Print

住院患者急性肾损伤的风险预测与关键影响因素分析

论文摘要

急性肾损伤(AKI)是住院患者常见的危重症之一,具有较高的发病率和死亡率。建立预测模型,对AKI进行预测,并分析影响其发生的危险因素,以便对具有AKI潜在风险患者进行及时干预。选择住院2~14 d的90 780位受试者(其中,AKI患者7 983名,non-AKI患者82 797名,按4∶1划分训练集和独立测试集),收集其住院期间的生化指标、药物的使用情况、基本信息,以及入院科室、合并症情况、住院时间等其他临床信息,分别应用逻辑回归、随机森林、LightGBM等3种机器学习模型,经十折交叉验证法进行训练后,对独立测试集在24 h后是否发生AKI进行预测;并根据受试者特性工作曲线下的面积(AUC)以及召回率和准确率的调和F1值,评估与比较不同模型的性能。结果表明,LightGBM模型最优,其F1、AUC、敏感性与特异性分别为0.800、0.871、0.755和0.987。影响AKI发生的重要因素有:一是一般临床特征,包括年龄、已住院天数、入院科室;二是检验结果,包括首检肌酐值、血液中的钠、钾、氯、尿酸及糖化血红蛋白的含量;三是药物,包括抗感染类药物、非甾体类抗炎症药物、利尿药或脱水药、肾上腺素受体激动剂、造影剂、ACEI/ARB类降压药,以及用药种类,药物治疗天数;四是合并症,如中重度肾病。利用住院患者的临床信息,机器学习模型可以在24 h内有效地预测AKI的发生风险,揭示影响AKI发生的重要因素,对住院患者的合理有效治疗、AKI风险人群的及时干预提供重要依据。

论文目录

  • 引言
  • 1 方法
  •   1.1 实验数据
  •   1.2 数据筛选
  •   1.3 构造用药特征
  •   1.4 时间点匹配
  •   1.5 分类模型
  •   1.6 样本不平衡处理策略
  •   1.7 评价方法
  •   1.8 性能评价
  • 2 结果
  •   2.1 实验结果
  •   2.2 重要影响因素
  • 3 讨论
  •   3.1 实验结果
  •   3.2 特征重要性
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 张钦,郭圣文,梁馨苓,陈源汉,吴燕华,付蕾

    关键词: 急性肾损伤,机器学习,风险预测,危险因素

    来源: 中国生物医学工程学报 2019年06期

    年度: 2019

    分类: 医药卫生科技

    专业: 泌尿科学

    单位: 华南理工大学生物医学工程系,广东省人民医院(广东省医学科学院)肾内科

    基金: 广州市科技计划项目产学研协同创新重大专项(201604020037)

    分类号: R692.5

    页码: 702-710

    总页数: 9

    文件大小: 292K

    下载量: 254

    相关论文文献

    本文来源: https://www.lunwen90.cn/article/f014badd764114c33ea8412d.html