甘肃省不同地区糖尿病肾脏疾病的机器学习预测模型的研究

作     者：杨建宁 洪豆豆 李杨 余静 杨帆 温子英 乔文俊 刘静 张琦 YANG Jianning;HONG Doudou;LI Yang

作者机构：甘肃中医药大学第一临床医学院兰州730000 甘肃省人民医院内分泌代谢诊疗中心 甘肃省人民医院老年医学科 宁夏医科大学第一临床医学院 

出 版 物：《中国糖尿病杂志》 (Chinese Journal of Diabetes)

年 卷 期：2025年第33卷第1期

页      面：8-15页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 08[工学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：国家自然科学基金(81960173、82160166) 甘肃省重点研发计划(22YF7FA096) 甘肃省人民医院院内科研基金(22GSSYA-1) 兰州市卫生健康委科技发展项目(2021005) 

主　　题：糖尿病肾脏疾病 糖尿病 2型 机器学习 预测模型 

摘      要：目的构建甘肃省平原风沙与黄土丘陵地区T2DM患者发生DKD的机器学习(ML)预测模型,并对模型进行可解释性分析。方法采用多阶段分层随机抽样法收集两地区T2DM患者资料,经关键特征筛选后构建8种DKD发生风险的ML预测模型。采用受试者工作特征(ROC)曲线下面积(AUC)、准确率及F1指数评价模型,模型解释采用Shapley加性解释(SHAP)算法。结果最终纳入1599例T2DM患者,经特征筛选后平原风沙地区纳入10个变量建模。在8种模型中,梯度提升决策树(GBDT)模型预测效能最高,其测试集AUC为0.972,准确率为0.949,F1指数为0.884。黄土丘陵地区纳入12个变量建模,最优模型为随机森林(RF),其测试集的AUC为0.966,准确率为0.951,F1指数为0.861。SHAP分析发现,DKD高风险除与血肌酐、年龄、LDL-C、Hb A1c及DM病程等因素相关外,还与血尿酸、尿微量白蛋白相关。结论GBDT和RF模型对两地区DKD的发生有良好预测效能,可用于两地区DKD高危人群筛查及潜在危险因素深入挖掘。