郑 诗 梅游英 王诣涵 潘若玲 南晓领

温州市中西医结合医院血液净化中心，325000 浙江 温州

血管通路是血液透析患者赖以生存的生命线[1]，自体动静脉内瘘(arteriovenous fistulas，AVF)因其操作简便、费用低、预后良好等诸多优势，已成为长期血液透析患者的最佳血管通路类型[2-3]。但AVF并非终身使用，其可因各种原因引起血管狭窄或者闭塞，从而导致内瘘失功。研究表明AVF失功是导致血液透析患者预后不良的重要原因之一[4]。因此，了解AVF失功的危险因素并构建其相关预测模型，对预防和早期干预AVF失功至关重要。随机森林模型作为一种新兴的、灵活度高的机器学习算法，与logistic回归等传统分类算法相比具有抗噪声、高准确性、可评估各个特征的重要性及不依赖于全部数据特征等优点[5-7]。本研究分别采用随机森林算法和logistic回归模型构建维持性血液透析患者AVF失功预测模型，并对其应用效果进行比较分析，为早期预防AVF失功的发生提供参考依据。

1 对象与方法

1.1 研究对象

以2017年5月至2020年11月在温州市某中西医结合医院血液净化中心进行维持性血液透析的患者为研究对象。

纳入标准： 1)入院年龄>18岁；2)在该院单上臂首次造瘘，且行头静脉-桡动脉端侧吻合形成AVF者；3)AVF术后 1个月以上者。

排除标准：1)于外院行 AVF成形术者；2)改用腹膜透析等肾脏替代治疗方式而放弃使用AVF者；3)既往行血管内手术者。

1.2 研究方法

采用统一设计的个案数据表，对研究对象的资料进行回顾性收集。

1)一般资料，包括性别、年龄、体质量指数(BMI)、吸烟史、糖尿病史、高血压史及Charlson合并症指数[8]；