摘要
目的 探讨基于生物电阻抗矢量分析(BIVA)和机器学习算法建立的预测模型对维持性血液透析(MHD)患者贫血和营养状况的预测价值。方法 收集人体成分分析仪(BCM)测得的MHD患者生物电信号数据和白蛋白(Alb)、血红蛋白(Hb)、低密度脂蛋白胆固醇(LDL-C)、总胆固醇(TC)等血生化指标数据,基于BIVA和3种机器学习算法(随机森林、支持向量机和Adaboost算法)分别建立3个预测模型,比较3个模型对Alb、LDL-C、Hb、TC指标的预测效能。结果 个体相关性分析结果显示,生物电学指标与营养指标(Alb、LDL-C、Hb、TC)显著相关(P<0.05或P<0.01); 3个模型中,基于随机森林算法的模型性能最佳,预测Alb、LDL-C、Hb、TC的准确率分别为0.880、0.879、0.904、0.937。结论 基于BIVA和机器学习算法(随机森林算法)建立的预测模型在MHD患者贫血和营养状况评估中具有较高价值,可辅助临床决策。
-
单位南京医科大学; 无锡人民医院