于同研究中的 LASSO 模型。变量筛选的具体路径、8个变量分别是什么，摘要未给出。

对数据从业者来说，从101到8这一段是整个研究里最值得琢磨的工程动作。候选变量越多，缺失值处理、编码一致性与中心间口径差异的负担就越重；压到8个变量，等于把跨中心数据 harmonization 的成本大幅压缩。这也解释了一个隐含的取舍：模型愿意牺牲一部分信息量，换取在29家中心之间可复现。

HR 9.62与AUC 0.831各说的是哪件事

这两组数字常被放在同一句话里，但衡量的完全是两件事。

AUC 衡量区分度。三组的受试者工作特征曲线下面积（ROC-AUC）依次为0.831（推导队列）、0.826（内部验证队列）与0.813（中心层面验证队列）。它回答的是：给定一个患者，模型能否把后来死亡的人排在未死亡的人前面。0.8出头属于中等偏上的区分能力，谈不上决定性。

HR 衡量分层后的相对风险。基于最优模型，患者被分为低危、中危、高危三组。与低危组相比，高危组的三年全因死亡风险比（Hazard Ratio，HR）为9.62（95%CI 8.86-10.45），心血管死亡 HR 为12.53（95%CI 10.97-14.31）。

这里必须说清楚：HR 是高危组相对于低危组的分层相对风险，来自模型分层之后的两组生存比较，不是模型的区分度指标，也不表示模型准确率提升了多少倍。一个区分度一般的模型同样可以划出风险差异极大的两组，这两件事分别由 AUC 与 HR 描述，不能互相替代，也不能叠加解读。

换个说法更容易记：AUC 说的是模型能不能把人排对顺序，HR 说的是排完之后首尾两组差多少。排得准不等于两组拉得开，两组拉得开也不代表每一次排序都对。三年全因死亡与心血管死亡两条 HR 都远超9倍，加上置信区间较窄，说明高危这组一旦被划出来，其风险升高是稳定可见的——但这件事的证据强度，与模型能否精准识别每一个高危个体，是两个独立问题。

冷静观察：中心层面验证掉的那0.018，才是真实世界要付的成本

从0.831到0.813，中间差的0.018看上去很小，但它是这三组数字里最有信息量的一处。推导队列与内部验证队列之间只掉了0.005，而一旦换成按中心划分的验证，落差扩大到0.018——恰好出现在跨机构这一道关上。这提示模型性能对数据来源结构的敏感度高于对样本量的敏感度，换言之，把同样的字段搬到另一家医院，掉的那部分性能大概率要由工程侧补回来，比如检验值单位统一、缺失模式对齐、编码口径映射。

从趋势上看，这类研究的价值正在从提出新算法转向把已知算法压进临床工作流。8个变量、29家中心、附网页计算器，三个特征指向同一个方向：可被嵌进现有系统，而不是等待新的数据基础设施建成。国内多中心数据的积累为此提供了条件，但这不是方法层面的突破，也不宜这样表述。

还有两点需要留在视野内。其一，研究对象为CKM综合征2至4期的住院患者，结论外推到门诊人群或更早期分期缺少依据。其二，论文声明未获得专项资助、作者无利益冲突，当前可见的是 accepted article preview 版本，正式发表时措辞可能调整。三年死亡风险的预测时长本身也构成限制：模型输出的是一个长期概率，而临床上最直接的问题往往是这一次住院该怎么办。

原文链接：npj Digital Medicine（Nature）

千方医数集编辑部 出品