特发性肺纤维化肺移植受者术后严重原发性移植物功能障碍预后模型的建立

作     者：宋志云 戴韬寅 顾思佳 李小杉 黄睦容 唐诗笑 胡春晓 陈静瑜 Song Zhiyun;Dai Taoyin;Gu Sijia;Li Xiaoshan;Huang Murong;Tang Shixiao;Hu Chunxiao;Chen Jingyu

作者机构：南京医科大学无锡医学中心无锡市人民医院南京医科大学附属无锡人民医院麻醉科江苏无锡214023 南京医科大学无锡医学中心无锡市人民医院南京医科大学附属无锡人民医院肺移植中心江苏无锡214023 

出 版 物：《器官移植》 (Organ Transplantation)

年 卷 期：2024年第15卷第4期

页      面：591-598页

核心收录：

学科分类：1002[医学-临床医学] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：江苏省科技计划重点研发项目(BE2022697) 无锡市太湖人才计划国际国内顶尖医学专家团队(2019-THRCTD-1) 

主　　题：肺移植 特发性肺纤维化 机器学习 原发性移植物功能障碍 随机森林 logistic回归 支持向量机 人工神经网络 

摘      要：目的探索性构建基于机器学习算法预测特发性肺纤维化(IPF)肺移植受者术后原发性移植物功能障碍(PGD)的预后模型。方法回顾性分析226例行肺移植手术的IPF患者的资料。所有入组患者按7∶3随机划分为训练集和测试集。利用正则化logistic回归、随机森林、支持向量机和人工神经网络4种方法,通过变量筛选、构建模型、模型调优流程构建模型。使用受试者工作特征曲线下面积(AUC)、阳性预测值、阴性预测值和准确度进行模型性能评估。结果共筛选出16个关键特征用于建模。4种预后模型的AUC值均0.7。DeLong检验和McNemar检验发现模型间性能差异无统计学意义(均为P0.05)。结论基于4种机器学习算法初步构建了肺移植术后3级PGD的预后模型。各模型整体预测性能相似,均可对IPF患者肺移植术后3级PGD进行较好的预测。