Logistic回归模型和随机森林模型诊断糖尿病周围神经病变效能的比较

目的 比较Logistic回归模型和随机森林模型诊断糖尿病周围神经病变(DPN)的效能。方法 纳入2 199例DPN患者作为病例组，2 610例健康体检者作为对照组。收集19个实验室指标，包括超敏C反应蛋白、糖化血红蛋白、LDL、HDL、三酰甘油、总胆固醇、总胆红素、总蛋白、白蛋白、ALT、AST、碱性磷酸酶、γ-谷氨酰转肽酶、尿素、尿酸、血红蛋白、钙、钾、钠。使用SPSS 22.0软件构建诊断DPN的多因素Logistic回归模型，使用R 3.6.0软件构建诊断DPN的随机森林模型，采用受试者工作特征(ROC)曲线评价两种模型的诊断性能。结果 Logistic回归模型和随机森林模型诊断DPN的正确率分别为81.4%、96.7%,灵敏度分别为72.5%、98.3%,特异度分别为89.2%、95.2%,ROC曲线下面积分别为0.882、0.963。结论 随机森林模型对DPN的诊断效能优于Logistic回归模型，同时随机森林模型分析结果给出了各个变量指标的重要性评分，可为DPN的早期诊断提供重要的依据。