来源：期刊VIP网 时间：
作者：肖瑜;钟石原;胡洁芬;黄菊;王芹;刘慧楹;李燕林;
单位：中山市中医院医院感染管理科;中山市中医院医院内四科;
摘要：目的 构建并验证基于机器学习的腹膜透析相关性腹膜炎（PDAP）风险预测模型，筛选关键预测因子，为临床早期识别高危人群提供决策工具。方法 选取2020年1月-2023年12月中山市中医院271例行腹膜透析治疗的患者，根据指南将患者分为PDAP组（73例）和非PDAP组（198例）。收集人口学特征、生化指标及合并症等资料，经中心化与标准化预处理后，按3∶1比例随机划分训练集（204例）和测试集（67例）。采用五折交叉验证（重复3次）优化超参数，构建支持向量机、随机森林、极限梯度提升、K近邻及最小绝对收缩选择算子（LASSO）回归五种机器学习模型，以曲线下面积（AUC）为主要指标评估性能。通过受试者工作特征曲线、混淆矩阵和决策曲线综合评估模型效能得出最佳模型，采用校准曲线进行验证。结果 PDAP组高血压比例、血糖水平高于非PDAP组，而磷、尿酸、转铁蛋白饱和度、钾、钙、白蛋白、谷丙转氨酶、总胆固醇、低密度脂蛋白胆固醇、总蛋白水平低于非PDAP组（P<0.05）；在测试集中，LASSO模型综合性能最优，其AUC为0.844，灵敏度0.611、特异度0.959、阳性预测值0.846、阴性预测值0.870、F1分数0.710、准确率0.866，且LASSO模型的决策曲线净获益最高（阈值概率范围0.1～0.8），校准曲线显示校准曲线斜率1.001、截距0.095,Brier评分0.119。LASSO筛选出10个重要性变量分别为合并高血压、总蛋白、总胆固醇、钾、谷丙转氨酶、钙、转铁蛋白饱和度、尿酸、磷、白蛋白水平。结论 LASSO回归模型在PDAP风险预测中展现了优异性能及临床实用性，其筛选的10项关键指标为高危患者早期识别干预提供量化依据。
关键词：腹膜透析;;腹膜透析相关性腹膜炎;;机器学习;;预测模型;;效能验证
基金资助：国家中医优势重点专科基金资助项目（粤中医办函[2024]2号）;; 中山市社会公益科技研究基金资助项目（240408105229539）
