维持性血液透析患者自体动静脉内瘘血栓形成风险预测模型的构建

目的 基于机器学习方法构建自体动静脉内瘘血栓形成风险预测模型并进行模型验证。方法 以2020年3月—2021年12月在哈尔滨医科大学附属第二医院血液净化中心行维持性血液透析的患者为研究对象,应用逻辑回归(logistic regression,Logistic)和随机森林(random forest,RF)构建模型。绘制各模型受试者工作特征曲线(receiver operating characteristic curve,ROC)和受试者工作特征曲线下面积(area under the curve,AUC),并用准确率、特异度、灵敏度和F1度量评价模型性能。结果 270例MHD患者中,AVF血栓形成组105例(38.89%),非AVF血栓形成组165例(61.11%),最终纳入吸烟史(OR=2.992,95%CI:1.306~6.854,P=0.010)、高血压史(OR=12.376,95%CI:3.432~44.624,P<0.001)、糖尿病史(OR=7.477,95%CI:2.887~19.360,P<0.001)、高血脂史(OR=6.947,95%CI:2.733~17.659,P<0.001)、冠心病史(OR=12.894,95%CI:4.827~34.439,P<0.001)、穿刺点压迫时间(OR=1.132,95%CI:1.053~1.217,P=0.010)、三酰甘油(OR=1.322,95%CI:1.005~1.741,P=0.046)等7个因素构建风险预测模型。RF预测模型的AUC为0.944,Logistic模型的AUC为0.895(Z=1.688,P=0.092)。结论 吸烟史、高血压史、糖尿病史、高血脂史、冠心病史、穿刺点压迫时间和三酰甘油是MHD患者发生AVF血栓形成的高危因素,基于上述危险因素构建的2种预测模型性能良好,可互相补充。