加速度計衍生的數字生物標誌物用於心臟代謝風險：具有不確定性量化的人羣代表性表格基準
本研究利用NHANES 2003-2006數據，構建了包含1,381名成年人的加速度計心臟代謝基準，評估了三種表格學習方法（嶺迴歸、XGBoost和TabPFN v2）預測糖化血紅蛋白、甘油三酯和C反應蛋白的性能。TabPFN v2整體表現最佳，但甘油三酯預測能力有限。同時，通過分割共形預測評估了預測區間的覆蓋公平性，發現總體覆蓋達標，但亞組間存在差異。
一項新的研究引入了NHANES加速度計心臟代謝基準，該基準源自美國國家健康與營養調查（NHANES）2003-2006年的數據，包含1,381名成年人。這些受試者佩戴了臀部加速度計，並提供了空腹實驗室生物標誌物（包括糖化血紅蛋白HbA1c、空腹甘油三酯和C反應蛋白CRP）、膳食攝入信息和人體測量數據。該基準的獨特之處在於，它不僅涵蓋了加速度計衍生的活動表型，還整合了生活方式協變量，如飲食和身體質量指數，旨在反映真實世界臨牀數據中的複雜調查抽樣、人口統計學過採樣和子組公平性問題。現有基準往往忽略這些關鍵方面。
研究評估了三種表格學習方法：嶺迴歸、XGBoost和基礎模型TabPFN v2。TabPFN v2是一種基於Transformer架構的預訓練模型，專為處理表格數據設計。結果顯示，TabPFN v2在預測HbA1c和CRP方面表現最佳，R²值分別達到0.156和0.383，顯著優於其他方法。然而，所有模型在預測空腹甘油三酯時均表現不佳，R²值低於0.05。這一結果與已知的遺傳因素主導甘油三酯水平的觀點一致，提示活動表型和生活方式因素可能無法充分捕捉其變異。
除了預測性能，研究還應用了分割共形預測方法，生成無分佈假設的90%預測區間，並評估了按性別和種族/民族劃分的亞組覆蓋公平性。邊際覆蓋分析顯示，對於CRP和HbA1c，預測區間的實際覆蓋接近90%的目標值；但對於甘油三酯，覆蓋水平低於目標。在亞組層面，研究發現了局部覆蓋不足的現象：例如，墨西哥裔美國參與者的HbA1c預測區間覆蓋偏低，這表明邊際保證可能無法確保所有子組的臨牀公平性。這種差距突顯了在模型評估中納入條件覆蓋分析的重要性。
該研究的代碼和數據已在GitHub上公開（https://github.com/felizzi/nhanes-accel-cardiometabolic-benchmark），為數字生物標誌物在臨牀風險預測中的應用提供了新的基準，並強調了在模型評估中納入不確定性量化和公平性分析的必要性。