背景 急性肾损伤(acute kidney injury,AKI)在重症监护室(intensive care unit,ICU)发病率高,尤其对于老年人群更是如此.寻找ICU老年AKI的危险因素,建立早期预测模型,有助于临床决策.目的 采用机器学习的方法建立ICU老年患者AKI的早期预测模型.方法 收集 2018年 1月-2021年 12月入住解放军总医院第一医学中心重症医学科年龄≥65岁的老年患者的临床资料(80％用于训练集,20％用于测试集).以是否发生AKI为结局变量,纳入人口统计学、生命体征、实验室检查、合并症等 55个预测变量,通过多个机器学习模型(包含决策树、随机森林、逻辑回归、XGBoost、LightGBM)开发多变量预测模型.利用受试者工作特征曲线(ROC曲线)下面积(area under curve,AUC)、准确性、敏感度、特异度、F1值评估模型性能,选出最优模型.结果 最终纳入 968例老年患者,其中共 304例患AKI(占 31.4％).LightGBM模型的AUC最高,为 0.887,决策树、随机森林、逻辑回归、XGBoost模型的AUC分别为 0.795、0.850、0.853、0.875.其中LightGBM模型排前 5位的特征变量为查尔森合并症指数、液体入量、血清肌酐、N末端脑利钠肽前体和乳酸.结论 我们利用LightGBM机器学习方法开发并建立了一个ICU老年患者的AKI早期预测模型,具有较好的预测效能,有助于临床早期预测

作者：王晓莉；李晓明；卢若谷；刘超；毛智；胡婕；周飞虎

来源：解放军医学院学报 2023 年 44卷 2期