基于随机森林算法的急性肾损伤患者CRRT撤机成功因素及预测模型效能分析

摘要：

目的:基于随机森林算法下探讨急性肾损伤(AKI)患者连续性肾脏替代治疗(CRRT)撤机成功的预测因素,构建预测模型并分析模型的效能.方法:纳入2019年8月至2022年5月在我院接受CRRT治疗的并发AKI的患者200例,并按7:3的比例随机分割为训练集(140例)和验证集(60例).根据是否撤机成功,将患者分为撤机成功组和撤机失败组.收集训练集患者的临床实验室资料,采用多因素Logistic回归分析和随机森林算法分别构建影响AKI患者CRRT撤机成功的预测模型,比较两个预测模型的预测效能.结果:训练集140例患者中撤机成功82例,撤机失败58例;验证集中撤机成功37例,撤机失败23例.训练集中两组患者撤机时感染相关器官功能衰竭评分系统(SOFA)评分、撤机后尿量、撤机后Scr水平、CRRT持续时间、撤机后中性粒细胞明胶相关载脂蛋白(NGAL)水平、撤机时急性生理与慢性健康评分(APACHE Ⅱ评分)、撤机后尿肾损伤分子-1(Kim-1)水平比较差异具有统计学意义(P＜0.05).多因素Logistic回归分析显示,撤机时 SOFA 评分(OR=5.774)、APACHE Ⅱ 评分(OR=1.065)、CRRT 持续时间(OR=1.153)、撤机后NGAL(OR=1.015)、Kim-1水平(OR=1.071)为影响AKI患者CRRT撤机成功的相关因素(均P＜0.05);随机森林算法中各变量的重要程度排序依次为撤机后Kim-1水平、撤机时SOFA评分、CRRT持续时间、撤机后NGAL水平、撤机时APACHE Ⅱ评分、撤机后尿量、撤机后Scr水平.随机森林算法的准确率、敏感度、特异度、阳性及阴性预测值显著高于Logistic模型(P＜0.05);ROC曲线结果显示,随机森林算法模型的诊断效能(AUC=0.947)高于多因素Logistic回归模型的诊断效能(AUC=0.714)(Z=3.536,P＜0.001).结论:基于随机森林算法构建的预测模型能更有效预测AKI患者CRRT撤机失败风险.撤机时SOFA评分、撤机后Scr水平、CRRT持续时间、撤机后NGAL及Kim-1水平为预测AKI患者CRRT撤机成功的相关因素.

关键词：急性肾损伤、连续性肾脏替代治疗、撤机、随机森林算法、预测模型

所属期刊栏目：51

分类号：R542.22;R692(心脏、血管（循环系）疾病)

资助基金：湖北省科学技术厅科技计划项目2018CFB354

在线出版日期：2023-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：52-59