国家自然科学基金项目(81801963)
目的以风险预警为目标构建胆汁淤积性肝病产气荚膜梭菌感染风险预测模型,用于早期识别高风险患者。方法收集该院245例和重庆市另一三甲医院35例胆汁淤积性肝病患者的临床资料进行特征工程筛选指标,通过XGBoost算法构建预测模型,以受试者工作特征(ROC)曲线下面积(AUC)等评估模型效能。结果特征重要性分析表明,降钙素原、C反应蛋白、中性粒细胞计数和年龄与产气荚膜梭菌感染呈正相关,嗜酸性粒细胞、红细胞计数、血红蛋白、血细胞比容、血小板计数、血清总蛋白和白蛋白与产气荚膜梭菌感染呈负相关。模型在内部验证、院内验证集和外部验证表现较好,平均AUC分别为0.860、0.855和0.818,平均灵敏度分别为0.883、0.847和0.840,平均特异度分别为0.804、0.764和0.696。结论该风险预测模型能够帮助临床医生较准确地筛查出可能发生产气荚膜梭菌感染的高危胆汁淤积性肝病患者,可为临床早期决策提供了有力的参考。
余智航 ,张雨虹 ,张文峰 ,王云英 △.基于机器学习建立胆汁淤积性肝病产气荚膜梭菌感染风险预测模型[J].《国际检验医学杂志》编辑部,2026,(6):655-661