基于XGBoost的结肠镜肠道准备失败风险预测模型构建

来源：护理学杂志2026年第7期北京时间：

作者：王娅鑫，韩杨，阳仁美，刘晓玲

单位：重庆大学附属肿瘤医院胸部肿瘤中心（重庆，400030）,,重庆大学附属肿瘤医院核医学科,,重庆大学附属肿瘤医院胸部肿瘤中心（重庆，400030）,,重庆大学附属肿瘤医院核医学科,

摘要：目的 分析影响结肠镜检查患者肠道准备失败的危险因素，并基于极限梯度提升（XGBoost）构建肠道准备失败风险预测模型。 方法 便利选取1 133例结肠镜检查患者，均给予标准化肠道准备方案，于检查中采用波士顿肠道准备评分 量表评估肠道准备质量，并收集相关影响因素。将患者按照7∶3的比例随机分为训练集（n=793）和验证集（n=340）。利用训练集数据采用Lasso回归对相关影响因素进行筛选和降维，通过XGBoost构建预测模型；利用验证集数据进行验证和评价。基于沙普利加性解释可视化每个风险因素对预测模型的整体贡献。 结果 结肠镜检查肠道准备失败率为17.4%。基于XGBoost建立的预测模型，训练集和验证集的受试者操作特征曲线下面积分别为0.689（95%CI：0.635~0.744）和0.608（95%CI：0.428~0.787），灵敏度分别为0.815和0.798。性别、ASA分级、慢性便秘、服用影响排便习惯的药物、BMI、糖尿病、服用阿片类药物、服用抗抑郁药物、腹部或盆腔外科手术史、高血压是肠道准备失败的危险因素；其中前6个因素的贡献较大。 结论 基于XGBoost构建的结肠镜检查肠道准备失败风险预测模型具有良好的预测性能，可用于评估患者肠道准备失败的风险。

关键词：结肠镜检查;肠道准备;危险因素;预测模型;XGBoost;机器学习;便秘;护理

基金资助：科研项目：重庆市沙坪坝区技术创新项目（2024123）