一个基于机器学习的临床决策模型,用于预测糖尿病足患者的截肢风险:诊断性能和实际影响
Lei Gao1, Zixuan Liu2, Siyang Han1
1Orthopedic Department, Capital Medical University Affiliated Beijing Shijitan Hospital, Beijing 100038, China.
Diagnostics (Basel, Switzerland)
|December 30, 2025
概括
一个机器学习模型准确地预测了使用C反应蛋白和瓦格纳等级的糖尿病足患者的下肢截肢风险,帮助临床决策.
科学领域:
- 医疗信息学 医疗信息学
- 糖尿病学 糖尿病学
- 血管外科 血管外科
背景情况:
- 糖尿病足 (DFU) 是下肢截肢的主要原因之一.
- 预测截肢风险对于及时干预和预防策略至关重要.
研究的目的:
- 开发可靠的机器学习 (ML) 模型,用于预测DFU患者下肢截肢风险.
- 为临床决策和个性化预防策略提供定量证据.
主要方法:
- 对149名住院的DFU患者进行了回顾性分析.
- 使用最小绝对收缩和选择操作员 (LASSO) 算法进行特征选择.
- 支持矢量机器 (SVM) 模型经过训练并通过五倍交叉验证进行验证.
主要成果:
- 确定C反应蛋白和瓦格纳等级是截肢的独立预测因子 (p < 0.05).
- 优化的SVM模型实现了ROC曲线下的面积为0.89.
- 模型表现出良好的预测性能,在内部验证中82.4%的正确分类.
结论:
- 在DFU患者中,C反应蛋白和瓦格纳等级是截肢风险的关键决定因素.
- 开发的SVM模型为预测截肢风险提供了强大的准确性和临床解释性.
- 该模型支持个性化干预和改善DFU管理的临床决策.


