使用多种机器学习模型预测维持性血液透析患者的贫血治疗效果

摘要

背景

基于机器学习预测模型，我们研究了 undergoing 维持性血液透析（MHD）的患者的贫血治疗效果，并确定了个性化治疗的重要因素。

方法

我们从四川大学西华第四医院的222名接受 MHD 的患者那里收集了临床数据。应用了多种机器学习模型来分析肾性贫血治疗结果的预测因子，并从区分度、校准度和临床实用性等方面进行了全面评估。根据每个模型中变量的重要性排名，对最重要的五个预测因子进行了加权。

结果

在本研究中构建的七个预测模型中，支持向量分类模型显示出相对较高的特异性（0.914）。逻辑回归获得了最高的 AUC（0.713），而堆叠模型在精确度（0.871）和召回率（0.710）方面表现更好，且布里尔分数（Brier score）较低（0.087）。这七个模型的综合结果表明，白蛋白、总胆固醇、转铁蛋白饱和度、高密度脂蛋白胆固醇和 C-反应蛋白是肾性贫血治疗结果的前五个重要预测因子。

结论

本研究提出的重要预测因子可以为指导肾性贫血的治疗提供有用的参考信息，从而改善患者的治疗效果。