Sci Rep：使用临床指标的狼疮性肾炎病理预测
2018-07-09 xiangting MedSci原创
通过机器学习评估狼疮性肾炎具有评估狼疮性肾炎的潜力。
狼疮性肾炎的有效治疗和预后评估取决于准确的病理分型和对急慢性病理学指标的谨慎使用。肾活检的预测能力最为可靠。然而，在某些情况下临床医生仍需要辅助工具。对临床指标进行综合统计分析可能为肾活检提供有效的支持和补充。
这项研究中，173名狼疮性肾炎患者根据组织学进行分类，并根据急慢性指标进行评分。将这些结果与涉及多线性回归和随机森林分析的机器学习预测进行比较。对于三类随机森林分析，总分类准确率为51.3％（II类53.7％，III类和IV类56.2％，V类40.1％）。对于两类随机森林分析，II类准确性达到56.2％；III类和IV类为63.7％；V类为61％。另外，机器学习为每类预测选择了相应的重要变量。多元线性回归预测了慢性病理指数（CI）（Q2 =0.746，R2=0.771）和急性指数（AI）（Q2=0.516，R2=0.576），并且在AI和CI模型中计算了每个变量的重要性。
通过机器学习评估狼疮性肾炎具有评估狼疮性肾炎的潜力。
原始出处：
Youzhou Tang, et al. Lupus nephritis pathology prediction with clinical indices. Sci Rep. 06 July 2018.
本文系梅斯医学(MedSci)原创编译整理，转载需授权！
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#狼疮#
33
#肾炎#
24