腹膜透析患者合并睡眠障碍的风险列线图模型的构建与验证

来源：中国血液净化杂志2026年第08期北京时间：

作者：蒲 进 郭 杰 刘 辉 陈 丹 金 鑫 姜 鸿

单位：30001 乌鲁木齐，1新疆维吾尔自治区人民医院肾病科844000 喀什，2新疆维吾尔自治区喀什地区第二人民医院肾病科841000 库尔勒，3巴音郭楞蒙古自治州人民医院肾病科848000 和田，4和田地区人民医院肾病科832061 石河子，5石河子市人民医院肾病科

摘要：目的 基于机器学习(machine learning，ML)算法构建腹膜透析(peritoneal dialysis，PD)患者发生睡眠障碍的结局预测模型。 方法 采用多中心横断面调查研究，选择2024年1月─12月新疆维吾尔自治区人民医院、喀什地区第二人民医院等20家医院收治的578例PD患者为研究对象，根据匹兹堡睡眠质量指数(Pittsburgh sleep quality index，PSQI)，分为非睡眠障碍组(总分＜7分)与睡眠障碍组(≥7分)，按6:4随机分为训练集与内部验证集。采用单因素逻辑回归(univariate logistic regression，ULR)、基于随机森林算法的Boruta算法及最小绝对收缩和选择算子(least absolute shrinkage and selection operator，LASSO)识别关键预测指标，取并集后通过多因素逻辑回归(multivariate logistic regression，MLR)作进一步筛选，并将最终保留的特征变量用于训练6种机器学习模型，选出最佳模型并通过Shapley加法解释(shapley additive explanations，SHAP)评估其可解释性。 结果 MLR证实：年龄(OR=1.029，95% CI:1.011～1.049，P=0.002)、皮肤瘙痒(OR=2.266，95% CI:1.325～3.970，P=0.003)、焦虑(OR=4.075，95% CI: 2.399～7.012，P＜0.001)、尿素清除指数(OR=2.065，95% CI:1.210～3.577，P=0.008)和血钙(OR=7.476，95% CI:2.614～22.610，P＜0.001)是PD患者发生睡眠障碍的独立危险因素。在构建的模型中，极端梯度提升机(extreme gradient boosting，XGB)模型表现最佳，训练集的受试者工作特征(receiver operating characteristic，ROC)曲线下面积为0.830(95% CI:0.780～0.870)，内部验证集ROC曲线下面积为0.660(95% CI:0.560～0.760)，准确性为0.800。SHAP图显示，总蛋白、血钙和年龄是最重要的3个预测特征。 结论 本研究基于XGB算法构建了我国PD患者发生睡眠障碍的预测模型，有助于早期识别高危人群并支持精准干预。

关键词：腹膜透析；睡眠障碍；机器学习；预测模型

基金资助：北京医卫健康公益基金会项目“新疆腹膜透析现况调查和透析质量影响因素的多中心研究”(YWJKJJHKYJJ-PD2301)；“天山英才”医药卫生高层次人才培养计划项目“继发性肾脏疾病机制研究及肾移植术后随访体系的建立”(TSYC202401A013)