机器学习结合CT影像组学预测2型糖尿病患者椎体脆性骨折

目的：探讨机器学习结合CT影像组学特征构建模型预测2型糖尿病（type 2 diabetes mellitus,T2DM）患者椎体脆性骨折的准确性。方法：回顾性收集140例（新发椎体脆性骨折的T2DM患者70例,对照组70例）患者CT图像和临床资料。另收集18例（椎体脆性骨折的T2DM患者16例,对照组2例）患者的前次CT图像和临床资料作为外部验证集。应用单因素分析、Pearson相关分析、最小冗余度最大相关度算法、二元logistic回归分析和最小绝对值收缩和选择算子模型筛选出最佳特征。基于支持向量机、多层感知器、极端梯度提升（eXtreme Gradient Boosting,XGBoost）构建预测模型。应用受试者工作特征曲线下面积（area under the curve,AUC）对模型效能进行评估。结果：从每例患者的CT图像中提取了1 037个影像组学特征,然后精简为14个影像组学特征。17个临床特征中性别、年龄、体质指数是预测结果的独立因素。其中XGBoost分类器表现最好,训练集中XGBoost模型的AUC分别为1.000、0.929、1.000;测试集中分别为0.954...     

2型糖尿病颈动脉粥样硬化患者合并糖尿病肾病的Nomogram预测模型

目的：分析影响2型糖尿病颈动脉粥样硬化（type 2 diabetes mellitus-carotid atherosclerosis,T2DM-CAS）患者合并糖尿病肾病（diabetic kidney disease,DKD）的独立危险因素,构建一个个性化的临床预测模型,预测T2DM-CAS患者发生DKD的风险。方法：选取2型糖尿病（type 2 diabetes mellitus,T2DM）患者883例,收集患者的基本特征、实验室检查、辅助检查和伴发疾病情况。应用LASSO回归优化筛选变量,通过多因素logistic回归建立预测模型。依靠受试者工作特征曲线（receiver operating characteristic curve,ROC曲线）、校准曲线和Hosmer-Lemeshow拟合优度检验验证和评价模型的区分度和校准度;决策曲线分析（decision curve analysis,DCA）评估临床有效性。结果：预测模型图的预测变量包括糖尿病病程、收缩压（systolic blood pressure,SBP）、空腹血糖（fasting plasma glucose,...     

新生儿低血糖风险预测模型的构建及验证

目的 探讨新生儿低血糖的相关危险因素,构建新生儿低血糖风险预测模型且检验模型效能。方法 采取回顾性分析方法收集2018年10月至2020年8月笔者医院住院分娩的新生儿及孕母临床数据727例,采用单因素分析和Logistic回归分析相关危险因素构建预测模型。选取2020年9月至2021年2月150例新生儿及孕母临床数据进行模型效能检验。结果 多因素 Logistic 回归分析结果显示,喂养问题、新生儿低体温、新生儿并发症、妊娠期糖尿病、胎儿宫内窘迫是影响新生儿低血糖的独立危险因素（P<0.05）。模型验证结果显示,曲线下面积（area under the curve,AUC）为0.883,敏感度为82.97%,特异性为88.35%,阳性预测值为76.47%,阴性预测值为91.92%,模型的总正确率为88.67%,具有理想的预测能力。结论 研究构建的预测模型对新生儿低血糖的发生风险具有良好的预测能力,可为早期排查新生儿低血糖高危人群并且启动预见性护理干预措施提供参考。     

基于麻雀搜索算法优化的BP神经网络模型对2型糖尿病肾病的预测研究

背景 糖尿病肾病（DN）是糖尿病常见的微血管并发症之一，发病率高，危害性大。早期发现DN对预防相关疾病非常重要。目前大多研究基于传统的统计预测方法，数据需满足其所要求的前提假设条件。近年来已无法很好满足其在DN预测领域的需求，有必要尝试开展机器学习等新方法在DN预测领域的应用。目的 利用LASSO回归和麻雀搜索算法（SSA）优化的BP神经网络（SSA-BP神经网络）构建DN预测模型。方法 本研究时间为2023年4—8月，数据来源于公开的伊朗133例糖尿病患者的并发症数据。采用SPSS 26.0软件进行单因素分析，采用LASSO回归筛选变量。以是否患DN为因变量，分别用8∶2和7∶3的比例划分训练集和测试集，使用SSA-BP神经网络进行建模与分析，并与经典的机器学习模型对比预测性能以分析较优的DN模型。基于准确率、精确率、灵敏度、特异度、F1-score和受试者工作特征曲线下面积（AUC）指标进行模型评价。结果 剔除9例1型糖尿病患者，本研究纳入的有效样本量为124例2型糖尿病（T2DM）患者，其中73例（58.9%）被诊断为DN患者。单因素分析显示年龄、BMI、糖尿病持续时间、空腹血糖...     

多因素Logistic回归模型和XGBoost模型对舌癌患者放疗期间发生口腔感染的预测价值

目的 探讨多因素Logistic回归模型和XGBoost模型对舌癌患者放疗期间发生口腔感染的预测价值。方法 选取2003年1月—2022年12月在新疆医科大学第一附属医院就诊的431例放疗的舌癌患者,随机分为训练组288例和预测组143例。比较多因素Logistic回归模型和XGBoost模型对舌癌患者放疗期间发生口腔感染的预测效能。结果 多因素Logistic回归模型结果显示,年龄［O^R =3.250（95% CI：1.476,7.634）］,肿瘤分期［O^R =2.941（95% CI：1.248,7.613）］,口腔环境［O^R =0.210（95% CI：0.079,0.502）］,是否手术［O^R =0.285（95% CI：0.113,0.663）］,血红蛋白［O^R =0.323（95% CI：0.139,0.712）］,血清白蛋白［O^R =0.353（95% CI：0.148,0.851）］是放疗期间发生口腔感染的独立预测因素。XGBoost模型结果显示,口腔环境、手术、肿瘤分期、血清白蛋白、年龄、同步化疗、红细胞计数、血红蛋白、中性粒细胞计数为重要性指标。多因素Logistic回归模型和XGBoost模型受试者工作特征曲线下面积分别为0.830、0.835,两者比较,差异无统计学意义（P >0.05）;敏感性分别为88.24%（95% CI：0.729,1.000）、82.35%（95% CI：0.642,1.000）;特异性分别为68.25%（95% CI：0.601,0.764）、69.84%（95% CI：0.627,0.786）。结论 多因素Logistic回归模型和XGBoost模型对舌癌患者放疗期间发生口腔感染的预测均有意义,两者预测效能相当。建立模型有助于筛选出口腔感染的高危人群,及早采取预防措施,降低口腔感染发生风险。     

糖尿病心血管并发症预测模型的构建

目的 筛选糖尿病心血管并发症的危险因素并构建预测模型,为早期预防和减缓进展提供依据。方法∶基于京津冀社区自然人群慢性病队列,选取基线（2017—2019年）糖尿病患者作为研究对象,根据自报患病时间先后顺序判定是否发生心血管并发症作为结局指标。按7Lasso结合Logistic回归模型方法筛选危险因素,将其纳入多因素Logistic回归模型构建糖尿病心血管并发症发生风险的预测模型,并绘制列线图进行可视化。绘制受试者工作特征曲线并计算曲线下面积,Hosmer-Lemeshow拟合优度检验和绘制校准曲线评估校准度,对预测模型进行评价和验证。结果 共纳入813例2型糖尿病患者,平均年龄为（62.6±10.4）岁,其中训练集569例,测试集244例,两组患者除超敏C反应蛋白水平具有差异（P=0.028）外,其他基本特征差异均无统计学意义。多因素Logistic回归分析显示,糖尿病心血管并发症的危险因素包括年龄[OR=1.040,95%CI(1.010,1.073),P=0.010]、高血压[OR=2.211,95%CI(1.263,3.975),P=0.006]、糖尿病病程[OR=1.063,9...     

基于机器学习算法探讨糖尿病视网膜病变的风险因素

背景 糖尿病视网膜病变(diabetic?retinopathy,DR)是糖尿病患者主要并发症之一,其病程进行性发展可致视功能损伤甚至失明.探索影响DR进展的临床因素对糖尿病患者预防、控制和管理DR具有重要意义.目的 通过机器学习算法和沙普利可加性特征解释方法(SHAP)分析探讨2型糖尿病患者并发DR的风险因素.方法 回顾性分析"国家人口与健康科学数据共享平台"公布的"解放军总医院糖尿病并发症预警数据集"3000例2型糖尿病患者的临床资料,对58项观察变量在无DR并发症(non?diabetic?retinopathy,NDR)患者和并发DR患者两组组间进行基线分析以及差异性检验;评判XGBoost、随机森林、logistic回归三种机器学习算法,采用递归特征消除(RFE)和XGBoost机器学习算法选取最优模型预测变量,并对变量特征权重值排序;应用SHAP方法对模型的风险因子进行解释分析.结果 DR组的高血压症(收缩压/舒张压)、糖化血红蛋白、血脂水平(总胆固醇、低密度脂蛋白)、脑卒中、肾病(血尿素、血肌酐、血尿酸)、肾衰、下肢动脉病变等并发比例或指标水平高于NDR组(P??0且绝对值均高.同时SHAP值分布呈现明显分类,即DR的显著危险因素.糖化血红蛋白、肾病、血尿素对DR病程影响呈现潜在交互关系,且血尿素?>?5?mmol/L时DR风险显著升高.结论 XGBoost算法和SHAP模型可用于预测糖尿病患者DR的风险因素及解释特征变量交互关系,提示糖化血红蛋白、合并肾病、血尿素水平对DR这一2型糖尿病微血管并发症的高风险预测性.     

食管癌术后颈部吻合口瘘危险因素分析及预测模型的建立

目的：探讨影响食管癌患者术后颈部吻合口瘘的危险因素,构建并验证吻合口瘘发生风险的列线图模型。方法：回顾性分析2019年1月—2022年5月南京医科大学附属肿瘤医院行食管癌颈部吻合术的362例患者的临床资料,对术后发生颈部吻合口瘘相关危险因素进行单因素和多因素Logistic回归分析,基于独立危险因素构建列线图模型预测颈部吻合口瘘发生风险,通过受试者工作特征曲线（receiver operating characteristic curve,ROC）及曲线下面积（area under curve,AUC）、Calibration校正曲线验证模型的预测效能。结果：362例食管癌患者术后颈部吻合口瘘发生率11.88%(43/362)。多因素Logistic回归分析显示,糖尿病、慢性支气管炎、胸腹部手术史、新辅助治疗、术后肺部感染是食管癌术后颈部吻合口瘘的独立危险因素（P<0.05）。通过整合这5个因素构建预测颈部吻合口瘘风险的列线图模型,该预测模型的AUC为0.844(95%CI 0.771～0.918),Calibration校正曲线显示预测曲线与理想曲线走势基本一致。结论：糖尿病、...     

基于机器学习算法的冠心病风险预测及其特征分析模型

目的 基于机器学习算法构建冠心病风险评估模型,并比较极限梯度上升（eXtreme Gradient Boosting,XGBoost）模型和逻辑回归（Logistic Regression, LR）在预测冠心病患病风险中的效能,为冠心病的诊断提供计算机辅助方法。方法 通过对kaggle社区上发布的冠心病数据集进行预处理后,将特征变量纳入logistic和XGBoost模型中,对其查准率、召回率、ROC曲线下面积（AUC）进行对比,以验证模型性能。结果 XGBoost模型相对于传统的logistic回归模型预测性能更优,其中,年龄、性别、血糖水平、身体质量指数和收缩压为冠心病的主要危险因素。结论 冠心病风险预测模型能为冠心病早期预防控制及诊断提供参考依据。     

创伤骨折术后病人营养不良风险预测模型的构建

目的：探讨创伤骨折术后病人营养状态和发生营养不良的影响因素，构建预测创伤骨折术后病人营养不良的列线图模型。方法：选取400例创伤骨折手术病人为研究对象，采用简易营养评价量表(MNA)评估病人营养状况，按MNA评分分为营养不良组110例和非营养不良组290例，采用单因素分析和logistic回归分析评价创伤骨折术后病人营养不良的风险因素，并建立预测创伤骨折术后病人发生营养不良的列线图模型。结果：400例创伤骨折手术病人中，110例(27.50%)病人存在营养不良。单因素分析结果显示，2组病人年龄、体质量指数、吸烟史、高血压、糖尿病、慢性胃炎、骨折类型、血红蛋白、白蛋白、出血量差异均有统计学意义(P<0.05～P<0.01)。多因素logistic回归分析结果显示，年龄、糖尿病、慢性胃炎、骨折类型、血红蛋白、白蛋白是创伤骨折术后病人营养不良的独立影响因素(P<0.05～P<0.01)。利用上述指标构建列线图模型，该模型预测创伤骨折术后营养不良发生的曲线下面积为0.865(95%CI:0.825～0.905),敏感度为81.51%,特异度为79.82%。结论：创伤骨折...     

超声弹性成像技术联合血清学标志物预测2型糖尿病的应用价值

<正>多项研究表明,非酒精性脂肪性肝病患者(NAFLD)发生2型糖尿病(type 2 diabetes mellitus,T2DM)的风险是正常人的5倍^[1-3]。在T2DM患者中,NAFLD的患病率可高达70%^[4]。肝脏瞬时弹性成像技术(tran-sient elastography,TE)是近年来新兴的超声无创检查方法,主要基于超声信号在肝组织中传播受肝细胞中脂滴的影响而出现显著衰减的原理来评估肝脏脂肪性病变,     

妇科手术后下肢深静脉血栓形成的危险因素分析

目的探讨妇科手术后下肢深静脉血栓形成（DVT）的危险因素。方法选择妇科手术后发生下肢DVT的83例患者为病例组,同期行妇科手术但未发生下肢DVT的83例患者为对照组。对两组年龄、职业性质、体重、合并症、手术方式、手术时间、月经时期、恶性肿瘤等进行单因素及多因素非条件logistic回归分析。结果单因素分析结果显示,DVT发病与年龄、体重、合并症（高血压、糖尿病、高脂血症）、恶性肿瘤、手术方式、职业性质有关;多因素非条件logistic回归分析显示,有合并症（高血压、糖尿病、高脂血症）、恶性肿瘤、职业性质是影响DVT发病的独立因素（P〈0.05）,其中前两者为危险因素,职业性质为体力劳动是保护性因素。结论有合并症（包括高血压、糖尿病、高脂血症）及妇科恶性肿瘤为妇科手术后下肢深静脉血栓相关危险因素;体力劳动是妇科手术后下肢深静脉血栓发生的保护因素。     

2型糖尿病相关微血管疾病与心房颤动的关系

目的 探讨2型糖尿病相关微血管疾病负担及其与心房颤动的关系。方法 选取2012年1月至2019年12月湖州市第三人民医院收治的256例2型糖尿病患者，评估患者糖尿病相关微血管疾病患病状态，以心电图检查为依据判断心房颤动事件，采用单因素、多因素分析法分析微血管疾病与心房颤动的关系。结果 微血管疾病负担较高的2型糖尿病患者年龄更大，男性更常见，体质量指数、收缩压及糖化血红蛋白更高，糖尿病病程更长，差异有统计学意义（P<0.05）。单因素分析发现，吸烟、低密度脂蛋白胆固醇（low density lipoprotein-cholesterol，LDL-C）、估算肾小球滤过率（estimated glomerular filtration rate，eGFR）、尿蛋白/肌酐、糖尿病肾病、周围神经病变及微血管疾病负担均为2型糖尿病患者发生心房颤动的影响因素（P<0.05）。多因素回归模型控制混杂因素后发现，糖尿病肾病、周围神经病变、微血管疾病负担、LDL-C、eGFR均为2型糖尿病患者发生心房颤动的独立影响因素（P<0.05）。结论 2型糖尿病患者中，微血管疾病的存在及其负担与心房颤动事件高风险独立相关。     

杭州市社区老年2型糖尿病患者认知衰弱相关因素分析

  目的  了解杭州市社区老年2型糖尿病患者认知衰弱的患病现状并分析其相关因素,以期为老年糖尿病患者认知衰弱的预防和干预提供参考。  方法  采取便利抽样法选取2020年8—12月杭州市3个社区的252例老年2型糖尿病患者(≥60岁)为研究对象,采用一般资料调查表、衰弱(FRAIL)量表、简易精神状态检查量表(MMSE)、简版老年抑郁量表(GDS-15)、微型营养评定法简版(MNA-SF)进行调查,采用单因素及多因素logistic回归模型分析老年2型糖尿病患者认知衰弱相关影响因素。  结果  252例老年2型糖尿病患者中,认知衰弱者22例,占8.73%,单因素分析显示,年龄、家庭人均月收入、居住方式、文化程度、婚姻状况、有无规律运动、每晚睡眠时长、听力障碍、合并慢性种类、营养状况、是否存在抑郁与老年糖尿病患者认知衰弱存在关联(均P＜0.05)。Logistic回归分析显示,文化程度(高中:OR=0.191;大专及以上:OR=0.287)、规律运动(OR=0.325)、营养不良(OR=4.081)、抑郁(OR=2.754)是老年2型糖尿病患者认知衰弱的影响因素(均P＜0.05)。  结论  社区老年2型糖尿病患者认知衰弱发生率较高,医护工作者应加强关注文化水平低、无运动习惯、营养缺失及存在抑郁症状的老年糖尿病患者认知衰弱筛查和干预。      

2型糖尿病肾病患者生存质量影响因素的研究

目的 研究2型糖尿病肾病患者生命质量现状及其影响因素。方法 采用世界卫生组织生命质量简表(WHOQOL-BREF)及焦虑自评量表(SAS)回顾性调查50例糖尿病肾病及59例单纯糖尿病患者的生存质量及焦虑情况,然后采用单因素分析、Spearman相关分析及Logistic回归逐步分析各因素对糖尿病肾病患者生存质量的影响。结果 单因素分析发现影响各维度得分及生存质量总分的因素有: 糖尿病病程、疾病分组、焦虑评分、胰岛素不良反应频率。多因素logistics回归分析发现糖尿病肾病患者生存质量的独立危险因素为糖尿病病程和吸烟量。结论 糖尿病肾病患者的生存质量受多种因素影响,尤其是糖尿病病程和吸烟量。应当及早发现并且采取针对性措施,注重临床治疗的同时提高患者的综合管理能力,延缓疾病进展,提高患者生存质量。     

影响2型糖尿病患者坚持自测血糖的多因素分析

目的分析影响2型糖尿病患者自测血糖的相关因素,为提升2型糖尿病患者自测血糖提供依据。方法将108例2型糖尿病患者作为研究对象,按照是否每日坚持自测血糖一次分为观察组与对照组,收集糖尿病患者的一般资料进行单因素及多元logistic分析。结果单因素方差分析表明,影响2型糖尿病患者自测血糖的因素有糖尿病病程、文化程度、工作状况及是否接受糖尿病知识教育;而多元logistic分析则表明影响2型糖尿病患者自测血糖与文化程度,Exp（B）=1.350,95%CI（1.112～3.370）,糖尿病病程,Exp（B）=2.744,95%CI（1.139～6.607）,是否接受糖尿病知识健康教育,Exp（B）=0.404,95%CI（0.158～1.033）有关。结论糖尿病患者的自测血糖与糖尿病病程、文化程度及是否接受糖尿病知识教育有关。     

老年2型糖尿病患者非创伤性骨折发生风险的列线图预测模型构建与评价

  目的  分析影响老年2型糖尿病患者非创伤性骨折发生的危险因素,构建列线图预测模型并给予评估。  方法  收集278例老年2型糖尿病患者的临床资料作为建模组,另收集109例老年2型糖尿病患者的临床资料作为验证组,均根据患者患2型糖尿病后是否发生非创伤性骨折将其分为骨折组及无骨折组。以多因素logistic回归分析老年2型糖尿病发生非创伤性骨折风险的影响因素,使用R软件构建列线图预测模型,再评估该列线图的准确性及临床有效性（ROC曲线下面积、H-L拟合度曲线及校准曲线）。  结果   建模组中老年2型糖尿病患者非创伤性骨折发生率为24.46%（68/278）,两组患者年龄、糖尿病周围神经病变、吸烟史、饮酒史、血清甘油三酯（TG）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、糖化血红蛋白（HbA1c）、高血压病史比较,差异有统计学意义（P<0.05）。年龄、糖尿病周围神经病变、HbA1c、高血压病史为老年2型糖尿病患者发生非创伤性骨折的独立危险因素（P<0.05）。据此构建的列线图预测模型内部验证结果显示:ROC曲线下面积为0.774,校准曲线斜率接近1,且H-L拟合度曲线χ2=12.643,P=0.125。以验证组患者进行外部验证,结果显示ROC曲线下面积为0.780,校准曲线的预测概率与实际概率相近,提示该模型区分度、准确度较好。  结论  年龄、糖尿病周围神经病变、HbA1c、高血压病史为老年2型糖尿病患者发生非创伤性骨折的独立危险因素,以此建立的预测模型具有较高的准确度及区分度,医护人员可根据患者个体化因素采取针对性措施进行预防,进而减少老年2型糖尿病患者发生非创伤性骨折的可能性。     

老年股骨颈骨折关节置换术后生存现状及影响因素分析

目的分析老年股骨颈骨折病人关节置换术后生存现状及影响因素。方法老年股骨颈骨折124例均进行全髋关节置换术,收集对病人术后病死率的相关因素进行单因素分析,采用多因素logistic回归分析对单因素分析中有意义的项进行多因素分析。结果124例病人中失访4例,病死9例;所有病人髋关节Harris各维度评分随时间延长而上升（P < 0.05）;单因素分析中年龄、糖尿病、高血压、术后功能锻炼、血清白蛋白含量、血红白蛋白含量及淋巴细胞计数均与老年股骨颈骨折病人关节置换术后病死率具有相关性（P < 0.01）;多因素logistic回归分析结果显示,年龄、糖尿病、术后功能锻炼、血清白蛋白含量、血红蛋白含量及淋巴细胞计数均为老年股骨颈骨折病人关节置换术后病死率的独立影响因素（P < 0.01）。结论老年股骨颈骨折病人关节置换术后病死率受多种因素共同影响,临床上应根据这些危险因素制定出合理有效的解决方案。     

2型糖尿病与行为和遗传因素的相关性研究

目的 研究行为、遗传因素与2型糖尿病(type 2 diabetes mellitus,T2DM)的关系,为T2DM患者制订综合预防和干预措施提供科学依据.方法 采用病例对照研究方法对山东省梁山县T2DM患者(152例)及对照组(120例)核心家系进行调查,收集病例及对照组成员生活行为及一级亲属家族信息,应用单因素和多因素非条件logistic回归分析研究各因素在疾病发生中的作用,并采用Falconer法估算遗传度.结果 多因素非条件logistic回归分析表明糖尿病家族史、高脂饮食、高糖饮食、体育锻炼、多食绿色蔬菜及腰臀比(WHR)等因素与T2DM之间关系有统计学意义,病例组一级亲属累积发病率为6.60%,对照组一级亲属累积发病率为1.18%,二者差异有显著性(x2=44.839,P＜0.01),152个家系一级亲属T2DM遗传度为57.4%.结论 T2DM是遗传和行为危险因素共同作用的结果.     

小儿川崎病并发冠状动脉损伤的危险因素分析

目的探究小儿川崎病并发冠状动脉损伤(CAL)的危险因素，为临床早期预防和干预提供指导。方法采用回顾性分析法，收集82例川崎病患儿的临床资料进行研究，其中合并有CAL者纳入观察组30例，未合并有CAL者纳入对照组52例，对影响小儿川崎病并发CAL的危险因素进行单因素分析、logistic多因素分析，明确独立危险因素后构建基于logistic回归、向量机(XGB)、决策树的不同预测模型，并对模型进行优化和验证以明确预测效能最为理想的预测模型。结果单因素分析和logstic回归模型分析显示, 热持续时间、血小板计数、白细胞计数、C反应蛋白、血钠是川崎病患儿发生CAL的独立危险因素(P < 0.05~P < 0.01)；基于随机森林模型分析得到的川崎病患儿发生CAL的危险因素按照影响权重大小排列依次为白细胞计数、C反应蛋白、血小板计数、血清白蛋白和血钠；基于XGB模型分析可知，影响川崎病患儿发生CAL的独立危险因素按照影响权重大小排列依次为血小板计数、血钠、血清白蛋白、白细胞计数及发热持续时间；基于logistic回归模型分析所得的独立危险因素预测小儿川崎病合并CAL的敏感性为86.50%，特异性为80.00%，约登指数为0.665，AUC面积为0.895；基于随机森林模型分析所得的危险因素预测小儿川崎病合并CAL的敏感性为86.70%，特异性为73.10%，约登指数为0.598，AUC面积为0.841；基于XGB模型分析所得的危险因素预测小儿川崎病合并CAL的敏感性为100%，特异性为80.00%，约登指数为0.800，AUC面积为0.963，XGB模型的预测效能优于logistic回归模型和随机森林模型。结论Logistic回归分析、随机森林模型、XGB模型均可用于小儿川崎病合并CAL的危险因素的研究，其中XGB模型的预测效能最为良好，所演算出的影响因素按照权重大小依次排序为血小板计数、血钠、血清白蛋白、白细胞计数和发热持续时间。