基于机器学习算法术后急性肾损伤风险预测模型建立

目的 基于机器学习算法构建预测术后急性肾损伤(PO-AKI)的风险模型。方法 选择陆军军医大学附属西南医院自2014年1月至2019年6月、四川大学附属华西医院自2019年5月至2020年1月及中山大学附属第一医院自2019年6月至2019年12月发生PO-AKI的635例患者纳入PO-AKI组。按1∶3比例随机匹配同时间段未发生PO-AKI的1 905例患者纳入非PO-AKI组。将所有患者按照7∶3比例随机分为建模组(n=1 778)和验证组(n=762)。在数据预处理特征选择手术患者常见的临床指标(一般资料、既往史、手术相关信息和实验室检验)后，基于6种机器学习算法建立PO-AKI的风险预测模型。通过受试者工作曲线下面积(AUC)、敏感度、特异度、准确度和F1分数评估模型效应。选择6种机器学习模型中性能最优者搭建可视化PO-AKI预测网页模型。结果 构建了6种PO-AKI机器学习预测模型，以神经网络(NNET)算法最优。验证组中AUC为0.942(95%可信区间0.926～0.958),敏感度和特异度分别为85.3%和86.9%。结论 基于机器学习算法成功建立了PO-AKI预测模型...