基于多普勒超声血流参数的机器学习模型预测血液透析充分性OA
目的:构建基于血液透析(HD)前动静脉内瘘多普勒超声血流参数的机器学习预测模型,实现HD充分性的前瞻性评估.方法:选取2022年1月—2025年4月甘肃省中医院收治的246例维持性HD患者,于透析前均进行超声检查,获取动静脉内瘘血流动力学参数.采用逻辑回归、随机森林、支持向量机和梯度提升决策树构建预测模型,通过10折交叉验证优化超参数,评估模型预测性能.结果:246例维持性HD患者中,154例患者透析充分,92例透析不充分.梯度提升决策树模型表现最优,在测试集中显示出良好的区分度和一致性,其预测准确率为82.4％,敏感性为80.0％,特异性为86.2％.结论:基于HD前动静脉内瘘超声血流参数的机器学习模型能够准确预测HD的充分性.
费希秀;张洁;牟乾存
甘肃省中医院超声科,甘肃 兰州 730050银川市妇幼保健院超声科,宁夏 银川 750004甘肃省中医院超声科,甘肃 兰州 730050
医药卫生
血液透析透析充分性动静脉内瘘多普勒超声血流参数
《当代医药论丛》 2026 (8)
1-4,4
评论