未确诊高血压筛查换用PU学习：漏诊从1237例降到729例，灵敏度升到0.817

筛查模型不再把没有既往诊断的人一律当作非高血压。 此前用既往诊断构造标签时，未确诊的高血压患者会被当成负样本，模型学到的更接近"是否曾被诊断"而不是"是否患病"。 在8,611人的独立测试集上，这套流程的灵敏度为0.817，高于逻辑回归的0.683、标准XGBoost的0.690和神经网络的0.719。

训练样本被重建为只保留高置信度的候选正例与候选负例。 单阶段方法会给全部未标注样本强行贴标签，把边界附近高度不确定的样本推进某一类，伪标签误差随之传给下游分类器。 两阶段重建后得到8,017个伪正例和8,017个伪负例，共16,034人，占原训练集的61.9%，其余9,849个高度模糊样本被排除在最终监督损失之外。

先用线性模型做全局排序，再用非线性模型只处理中间不确定区。 弹性网逻辑回归给出正例对未标注的排序分数，按训练集内阈值0.076和0.598分出候选正例、候选负例和不确定集。 随机森林只在这18,426人的不确定集上再排序，按约0.242和0.460的阈值分出2,704个候选正例、5,873个候选负例和9,849个拒绝样本，最终用XGBoost在平衡后的伪标签集上训练。

这套流程面向45岁及以上、来自中国八个研究区域的社区成人，输入限于人口学、生活方式、病史和体格测量变量，实验室检查、用药信息和血压测量都被排除在预测变量之外。定位是在确诊性血压测量之前做高风险分层，而不是替代临床诊断；作者提出下一步应在独立外部数据集上评估灵敏度、漏诊减少和特异度的稳定性，并与其它正例-未标注、弱监督和混合模型方法做系统比较，同时按漏诊、确认性测量和可接受假阳性负担的相对成本优化决策阈值。

正例-未标注学习假定已标注正例足够可靠，但一个人是否曾被诊断并非随机过程，标注机制可能随医疗可及性、健康意识、地域和社会经济状况变化，带来正例选择偏倚。两阶段样本选择、拒绝不确定样本和1:1类别平衡同时改变了训练集构成和类别先验，因此灵敏度提升无法单独归因于其中任一环节，缺少分组件消融分析。特异度偏低可能在大规模部署中增加假阳性和确认工作量，净收益取决于筛查成本结构。研究人群为45岁及以上中国社区成人，结论不宜直接外推到更年轻人群或其它地区。