由于结构和生物压力源，跨性别患者面临更高的心血管发病率负担，特别是在资源匮乏的环境中。没有研究比较针对这一独特患者群体的机器学习模型开发策略，并且比较跨性别和顺性别人群之间的数据/结果的文献也有限。
我们比较单独训练的机器学习模型跨性别患者对照模型是在尺寸匹配和比例匹配的顺性别患者队列以及自 2005 年 1 月 1 日起在国家外科质量改进计划中接受妇产科手术的 300 倍大、比例匹配的顺性别患者队列中开发的模型截止至 2019 年 12 月 31 日。所有模型都是为了预测高血压的结果而开发的。使用5×2倍交叉验证假设检验计算模型之间的统计显着性。
在626,102名接受妇产科手术的患者中，有1959名跨性别患者85,405 人（13.7%）患有高血压，需要药物治疗。值得注意的是，与 (p) 相比，在跨性别群体上选择性训练的逻辑回归机器学习模型的 AUC 为 0.865 (95% CI: 0.830.90)，准确率为 85% (95% CI: 0.800.87)。