基于logistic回归和随机森林的慢性肾脏病危险程度预测模型

摘要：

目的 分析慢性肾脏病(CKD)住院患者的基本特点,找出影响因素,进行针对性的预防与治疗,改善患者预后.方法 选取上海市某三甲医院2011-2016年CKD住院患者病案资料,研究对象为信息完整的90746例住院患者.CKD根据GFR分期、白蛋白尿分组及实际数据各等级的分布情况,合并为正常、低危和高危,构建多分类logistic回归模型分析慢性肾脏病与危险因素的关系.应用随机森林算法对各变量的重要性进行排序,建立CKD危险程度预测模型.结果 女性CKD危险程度低于男性;随着年龄的增长CKD危险程度逐步升高;罹患高血压、糖尿病、高尿酸血症CKD危险程度较高;尿检(尿红细胞、尿白蛋白肌酐比等)结果异常人群,CKD危险程度较高.结论 在慢性肾脏病早期进行如控制血压、低蛋白饮食等干预及治疗,可以延缓肾脏病的损害,改善预后;另一方面,随机森林模型在分类预测方面有着精度高、稳定性好,易操作和不易过度学习等优势.

关键词：慢性肾脏病、logistic回归、随机森林、预测

所属期刊栏目：37

资助基金：上海市公共卫生体系建设三年行动计划;教育部哲学社会科学研究重大课题攻关项目

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：514-518