基于臨床病理特征、中醫(yī)證候的IgA腎病預(yù)后模型研究.pdf

1、目的:
　　探索整合中醫(yī)預(yù)后相關(guān)因素能否幫助IgAN預(yù)后預(yù)測(cè)，比較決策樹(shù)、自適應(yīng)增強(qiáng)、隨機(jī)森林、支持向量機(jī)四種算法建模的預(yù)測(cè)能力。
　　方法:
　　本研究為回顧性隊(duì)列研究，以經(jīng)腎穿診斷為IgA腎病的患者為研究對(duì)象，采集人口學(xué)、臨床病理、中醫(yī)證候等相關(guān)基線指標(biāo)，并收集各個(gè)病例的隨訪資料，以血肌酐翻倍、eGFR下降≥50％、ESRD、透析、死亡為主要終點(diǎn)指標(biāo)，使用Cox比例風(fēng)險(xiǎn)模型篩選與IgA腎病不良預(yù)后相關(guān)的因素。將預(yù)后

2、相關(guān)因素分為西醫(yī)變量、中醫(yī)變量。分別基于西醫(yī)變量、中醫(yī)變量和聯(lián)合中西醫(yī)變量三種情況，使用決策樹(shù)、隨機(jī)森林、自適應(yīng)增強(qiáng)、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等算法，建立IgA腎病預(yù)后預(yù)測(cè)模型，判斷IgAN患者是否在5年內(nèi)發(fā)生復(fù)合終點(diǎn)事件，并對(duì)預(yù)后模型的預(yù)測(cè)效能進(jìn)行評(píng)估對(duì)比。
　　結(jié)果:
　　本研究共納入402例IgAN隨訪病例，年齡為32.5(25-41)歲，其中女性占53.2％，從起病到腎活檢的時(shí)間為6(1-24)個(gè)月，隨訪時(shí)間為2.2(1

3、.1-3.9)年，其中45例患者出現(xiàn)終點(diǎn)事件。Cox回歸單因素分析提示基線收縮壓、基線舒張壓、起始癥狀乏困、起始癥狀水腫、起始無(wú)癥狀、高血壓病史、尿蛋白定量、尿素氮、血肌酐、eGFR、血尿酸、血鉀、血磷、血清總蛋白、血清白蛋白、Haas分型、Lee分級(jí)、Katafuchi積分、MEST-T評(píng)分、新月體比例分級(jí)、疲倦乏力、浮腫、夜尿多、畏寒肢冷、惡心、舌質(zhì)淡紅、舌質(zhì)淡、舌苔白膩、脾腎陽(yáng)虛證、血瘀證、兼證數(shù)目等31個(gè)變量與IgA腎病預(yù)后關(guān)系

4、密切。經(jīng)共線性診斷后，31個(gè)變量剔除基線收縮壓、基線舒張壓、血清總蛋白、Lee分級(jí)4個(gè)變量，新加入基線平均動(dòng)脈壓，最終有28個(gè)變量進(jìn)入多因素分析和預(yù)測(cè)模型建模。Cox回歸多因素分析提示基線血肌酐、MEST評(píng)分的T分值、脾腎陽(yáng)虛證是不良預(yù)后的獨(dú)立危險(xiǎn)因素。
　　隨機(jī)數(shù)據(jù)5年內(nèi)發(fā)生終點(diǎn)事件和隨訪5年未發(fā)生終點(diǎn)的患者數(shù)據(jù)，按7∶3的比例分成訓(xùn)練集和測(cè)試集。使用訓(xùn)練集數(shù)據(jù)在中醫(yī)變量、西醫(yī)變量、中西醫(yī)變量三種條件下分別通過(guò)決策樹(shù)、自適應(yīng)增強(qiáng)

5、、隨機(jī)森林、支持向量機(jī)四種算法構(gòu)建了12個(gè)模型。評(píng)估各模型對(duì)訓(xùn)練集的數(shù)據(jù)解析能力，發(fā)現(xiàn)同算法下，總體錯(cuò)誤率上，中醫(yī)變量＞西醫(yī)變量＞中西醫(yī)變量;擬合度和ROC曲線下面積方面，中西醫(yī)變量＞西醫(yī)變量＞中醫(yī)變量。而在變量相同的情況下，隨機(jī)森林錯(cuò)誤率最低、R2和ROC曲線下面積最大，決策樹(shù)模型錯(cuò)誤率最高、R2和ROC曲線下面積最小居于末席，自適應(yīng)增強(qiáng)模型和支持向量機(jī)并列居中。
　　用12個(gè)模型對(duì)測(cè)試集的數(shù)據(jù)進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)使用中醫(yī)變量、西醫(yī)變

6、量、中西醫(yī)變量在四種算法下構(gòu)建的模型，ROC曲線下面積均大于0.7，具有良好的預(yù)測(cè)能力，而支持向量機(jī)使用中西變量建模，ROC曲線下面積更是超過(guò)0.9，達(dá)到0.91，預(yù)測(cè)能力優(yōu)秀。在同算法下，中西醫(yī)變量的準(zhǔn)確率、R2、ROC曲線下面積均最高，而西醫(yī)變量排第二，中醫(yī)變量第三。變量相同的情況下，支持向量機(jī)的準(zhǔn)確率、R2、ROC曲線下面積均最大，模型驗(yàn)證預(yù)測(cè)效能最好;隨機(jī)森林錯(cuò)誤率和支持向量機(jī)一樣，R2第二，ROC曲線下面積第三，總體預(yù)測(cè)效能第

7、二;自適應(yīng)增強(qiáng)模型總體錯(cuò)誤率最高，R2大于決策樹(shù)排第三，ROC曲線下面積排第二，總體預(yù)測(cè)效能排第三;決策樹(shù)模型除總體錯(cuò)誤率居于第三外，R2和ROC曲線下面積位于末席，總體預(yù)測(cè)效能第四。
　　結(jié)論:
　　使用中醫(yī)變量和西醫(yī)變量構(gòu)建預(yù)測(cè)模型，均能達(dá)到良好的預(yù)測(cè)效能，但使用西醫(yī)變量的預(yù)測(cè)能力更強(qiáng)，而聯(lián)合中西醫(yī)變量建模優(yōu)于單獨(dú)使用中醫(yī)或西醫(yī)變量。在開(kāi)展類似的IgAN預(yù)后預(yù)測(cè)研究時(shí)，如能獲取足夠的中醫(yī)資料，推薦同時(shí)使用中西醫(yī)預(yù)后相關(guān)因