ICU 常规数据聚类出三类相互重叠的 HFpEF 表型，但未发现表型特异性用药关联，TabPFN 分类器内部验证 AUC 0.951–0.969
核心概要
该多队列回顾性研究用 K-prototypes 对 MIMIC-IV 中 2,511 例 HFpEF 患者的前 24 小时 ICU 常规变量聚类，得到心肾代谢型、高血压肺病型与低血压/心律失常型三个临床可解释但相互重叠的表型（K=2 的平均轮廓宽度 0.083 高于 K=3 的 0.060，两者重抽样稳定性均高，中位 ARI 分别为 0.940 与 0.924），衍生队列中 365 天死亡率呈梯度（38.3%、31.5%、23.0%），但在 MIMIC-III 内部验证队列（n=1,524）与河北医科大学第二医院外部应用队列（n=340）中组间生存差异未达统计学显著；在衍生与内部验证队列中，利尿剂、ACEI/ARB、β 受体阻滞剂的各簇加权关联经 F
FIGURE 1 Schematic illustration of the study design and analytical workflow. Abbreviations: ACEI, angiotensin-converting enzyme inhibitor; ARB, angiotensin receptor blocker; AUC, area under the receiver operating characteristic curve; FDR, false discovery rate; KNN, k-nearest neighbors; LightGBM, Light Gradient Boosting Machine; MIMIC, Medical Information Mart for Intensive Care; OW, overlap weighting; RFE, recursive feature elimination; SHAP, SHapley Additive exPlanations; sIPTW, stabilized inverse probability of treatment weighting; TabPFN, Tabular Prior-Data Fitted Network.
· 第 3 页深度剖析
研究用 K-prototypes 在 MIMIC-IV 前 24 小时 ICU 常规变量上识别出三个临床可解释的 HFpEF 表型：心肾代谢型（n=733，肌酐中位 2.2 mg/dL、糖尿病 74%、肾病 84%）、高血压肺病型（n=922，慢性肺病 63%、高血压 43%）与低血压/心律失常型（n=856，收缩压中位 115 mmHg、心律失常 70%）。 既往 HFpEF 表型研究（如 TOPCAT 队列的聚类工作）多聚焦于表型识别与预后，本研究把表型构建、跨队列可重复性与表型分层用药关联放在同一框架内考察，并明确把 K=2 作为同等合理的低分辨率敏感性方案。 衍生队列 n=2,511，聚类前变量经 Z 标准化并缩放到 [-1,1]，K=2 至 K=10 用簇内平方和与平均轮廓宽度评估，稳定性用 50 次 80% 重抽样、每次 15 次随机初始化并以 ARI 汇总；簇数决策规则在查看用药-结局关联之前即已设定，用药暴露与生存结局未作为聚类输入。
衍生队列中三个簇的 365 天死亡率呈梯度（38.3%、31.5%、23.0%，P<0.001），但这一预后分层未在内部验证与外部应用队列中重现为统计学显著差异（log-rank P=0.072 与 P=0.37）。 该结果把“表型可迁移”与“预后分层可迁移”区分开来：簇的临床特征在验证队列中可对齐，而簇的患病比例与预后分离程度随人群与场景变化，且 K=2 在内部验证中的生存分离强于 K=3，说明预后分层依赖所选聚类分辨率。 三个队列分别为 2,511、1,524 与 340 例，365 天死亡分别为 768 例（30.6%）、472 例（31.0%）与 127 例（37.4%）；生存比较使用 Kaplan–Meier 曲线与 log-rank 检验，外部队列的簇标签由未再拟合的固定分类器指派。
在衍生与内部验证队列中，利尿剂、ACEI/ARB 与 β 受体阻滞剂的簇特异性加权关联经 FDR 校正后均不显著，所有药物×簇交互检验也不显著；外部队列的用药估计因组内协变量平衡不足仅作描述性报告。 研究把“未检出交互”明确表述为不能证明各表型用药关联相同，也不支持按簇选择药物；同时报告了 ACEI/ARB 在簇 1 中原始 P 值显著（OW：HR=0.46，95% CI 0.26–0.82，P=0.008）但 FDR 校正后为 0.098 的完整过程。 采用 24 小时 landmark 设计，倾向评分含簇归属、14 个预设协变量及全部簇×协变量交互项；OW 为主分析、sIPTW 为敏感性分析，权重在第 1 与第 99 百分位截尾，协变量平衡以 ASMD<0.10 判定，比例风险假设用 scaled Schoenfeld 残差检验，Benjamini–Hochberg 校正应用于 12 个药物系数检验。
基于 14 个常规变量的固定 TabPFN 分类器在内部验证中一对多 AUC 为 0.951–0.969，10 分箱多分类 ECE 为 0.028，并被部署为公开的网页表型标注界面。 该分类器的目标是复现聚类衍生的表型标签而非预测死亡或治疗反应；内部验证以 MIMIC-III 独立重新聚类并经预设匈牙利算法按簇轮廓距离一一对齐的标签为参照，对齐过程不使用分类器预测、生存结局或用药暴露，且模型在 MIMIC-III 中不再拟合。 递归特征消除在 8、10、12、14、37 个预测变量中比较，37 变量绝对性能最高，14 变量在缩减输入配置中最佳并因手工录入负担被保留；单特征消融显示性能对去除血细胞比容、呼吸频率、葡萄糖与肾病最敏感（Δmacro-F1 分别为 0.0320、0.0253、0.0240、0.0232），SHAP 来自辅助 LightGBM 替代模型。
启示与展望
该框架面向 ICU 中 LVEF≥50% 且符合预设心衰编码标准的 HFpEF 患者，使用入 ICU 后前 24 小时的常规生命体征、实验室指标与 ICD 编码合并症，适用于以研究为目的的表型描述与标签标准化指派；分类器与网页界面被定位为研究工具，用于在后续研究中复现机器衍生标签，而非临床决策支持或治疗选择。对希望复用该流程的研究者而言，可直接采用 14 变量输入配置与公开界面，并在新队列中重新评估簇结构与预测置信度。
原文为不完整读取，图表与补充材料（如 Supplementary Table S4、S6、S9 与 Supplementary Figure S16、S17、S20）未载入，因此簇数选择的完整比较、协变量平衡细节、比例风险诊断与校准曲线的具体数值无法在此核对，这些是需要回到原文确认的开放问题。此外，簇结构对变量选择、缺失值处理与队列构成的敏感性，外部队列缺少独立参照标签因而未计算分类准确率，以及 SHAP 来自 LightGBM 替代模型而非直接解释 TabPFN，都是读者在采用该框架前会继续关注的方向；表型是否随时间稳定、以及需要何种预设的表型分层设计才能检验治疗假设，仍有待前瞻性多中心研究回答。