摘要
目的 探讨乙型肝炎病毒相关慢加亚急性肝衰竭(HBV-ACLF)死亡的影响因素,基于机器学习算法构建HBV-ACLF患者3个月内生存情况的预测模型.方法 选取2020年4月至2022年8月南通市第三人民医院治疗的112例HBV-ACLF患者为研究对象,根据3个月内患者是否无死亡分为生存组(n=62)和死亡组(n=50),通过单因素logistic回归分析患者死亡的影响因素,使用基于机器学习的logistic回归、决策分类回归树(CRT)、反向传播神经网络(BPNN)算法构建HBV-ACLF患者3个月内生存预测模型,并采用受试者工作特征(ROC)曲线比较3种方法构建的模型对HBV-ACLF患者3个月内生存情况的预测价值.结果 单因素分析结果显示,两组患者吸烟史、乙肝病程、高血压史、合并肝性脑病、合并肝肾综合征、谷丙转氨酶(ALT)水平、清蛋白(Alb)水平差异均有统计学意义(P＜0.05),多因素logistic回归分析结果显示,乙肝病程、高血压史、合并肝肾综合征、ALT水平升高、Alb水平升高均是HBV-ACLF患者死亡的影响因素(P＜0.05).采用决策树CRT法构建的生存预测模型显示,合并肝肾综合征、HBV-DNA载量升高、ALT水平升高、合并高血压、Alb水平升高均是HBV-ACLF患者死亡的独立危险因素(P＜0.05).根据BP神经网络模型中自变量的重要性标准化后的结果,影响HBV-ACLF患者死亡前3位的因素是Alb、乙肝病程、ALT.3种机器学习算法构建的模型的曲线下面积(AUC)均＞0.800,非参数DeLong检验结果显示,3种模型的预测性能比较,差异无统计学意义(P＞0.05).结论 基于机器学习算法构建的HBV-ACLF生存预测模型对患者短期生存情况具有较好的预测效能,3种模型均具有良好的预测性能,可进一步推广应用以验证预测模型的效能.
基金项目
南通市卫生健康委员会科研项目(MSZ2022042)
维普
万方数据