| 机器学习方法构建老年患者术后急性肾损伤的预测模型 |
| |
| 引用本文： | 刘泽宇,彭夕然,郝学超,朱涛.机器学习方法构建老年患者术后急性肾损伤的预测模型[J].临床麻醉学杂志,2023,39(12):1249-1254. |
| |
| 作者姓名： | 刘泽宇 彭夕然 郝学超 朱涛 |
| |
| 作者单位： | 610041,成都市,四川大学华西医院麻醉科 |
| |
| 基金项目： | 中国医学科学院医学与健康科技创新工程项目（2019-I2M-5-011） |
| |
| 摘 要： | 目的 采用机器学习方法构建老年患者术后急性肾损伤(AKI)的预测模型。方法 收集2019年6月至2020年7月行手术治疗的老年患者的术前信息和术后随访信息，提取实验室检查结果，共纳入115个术前变量，应用极端梯度提升(XGB)、梯度提升(GBM)、随机森林(RF)、支持向量机(SVM)和弹性网络逻辑回归(ELA)5种方法构建术后AKI预测模型，采用受试者工作特征曲线下面积(AUROC)、精确度-召回率曲线下面积(AUPRC)和Brier评分评估模型性能。为简化模型以便于临床实践应用，得到原始模型后剔除部分相关性较低的变量，并再次用上述方法对模型进行评估。结果 本研究最终纳入老年患者5 929例，男3 359例(56.7%),女2 570例(43.3%),年龄65～99岁，其中154例(2.6%)发生术后AKI。在应用5种机器学习方法构建的预测模型中，XGB模型的AUROC和AUPRC最高，分别为0.798(95%CI 0.705～0.888)和0.230(95%CI 0.079～0.374);Brier评分最低，为0.023(95%CI 0.014～0.029)。对XGB模型进行简化后...
|
| 关 键 词： | 老年 急性肾损伤 机器学习 风险预测模型 |
Developing a prediction model for postoperative acute kidney injury in elderly patients by using machine learning methods |
| |
| LIU Zeyu,PENG Xiran,HAO Xuechao,ZHU Tao.Developing a prediction model for postoperative acute kidney injury in elderly patients by using machine learning methods[J].The Journal of Clinical Anesthesiology,2023,39(12):1249-1254. |
| |
| Authors: | LIU Zeyu PENG Xiran HAO Xuechao ZHU Tao |
| |
| Affiliation: | Department of Anesthesiology, West China Hospital of Sichuan University, Chengdu 610041, China |
| |
| Abstract: | |
| |
| Keywords: | Aged Acute kidney injury Machine learning Risk prediction model |
|
| 点击此处可从《临床麻醉学杂志》浏览原始摘要信息 |
|
点击此处可从《临床麻醉学杂志》下载全文 |
|
