随机森林可以准确地预测腹透析的技术失败与腹炎相关的腹炎患者
Zhiyun Zang1, Qijiang Xu1,2, Xueli Zhou1
1Department of Nephrology, Institute of Nephrology, West China Hospital of Sichuan University, Chengdu, China.
Frontiers in medicine
|February 1, 2024
概括
腹膜透析相关的腹膜炎 (PDAP) 可能导致技术失败. 一个随机森林模型准确地预测PDAP技术的失败,帮助临床决策.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 腹膜透析相关的腹膜炎 (PDAP) 是经过腹膜透析 (PD) 的患者中技术失败的重要原因.
- 准确预测技术失败对于改善患者的治疗结果和优化PD治疗至关重要.
研究的目的:
- 开发和比较多个机器学习 (ML) 算法,用于预测PDAP患者的技术失败.
- 为了确定在PDAP中准确预测技术失败的风险,最有效的ML模型.
主要方法:
- 从2010年到2021年对维持PD患者进行的回顾性队列研究.
- 使用五种ML算法构建风险预测模型:随机森林 (RF),LASSO,决策树,KNN和后勤回归 (LR).
- 对模型的内部验证是在测试队列上进行的.
主要成果:
- 该研究包括508次腹膜炎,技术失败率为26.38%,死亡率为4.53%.
- 随机森林 (RF) 模型表现出卓越的性能,达到93.70%的准确性和0.916.6的AUC.
- 射频模型在预测技术失败方面表现出高灵敏度 (96.67%) 和特异性 (86.49%).
结论:
- 射频预测模型准确地预测了PDAP患者的技术失败.
- 该模型的优秀预测性能可以帮助临床医生为PD患者做出明智的决策.
- 实施这种预测模型可能有助于减轻PD技术失败,并改善患者管理.


