基于随机森林模型法的AMI患者并发AKI预测模型的建立

作者：李龙; 刘真义; 李浩然; 药永红^*

来源：重庆医学, 2022, 51(24): 4304-4312.

• 急性心肌梗死
• 急性肾损伤
• 机器学习
• 预测模型
• 受试者工作曲线

目的 建立基于随机森林模型法的预测模型对急性心肌梗死(AMI)患者并发急性肾损伤(AKI)进行预测，找出相关重要指标。方法 选取2014年1月至2021年1月该院急诊科收治的AMI患者1 362例作为研究对象，将合并AKI患者设为观察组(270例),未合并AKI设为对照组(1 092例)。在确定30个变量后进行数据的相关统计和分析，随机选取75%的病例进行训练数据库的建立，25%的病例作为测试数据库，采用R语言进行数据的筛选和模型的建立，对其进行相关评估，并与其余3种机器学习模型进行对比。结果 1 362例患者中合并AKI 270例(19.82%)。两组患者除血小板、球蛋白、入院时体温、血钠、天门冬氨酸氨基转移酶、丙氨酸氨基转移酶比较差异无统计学意义(P>0.05)外；其余各指标比较，差异均有统计学意义(P<0.05);随机森林模型受试者工作曲线下面积为0.894,均高于其余3种模型，灵敏度为0.792,特异度为0.867;模型中变量重要性依次为首次肌酐、尿素值，机械通气、年龄和D-二聚体。结论 基于随机森林模型对AMI患者是否发生AKI进行预测具有较好的预测效能，在实际临床工作中具有一定参考价值。