基于决策树算法构建T2DM患者微血管并发症的风险预测模型及效能分析

摘要

目的 基于决策树算法构建2型糖尿病(T2DM)患者微血管并发症的风险预测模型，并验证其效能。方法 回顾性分析2019年1月—2020年12月本院收治的299例T2DM患者临床资料，随机分为训练集(n=209)和测试集(n=90)。统计训练集的微血管并发症发生率，并分为发生组(n=81)、未发生组(n=128)。比较发生组和未发生组一般资料，对测试集发生微血管并发症的影响因素进行Logistic回归分析。基于R语言分类回归树(CART)算法原理构建T2DM患者微血管并发症的风险预测模型；运用受试者工作特征曲线(ROC)验证该模型在训练集和测试集中的预测效能。结果 T2DM微血管并发症发生率为38.76%(81/209);T2DM病程(OR=1.962,95%CI:1.412～2.727)、合并高血压(OR=1.624,95%CI:1.274～2.071)、高脂血症(OR=1.534,95%CI:1.139～2.067)、高尿酸血症(OR=1.782,95%CI:1.262～2.517)、胰岛素抵抗指数(HOMA-IR)(OR=1.738,95%CI:1.308～2.310)、体质量指数(BMI)(OR=1.534,95%CI:1.227～1.918)、尿白蛋白排泄率(UAER)(OR=1.560,95%CI:1.212～2.009)和血糖控制不达标(OR=1.579,95%CI:1.246～2.002)均为T2DM患者微血管并发症发生的影响因素(P<0.05);决策树模型共5层15个节点，筛选出T2DM病程、合并高血压、高脂血症、高尿酸血症、BMI、HOMA-IR、UAER和血糖控制效果8个解释变量；决策树模型训练集与验证集的ROC曲线下面积(AUC)分别为0.962(95%CI:0.926～0.983)、0.827(95%CI:0.733～0.899),灵敏度分别为91.36%、85.71%,特异度分别为90.62%、78.18%。结论 T2DM病程、合并高血压、高脂血症、高尿酸血症、BMI、HOMA-IR、UAER和血糖控制不达标是T2DM微血管并发症发生的危险因素，基于此构建的决策树模型可准确预测T2DM微血管并发症发生的风险。

关键词

决策树算法 / 2型糖尿病 / 微血管并发症 / 风险 / 预测