加载中........
×

Sci Rep:使用临床指标的狼疮性肾炎病理预测

2018-7-9 作者:xiangting   来源:MedSci原创 我要评论0
Tags: 狼疮性肾炎  病理预测  机器学习  随机森林分析  
分享到:

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!



小提示:78%用户已下载梅斯医学APP,更方便阅读和交流,请扫描二维码直接下载APP

版权声明:本文系梅斯MedSci原创编译整理,未经本网站授权不得转载和使用。如需获取授权,请点击
分享到:

只有APP中用户,且经认证才能发表评论!马上下载

web对话
live chat

扫码领取IF曲线

IF连续增长的期刊