王娴 刘霞明 陈曼玉 赵君 王立东

作者单位：1承德医学院研究生院（邮编067000）；2承德市中心医院内分泌科

作者简介：王娴（1996），女，硕士在读，主要从事糖尿病发病机制的基础及临床方面研究。E-mail：1772575329@qq.com

△通信作者 E-mail：whlfdjs@126.com

摘要：目的 寻找2型糖尿病（T2DM）患者糖尿病肾病（DKD）的独立预测因子，构建DKD发病风险的最佳机器学习（ML）模型并进行验证。方法 以2019年10月—2020年9月于承德市中心医院内分泌科住院治疗的528例T2DM患者为研究对象，随机分为训练集（370例）和验证集（158例），训练集依据是否合并DKD分为DKD组（89例）和非DKD组（281例）。单因素分析患者的一般资料和辅助检查，将其中有意义的变量通过最小绝对收缩和选择算法（LASSO）回归筛选最佳预测因子，将LASSO回归筛选出的最佳预测因子通过Logistc回归（LR）、K近邻（KNN）、支持向量机（SVM）、决策树（DT）、随机森林（RF）、朴素贝叶斯（NB）、人工神经网络（ANN）和极致梯度提升（XGBoost）8种ML算法，经3重交叉验证建立预测模型，通过比较受试者工作特征（ROC）曲线、Delong检验、GiViTI校准曲线选择最佳预测模型。采用决策曲线分析（DCA）评估模型的临床实用性。结果 年龄、丙氨酸转氨酶（ALT）、肌酐（Cr）、甘油三酯（TG）、胱抑素C（Cys-C）、25羟基维生素D［25（OH）D］、单核细胞计数（Mon）是DKD的独立预测因子。8种ML模型中，ANN模型表现最佳。GiViTI校准曲线提示模型具有较好的准确度（P＞0.05），决策曲线显示预测模型曲线在0.027～0.612的阈值概率区间具有临床实用价值。结论 本研究构建的预测DKD发生风险的ANN模型有助于早期识别DKD的高危T2DM患者。

关键词：糖尿病，2型；糖尿病肾病；机器学习；单核细胞；神经网络，计算机；预测模型

中图分类号：R587.24文献标志……