换一批腹膜透析病人肌少症风险预测模型的构建及验证
Development and validation of a sarcopenia risk prediction model for peritoneal dialysis patients
摘要目的:构建高精度、可解释的腹膜透析病人肌少症风险预测模型并进行验证.方法:回顾性纳入安徽省2所三级甲等医院2023年1月—2025年6月441例腹膜透析病人为训练集,198例为验证集;经单因素分析、Logistic与LASSO回归筛选核心变量,采用8种机器学习算法建模,以Bootstrap抽样内部验证、独立集外部验证,并用沙普利可加解释(SHAP)分析最优模型.结果:最终获得性别、透析龄、糖尿病、前清前白蛋白、白细胞介素-6、25-羟基维生素D 6个核心预测因子;支持向量机模型性能最优,内部测试集受试者工作特征曲线下面积(AUC)为0.958,外部验证集AUC达0.968,准确率、灵敏度与特异度均>0.9;SHAP分析揭示了各因子贡献度与非线性关系.结论:构建的机器学习模型精度高、泛化性与可解释性强,可为腹膜透析病人肌少症早期识别与精准干预提供智能化决策支持,具备临床转化潜力.
更多相关知识
关键词
腹膜透析肌少症机器学习影响因素预测模型支持向量机peritoneal dialysissarcopeniamachine learninginfluencing factorsprediction modelsupport vector machine
栏目名称
DOI
10.12102/j.issn.1009-6493.2026.13.011
发布时间
2026-07-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省自然科学基金项目（2408085MH208）
- 浏览8
- 被引0
- 下载14
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
