目的 构建严重烧伤患者发生急性肾损伤(AKI)的风险预测模型,比较机器学习和logistic回归模型的预测效能.方法 收集在“八二”昆山工厂铝粉尘爆炸事故中严重烧伤的符合入选标准的157例患者的临床资料.将入院90 d内发生AKI的患者纳入AKI组,其余患者纳入非AKI组.使用单因素分析筛选可能和AKI发生相关的因素,包括患者性别、年龄、入院耗时、基础伤情、入院初始评分、治疗情况以及伤后30、60、90 d病死率等指标.对数据行Mann-Whitney U检验、x 2检验、Fisher确切概率法检验.将单因素分析中P＜0.1以及可能有临床意义的变量纳入预测模型的构建,分别采用logistic回归分析和XGBoost机器学习算法构建AKI预测模型.计算模型的受试者工作特征曲线下面积(AUC),以及最佳阈值下的敏感度、特异度.2个预测模型AUC差异的显著性检验采用非参数的重复采样方法.结果 (1)患者中89例(56.7％)在入院90 d内发生了AKI.与非AKI组68例患者相比,AKI组89例患者的年龄更大(Z=-2.203,P＜0.05),烧伤总面积和Ⅲ度烧伤面积更大(Z=-5.200、-6.297,P＜0.01),入院时的急性生理与慢性健康评估Ⅱ(APACHEⅡ)评分、简明烧伤严重程度指数评分、序贯器官衰竭评估(SOFA)评分更差(Z=-7.485、-4.739、-4.590,P＜0.01),发生脓毒症的百分比更高(x 2=33.087,P
作者：汤陈琪；李骏强；徐达圆；刘晓彬；侯文佳；吕开阳；肖仕初；夏照帆
来源：中华烧伤杂志 2018 年 34卷 6期
