血液透析患者动静脉内瘘成熟不良预测模型构建与验证:基于机器学习算法
王高源1
李明峰2
1.塔夫茨大学科学与工程学院(美国马萨诸塞波士顿02155)2.开封市人民医院肾病风湿科(河南开封 475000);开封市肾脏病精准治疗重点实验室(河南开封 475000)
摘要：目的 探究血液透析患者动静脉内瘘(AVF)成熟不良的影响因素,并基于机器学习算法构建AVF成熟不良风险预测模型.方法 选取2021年1月至2025年1月于开封市人民医院初次行AVF成形术的血液透析患者为研究对象,收集患者相关病历资料,根据AVF成形术后12周是否发生成熟不良将患者分为正常组及成熟不良组,并按照7∶3的比例将患者分为训练集及验证集.基于Logistic回归、极致梯度提升(XGBoost)、随机森林(RF)、梯度提升机(GBM)算法筛选AVF成熟不良影响因素,并绘制预测列线图、校准曲线及受试者工作特征曲线.结果 本研究共纳入260例初次行AVF成形术患者,其中正常组143例,成熟不良组117例;训练集182例,验证集78例.多因素Logistic回归结果显示年龄、白蛋白(ALB)是AVF成熟不良的独立影响因素,而XGBoost、RF、GBM算法分别筛选出20、21、19个影响AVF成熟不良的风险因素,其中年龄、ALB、血糖(GLU)、血红蛋白(Hb)为交集变量,以此构建的列线图模型具有较高的预测准确性,训练集与验证集的 AUC 分别为 0.881[95％CI(0.829,0.933)]、0.912[95％CI(0.838,0.986)].结论 年龄、ALB、Hb、GLU是影响AVF成熟不良的核心因素,基于上述指标构建的预测模型具有较高准确性,可为临床通路术式选择及并发症预警提供量化依据.
关键词：动静脉内瘘成熟不良血液透析人工智能机器学习
分类号：R459.5(治疗学)
资助基金：河南省医学科技攻关计划联合共建项目(LHGJ20240713)河南省医学科技攻关计划联合共建项目(LHGJ20230792)开封市科技发展计划项目(2307022)
论文发表日期：2025-10-25
在线出版日期：2025-11-27（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1121-1127 )
英文信息