相关实验视频
Updated: Jun 12, 2025
05:37
An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
2.0K
建立和外部验证基于随机森林和后勤回归的糖尿病外围神经病变的早期预警模型
Lujie Wang1, Jiajie Li2, Yixuan Lin3
1School of Integrated Traditional Chinese and Western Medicine, Anhui University of Chinese Medicine, 350 Longzihu Road, Xinzhan District, Hefei City, Anhui Province, 230012, China.
BMC endocrine disorders
|September 20, 2024
概括
这项研究开发了一种名谱,使用临床和生化数据来预测糖尿病外围神经病变 (DPN) 风险. 该模型显示了高准确度,有助于在糖尿病患者中早期诊断DPN.
科学领域:
- 糖尿病学 糖尿病学
- 神经学 神经学
- 医疗信息学 医疗信息学
背景情况:
- 糖尿病外围神经病变 (DPN) 是糖尿病的一个常见并发症.
- 早期诊断和DPN风险分层对于有效管理和预防严重后果至关重要.
- 识别预测因素和开发诊断模型可以改善患者的护理.
研究的目的:
- 调查与糖尿病外围神经病变 (DPN) 相关的风险因素.
- 使用临床和生化数据建立DPN发病的早期诊断预测模型.
- 为了验证模型在不同患者队列中的表现.
主要方法:
- 分析了1446名糖尿病患者的回顾性数据,分为培训,内部验证和外部验证集.
- 后勤回归和随机森林算法用于特征选择和模型构建.
- 用ROC曲线,决策曲线分析,校准曲线,Hosmer-Lemeshow测试和Brier分数来评估模型的性能.
主要成果:
- 一个基于后勤回归的诺姆图模型确定了关键预测因子:四肢麻木,四肢疼痛,糖尿病视网膜病,糖尿病病,尿蛋白,透缩血压,白细胞计数,HbA1c和高密度脂蛋白胆固醇.
- 诺米图获得了高AUC (0.91培训,0.88验证,0.88测试).
- 随机森林模型也表现出强的性能 (AUC 0.95训练,0.88验证,0.88测试),良好的校准通过Brier分数表示.
结论:
- 开发的诺米图谱是临床实践中糖尿病外围神经病变的早期诊断的一个有前途的工具.
- 该模型有效地整合了临床和生化因素,以准确预测DPN风险.
- 这种方法可以帮助临床医生识别有风险的个体并及时实施干预措施.
