摘要目的:探究logistic回归模型、决策树模型和神经网络模型在预测慢性肾脏病(chronic kidney disease,CKD)患者合并活动性结核病中的应用价值.方法:回顾性分析2021年1月至2024年1月昆明市第三人民医院收治的CKD患者392例,其中合并活动性结核病患者266例,为观察组,未合并活动性结核病患者126例,为对照组.收集两组患者的临床资料及实验室指标,采用logistic回归、决策树和神经网络三种模型筛选影响因素并构建风险预测模型,通过受试者工作特征(receiver operating characteristic,ROC)曲线比较模型的预测效能.结果:logistic回归模型的ROC曲线下面积(AUC)为0.726(95％CI:0.676～0.777),敏感度为45.1％,特异度为92.1％,同时识别出饮酒、咯血、低淋巴细胞计数、低红细胞压积、高尿酸、高纤维蛋白原降解产物和低白细胞介素10(IL-10)水平为独立预测因子(P值均＜0.05).决策树模型的AUC为0.825(95％CI:0.783～0.868),敏感度为62.0％,特异度为82.5％,该模型以纤维蛋白原降解产物为首要分层变量,进一步纳入CD4+T淋巴细胞、淋巴细胞计数、红细胞压积、食欲不振和尿酸等变量构建决策路径.神经网络模型的预测效能最优,其AUC为0.876(95％CI:0.843～0.909),敏感度为60.9％,特异度高达98.4％,其特征重要性分析显示,IL-10、红细胞压积、纤维蛋白原降解产物和CD4+T淋巴细胞为排名前4的预测因子.结论:神经网络模型对CKD患者合并活动性结核病的预测能力最佳.本研究识别出的关键预测因子,如低淋巴细胞计数、低CD4+T淋巴细胞计数、高纤维蛋白原降解产物等有助于界定筛查重点人群.三种模型优势互补,可协同应用于临床:对于存在免疫功能抑制(如淋巴细胞、CD4+T淋巴细胞计数低下)、凝血纤溶激活(如纤维蛋白原降解产物升高)及咯血等特征的CKD患者,应加强结核病筛查.