换一批用机器学习算法建立膜性肾病的鉴别诊断模型
Establishing a Differential Diagnosis Model for Membranous Nephropathy by Machine Learning Algorithms
摘要目的 探索最适合原发型膜性肾病(PMN)的识别分类算法,为PMN诊断研究提供数据参考.方法 选取 2019 年 6 月-2021 年 6 月在漯河市中心医院经肾脏病理学确诊的患者,共 500 例.所有患者均经肾活检证实为原发性肾小球疾病,其中 322例为PMN,178 例为非PMN.使用决策树、随机森林、支持向量机和极限梯度提升算法(Xgboost)建立PMN和非PMN的鉴别诊断模型.根据受试者的真阳性率、真阴性率、假阳性率、假阴性率、准确性、ROC曲线下面积(AUC),评估模型的最佳性能.结果 Xgboost模型在PMN中的F1 得分最高(0.95),相关性分析发现抗PLA2R、UPQ/24h、年龄、C3、C4 和性别与PMN呈正相关.基于上述评价指标的Xgboost模型诊断PMN的效率最高,其敏感性和特异性分别为 92.00%和 96.00%.结论 本次成功建立了PMN的鉴别诊断模型,Xgboost模型的有效性最好,可用于PMN的临床诊断.
更多相关知识
关键词
原发型膜性肾病机器学习算法决策树随机森林极限梯度提升算法Primary membranous nephropathyMachine learning algorithmsDecision treeRandom forestThe limit gradient lifting algorithm
栏目名称
DOI
10.3969/j.issn.1006-1959.2025.22.002
发布时间
2025-12-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省自然科学基金项目（2223000420247）
河南省博士后科研资助项目（2.2023;HN2024098）
中央引导地方项目（Z20221343023）
河南省医学科技攻关项目（LHGJ20221031）
- 浏览7
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
