基于决策树分类模型的糖尿病肾病进展预测量表的研制

摘要

目的 基于决策树分类模型建立糖尿病肾病（diabetic kidney disease,DKD）进展预测量表。方法 回顾性收集六盘水市第二人民医院内分泌科2020年7月至2021年7月收治的308例糖尿病肾病患者作为研究对象，并将其分为微量蛋白尿组（n=224）与显性蛋白尿组（n=84）。对2组患者的人口学资料、既往基础病史等指标进行单因素和多因素Logistic回归分析，并运用决策树分类模型建立DKD进展预测量表。结果 308例研究对象中84例（27.27%）为显性蛋白尿，224例（72.73%）为微量蛋白尿。多因素Logistic回归分析显示收缩压（OR=1.022,P=0.003）和血肌酐（OR=1.012,P <0.001）和总蛋白水平（OR=0.953,P=0.003）是引起显性蛋白尿的独立风险因素。运用决策树分类模型建立预测量表，量表总分为60分，诊断阈值为33分，决策树模型ROC曲线面积（0.781）大于多因素Logistic回归（0.769），灵敏度为95.2%，特异度为78.9%。结论 DKD进展预测量表能够较准确的评估DKD进展，对于早期预测DKD进展具有较好的临床价值。

关键词

糖尿病肾病 / 决策树分类模型 / 进展 / 预测量表