“PD-PREDICT”：一种用于预测腹膜透析患者生存期的机器学习模型

腹膜透析（PD）患者生存预测模型PD-PREDICT基于XGBoost开发，通过英国肾脏登记库（UKRR）数据验证，在22711例PD患者中取得良好性能（训练C-index 0.83，测试C-index 0.81，IBS 0.09），并经过时间（2017-2021）和地域（挪威）外部验证（C-index 0.80和0.77），证明其动态死亡率评估能力优于传统方法。

　　```section>

摘要 通俗语言总结

---

对于腹膜透析（PD）患者而言，准确的生存预测对于个性化治疗计划和共同决策至关重要。我们开发并验证了PD-PREDICT模型，该模型基于XGBoost算法，可用于生成新接受腹膜透析患者的动态死亡风险估计。我们利用英国肾脏登记处（UKRR）的数据进行了一项回顾性队列研究，研究对象为2007年1月1日至2022年9月1日期间接受治疗的22,711名新患者。开发队列（n = 14,650；2007年1月至2016年12月）被分为训练集和内部测试集。时间验证使用了独立的UKRR队列数据（n = 8,061；2017年1月至2021年12月），而外部验证则使用了挪威肾脏登记处的2,180名患者数据。模型性能通过哈雷尔一致性指数（C指数）、综合布里尔评分（IBS）、决策曲线分析以及50次迭代的自举法来评估C指数的稳定性。在开发队列中，PD-PREDICT的训练C指数为0.83，测试C指数为0.81（IBS：0.09）；基于决策树的基线模型的测试C指数为0.78（IBS：0.13）。自举分析证实了C指数的稳定性（0.81；95%置信区间[CI]：0.79–0.83）。时间验证的C指数为0.80，挪威外部验证的C指数为0.77。PD-PREDICT为腹膜透析患者提供了可靠的动态死亡风险预测，其性能优于传统方法，并且在时间和地理验证中的准确性均得到了保持。

通俗语言总结研究人员开发了PD-PREDICT模型，该模型利用XGBoost算法预测接受腹膜透析患者的生存率。他们使用英国肾脏登记处的数据对22,711名患者进行了模型训练和测试。在开发队列中，模型的训练C指数为0.83，测试C指数为0.81。该模型通过英国和挪威的数据进行了验证，显示出在不同时间和地点下的一致性能。PD-PREDICT提供的死亡风险预测比传统方法更准确，有助于为腹膜透析患者制定个性化治疗计划和做出决策。这一工具通过提供可靠的生存估计数据，能够提升患者护理质量。

本文内容由机器生成，可能存在不准确之处。常见问题解答

```