基于三种机器学习方法构建糖尿病肾脏病风险评估模型及评价

运用 Logistic 回归模型、BP 神经网络模型、分类树模型三种机器学习算法分别构建糖尿病肾病预警模型,通过分析比较,筛查出糖尿病肾病最佳评估模型。方法 选取2型糖尿病肾病组214人和2型糖尿病非肾病组210人,分别应用logistic回归、BP神经网络、分类树构建糖尿病肾脏病风险评估模型,筛选出高危因素,根据预测结果计算三种算法的召回率、正确率、查准率、F1、 ROC曲线下面积。结果 三种方法构建的预测模型筛选出的高危因素包括血清胱抑素C(Cys-c)、视黄醇结合蛋白测定、24h尿微量白蛋白、尿微量白蛋白/肌酐比值(ACR)。分类树模型、BP神经网络模型、logistic回归模型ROC曲线下面积(AUC)值分别为0.853、0.906、0.874。结论 本研究筛选的高危因素包括Cys-c、视黄醇结合蛋白测定、24h尿微量白蛋白、ACR,基于高危因素应用三种统计学方法构建的预测模型中BP神经网络模型预测效果最佳,对糖尿病肾脏病风险评估具有较好的预测能力。