| 摘要: |
| 目的 开发基于机器学习算法的男性不育列线图风险预测模型，为男性不育患者的早期筛查提供依据。 方法
回顾性选取 2023 年 1 月 1 日至 12 月 31 日杭州市中医院收治的 124 例男性不育患者和来院检查的 31 名正常生育男性，收集并比
较两组对象血常规、生化、生殖激素、维生素以及生殖抗体系列指标。将差异有统计学意义的指标纳入最小绝对收缩和选择算子
（LASSO）回归，使用最小 λ 筛选预测变量。将整个数据集按照 7∶3 分成训练集（107 例）和验证集（48 例），使用逻辑回归（LR）、
支持向量机（SVM）、随机森林（RF）、K 近邻模型（KNN）和决策树（DT）算法构建评估模型。选择最佳算法建立列线图预测模
型。 结果 13 个变量纳入到 LASSO 回归，使用 λ 最小值（λ=0.010 4）筛选获得 10 个预测变量。使用 DT、KNN、LR、RF 和 SVM
构建 5 个预测模型，其中 LR 算法构建的模型预测效能最佳，AUC 为 0.942，准确度为 0.879，灵敏度和特异度为 0.903 和 0.748。
对 10 个预测因素进行多因素 logistic 模型筛选，最终筛选出前向运动精子、精子总数、维生素 B1、维生素 B3和 25-羟基维生素 D
等 5 个因素，构建的列线图风险预测模型预测男性不育的 AUC 为 0.893，准确度为 0.842。校准曲线分析显示模型预测概率较
好。 结论 本研究基于不同机器学习算法构建男性不育的预测模型，通过列线图风险预测模型有效预测男性不育风险，可作为
男性不育的早期筛查参考。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目:浙江省中医药科学研究基金资助项目（2022ZB235） |
|
|
|
|
| Abstract: |
|
| Key words: |
