Klinrisk机器学习模型在大型代表性美国人群中对慢性肾病（CKD）进展的预测效果验证

《ASN Publications》：Validation of the Klinrisk Machine Learning Model for CKD Progression in a Large Representative US Population

基于大规模美国商业保险、Medicare和Medicaid人群（2007-2020）的实验室指标和尿检数据，Klinrisk机器学习模型在预测慢性肾病（CKD）进展方面表现稳定，AUC在0.80-0.87之间，Brier评分均低于0.03，验证了其在多支付方体系中的预测准确性。

　　

摘要

背景：

早期识别高风险慢性肾病（CKD）有助于实现最佳的医疗管理并改善治疗结果。我们的目标是验证Klinrisk机器学习模型在大型美国商业保险、Medicare和Medicaid人群中预测CKD进展的能力。

方法：

我们建立了三个队列，包括在2007年1月1日至2020年12月31日期间加入a) 商业保险、b) Medicare和c) Medicaid计划的参保成年人，这些人群满足以下条件：至少进行过一次血清肌酐检测，eGFR在15ml/min/1.73m²至180ml/min/1.73m²之间，并且19项其他实验室检测指标中有至少7项结果可用。在每个保险类型中评估了两个主要子队列：(1) 所有检测指标结果均齐全的患者；(2) 具有尿液分析结果的患者。疾病进展定义为eGFR持续下降40%或发生肾衰竭的复合结局。通过接收者操作特征曲线下面积（AUC）、Brier分数和校准图来评估模型的区分能力、准确性和校准性能。

结果：

在商业保险队列中，Klinrisk模型在2年时的AUC范围为0.83（95%置信区间：0.82 – 0.83）至0.87（0.86 – 0.87），最大Brier分数为0.005（0.0005 – 0.005）。在Medicare患者中，AUC范围为0.80（0.79 – 0.80）至0.81（0.80 – 0.82），最大Brier分数为0.026（0.025 – 0.027）。在Medicaid患者中，AUC范围为0.82（0.82 – 0.82）至0.84（0.82 – 0.86），最大Brier分数为0.014（0.012 – 0.015）。

结论：

Klinrisk机器学习模型在预测美国商业保险、Medicare和Medicaid人群中480万成年人的CKD进展方面表现准确。