机器学习算法构建慢性肾脏病伴高血压或糖尿病的预测模型

Predictive Modeling of Chronic Kidney Disease with Hypertension or Diabetes Based on Machine Learning Algorithms

二维码有效期 120s

摘要目的构建社区高血压、糖尿病患者中慢性肾脏病(CKD)早期预测模型.方法群随机抽样昆明市 4 个城区的社区服务中心.对各中心建档居民分为疾病组(n = 1267)和对照组(n = 566),疾病组居民患有高血压和或糖尿病,对照组未患.分别调查 2 组CKD患病情况并进行问卷调查、实验室检查和人浆细胞瘤变异易位基因(PVT1)基因中 5 个单核苷酸多态位点等检测.Logistics回归筛选有统计学意义的危险因素纳入机器学习模型构建.算法模型包括支持向量机(SVM)、随机森林模型(RF),朴素贝叶斯(NB)模型和人工神经网络(ANN),并对比评价 4 个模型的效能和准确性进行比较分析.结果筛选出 13 项具有统计学意义的指标(P<0.05),包括年龄、疾病类型、民族、血尿素氮、血肌酐、eGFR、PAM13 量表分数、睡眠质量调查、熬夜情况、PVT1 基因单核苷酸多态位点rs11993333 及rs2720659.基于危险指标建立机器学习算法模型.ANN模型的准确度达 94.6%、特异性为 66.67%、Kappa值为 0.7294、ROC和PRC曲线下面积(0.9418 和 0.9261)均高于其它3 种模型;RF模型敏感性最高位 100%.结论机器学习算法构建的CKD早期诊断模型在社区高血压或糖尿病患者中有较好的预测效能.尤其ANN模型各项性能优于其它.