维持性血液透析患者发生血管钙化的3种机器学习预测模型构建及效能比较

来源：中国血液净化杂志2025年第08期北京时间：

作者：白伟伟 杜书同 马伟华 王雅静 王 娜

单位：061000 沧州，1沧州市人民医院肾病内科

摘要：目的 构建并对比维持性血液透析患者发生血管钙化的3种机器学习预测模型。 方法 选取300例维持性血液透析患者为研究对象，按照7:3的比例随机分为训练集(210例)和验证集(90例)，根据患者是否发生血管钙化将训练集分为有钙化组(124例)和无钙化组(86例)。分别采用Logistic回归、随机森林、支持向量机构建维持性血液透析患者发生血管钙化的预测模型，并使用验证集数据评价这3种机器学习预测模型的预测能力。 结果 在训练集中，Logistic回归模型、随机森林模型、支持向量机的AUC分别为0.835、0.886、0.872；在验证集中Logistic回归模型、随机森林模型、支持向量机的AUC分别为0.823、0.879、0.866。Delong检验显示3种机器学习预测模型的AUC具有差异(Z=2.663、2.751， P=0.003、0.001)。Logistic回归模型、随机森林模型、支持向量机模型均具有较好的一致性(χ2=4.018、4.661、3.892，P=0.642、0.887、0.739)。 结论 基于机器学习的维持性血液透析患者发生血管钙化的Logistic回归、随机森林、支持向量机模型均显示出较好的预测效果，其中随机森林模型的表现最好。

关键词：维持性血液透析；血管钙化；机器学习；预测模型

基金资助：沧州市重点研发计划指导项目(213106068)