Development and validation of machine learning models for predicting acute kidney injury in acute-on-chronic liver failure: a multimodel comparative study - PubMed
2 months ago
- #acute kidney injury
- #liver failure
- #machine learning
- 本研究旨在开发机器学习模型预测慢加急性肝衰竭（ACLF）患者急性肾损伤（AKI）的发生
- 回顾性研究纳入1,076例ACLF患者，其中23.2%住院期间发生AKI
- 评估了六种机器学习模型：逻辑回归、随机森林、K近邻、支持向量机、决策树和XGBoost
- 随机森林模型表现最佳，ROC曲线下面积（AUC-ROC）达0.899，精确率-召回率曲线下面积（AUC-PR）为0.806
- 关键预测因素包括年龄、高血压、总胆红素、血尿素氮、血清肌酐等临床指标
- 研究表明机器学习模型（尤其是随机森林）能有效识别ACLF患者中的AKI高危人群