| 摘要: |
| 目的 构建维持性血液透析（MHD）患者贫血治疗中次月血红蛋白（Hb）水平的预测模型。 方法 回顾性收集2019年
至2025年温州市人民医院收治的322例MHD合并贫血患者共7 139个贫血治疗周期数据。采集患者人口学特征、基础疾病史、体格
检查结果、实验室检测指标及用药方案。采用Boruta算法联合递归特征消除法进行特征筛选，比较非时序性模型、时序性模型及深度
学习模型等3类共22种模型对次月Hb水平的预测效能；通过参数优化、特征交互分析及滑窗设计，最大化提升候选模型的预测效能
与泛化能力；采用5折交叉验证模型稳定性。 结果 22种模型效能比较显示，梯度提升机、优化的分布式梯度提升库（XGBoost）、轻
量级梯度提升机（LightGBM）、随机森林表现较优；经优化后，LightGBM 模型对测试集次月 Hb 的预测效能最优，其均方根误差
（RMSE）、平均绝对误差（MAE）、决定系数（R2
）分别为9.550 g/L、5.610 g/L、0.658，优于XGBoost（10.600 g/L、6.870 g/L、0.448）、梯
度提升机（11.719 g/L、8.954 g/L、0.431）及随机森林（11.786 g/L、9.102 g/L、0.427）。优化后的LightGBM模型纳入既往Hb、血清铁
蛋白、C反应蛋白等18个指标，经5折交叉验证，RMSE、MAE、R2
分别为（9.03±0.54）g/L、（5.90±0.23）g/L、0.62±0.02。 结论 经
滑窗设计与特征交互优化的LightGBM模型可为临床实践中基于常规监测指标的Hb水平预测提供参考。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目:温州市基础性科研项目（Y2023650） |
|
|
|
|
| Abstract: |
|
| Key words: |
