机器学习算法构建急性心肌梗死患者发生急性肾损伤风险预测模型并与传统模型比较题录 |
| |
引用本文: | 叶楠,祝闯,徐丰博,程虹.机器学习算法构建急性心肌梗死患者发生急性肾损伤风险预测模型并与传统模型比较题录[J].中华肾脏病杂志,2024(3). |
| |
作者姓名: | 叶楠 祝闯 徐丰博 程虹 |
| |
作者单位: | 1. 首都医科大学附属北京安贞医院肾内科;2. 北京邮电大学人工智能学院 |
| |
摘 要: | 目的利用机器学习算法建立急性心肌梗死(acute myocardial infarction, AMI)患者发生急性肾损伤(acute kidney injury, AKI)风险预测模型, 并与传统Logistic回归模型比较。方法该研究为回顾性研究。收集首都医科大学附属北京安贞医院2011年7月至2016年12月AMI患者的人口学、实验室检查、治疗方案和用药情况等资料。AKI诊断标准参照2012年改善全球肾脏病预后组织公布的AKI诊疗指南, 入选AMI患者采用单纯随机抽样法将其分为训练集(70%)及内部测试集(30%)。运用SelectFromModel和Lasso回归模型选择重要特征因素为AMI患者发生AKI的预测因素。分别利用Logistic回归模型(模型A)及机器学习算法(模型B)建立AMI患者发生AKI的风险预测模型, DeLong法比较模型A和模型B在测试集中的受试者工作特征曲线(receiver-operating characteristics curve, ROC曲线)下面积(area under the curve, AUC), 并选出最佳模型。结果共6 014例A...
|
关 键 词: | 机器学习 急性肾损伤 心肌梗死 预测模型 |
|
|