机器学习法分析两种透析质量指标持续达标评估体系对维持性血液透析患者预后的影响.pdfVIP

肾脏病与透析肾移植杂志第３３卷第４期２０２４年８月·３０１·

·论著·

机器学习法分析两种透析质量指标持续达标

评估体系对维持性血液透析患者预后的影响

１２１１１１１

董建华张明伟杨茜李川吴边孔凌葛永纯

摘要目的：利用机器学习法分析两种透析质量持续达标评估方法对维持性血液透析（ＨＤ）患者预后的影

响。方法：筛选２０１６年１月在国家肾脏疾病临床医学研究中心接受ＨＤ治疗，且每年完成至少３次透析质量评

估的患者。随访截止至２０２２年１０月，终点事件为全因死亡。采用指标达标时长比和指标达标波动值作为９种透

析质量指标（透析间期体重增长率、透析前收缩压、血红蛋白、血清白蛋白、血总二氧化碳、血钙、血磷、血全段甲状

旁腺激素和单室尿素清除率）持续达标的评估方法，基于机器学习算法构建ＨＤ患者１年后存活或死亡的预测模

型，并获得模型最佳概率阈值。结果：本队列研究共纳入２４０例ＨＤ患者，６０例（２５０％）患者死亡。采用Ｋ⁃近

邻算法（ＫＮＮ）、随机森林（ＲａｎｄｏｍＦｏｒｅｓｔ）、极度随机树（ＥｘｔｒａＴｒｅｅｓ）、极限梯度提升树（ＸＧＢｏｏｓｔ）、自适应增强

（ＡｄａＢｏｏｓｔ）和决策树（ＤｅｃｉｓｉｏｎＴｒｅｅ）六种机器学习法，分别构建基于透析质量指标达标时长比和指标达标波动值的

预测模型。基于指标达标时长比的ＥｘｔｒａＴｒｅｅｓ模型具有最佳的预测效果，其准确率、精确率、召回率、Ｆ１分数和受

试者工作曲线下面积分别达到０９２、０８６、０９６、０９１和０９３，同时证实０６５作为模型的最佳概率阈值。结论：

基于透析质量指标达标时长比的机器学习模型对ＨＤ患者预后具有良好的预测效果。

关键词血液透析透析质量机器学习预后

Ｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｏｆｔｗｏｃｏｎｔｉｎｕｏｕｓａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄｓｏｆｄｉａｌｙｓｉｓｑｕａｌｉｔｙｉｎｄｉｃａｔｏｒｓｂａｓｅｄｐｒｅｄｉｃｔｉｏｎ

ｓｃｈｅｍｅｆｏｒａｓｓｅｓｓｉｎｇｍｏｒｔａｌｉｔｙｒｉｓｋｉｎｍａｉｎｔｅｎａｎｃｅｈｅｍｏｄｉａｌｙｓｉｓｐａｔｉｅｎｔｓ

１２１１１１１

ＤＯＮＧＪｉａｎｈｕａ，ＺＨＡＮＧＭｉｎｇｗｅｉ，ＹＡＮＧＸｉ，ＬＩＣｈｕａｎ，ＷＵＢｉａｎ，ＫＯＮＧＬｉｎｇ，ＧＥＹｏｎｇｃｈｕｎ

１ＮａｔｉｏｎａｌＣｌｉｎｉｃａｌＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＫｉｄｎｅｙＤｉｓｅａｓｅｓ，ＪｉｎｌｉｎｇＨｏｓｐｉｔａｌ，Ｎａｎｊｉｎｇ２１００１６，Ｃｈｉｎａ

２ＳｃｈｏｏｌｏｆＨｅａｌｔｈＳｃｉｅｎｃｅｓａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｈａｎｇｈａｉｆｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２０００９３，Ｃｈｉｎａ

Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ：ＧＥＹｏｎｇｃｈｕｎ（Ｅ⁃ｍａｉｌ：ｇｙｃ＿６２６８２８＠１２６．ｃｏｍ）

ＡＢＳＴＲＡＣＴＯｂｊｅｃｔｉｖｅ：Ｕｓｅｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｅｔｈｏｄｔｏａｎａｌｙｚｅｔｈｅｉｍｐａｃｔｏｆｔｗｏｃｏｎｔｉｎｕｏｕｓａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄｓ

ｏｆｄｉａｌｙｓｉｓｑｕａｌｉｔｙｉｎｄｉｃａｔｏｒｓｏｎｔｈｅｐｒｏｇｎｏｓｉｓｏｆｍａｉｎｔｅｎａｎｃｅｈｅ