| 摘要: |
| 目的 构建基于机器学习的非酒精性脂肪性肝病（NAFLD）合并高脂血症性急性胰腺炎（HLAP）严重程度的预测模型，
并验证和评价该模型的预测性能。 方法 回顾性选取2018年1月至2025年3月郑州大学附属郑州中心医院收治的396例NAFLD
合并HLAP患者的临床资料，按7∶3随机分为训练集和测试集。在训练集中采用最小绝对收缩和选择算子回归和多因素logistic回
归筛选特征预测因子，通过多模型比较选取最优算法重建预测模型。使用ROC曲线的AUC评价模型的预测效能、使用校准曲线和决
策曲线分析评估模型有效性并对特征预测因子进行重要性排序及可视化解释。 结果 共筛选出5个特征预测因子，按重要性从高到
低依次为腹腔积液、血清钙离子、乳酸脱氢酶、丙氨酸氨基转移酶、血红蛋白。基于上述因子构建的高斯朴素贝叶斯（GNB）预测模型
具有更好的效能，训练集和验证集的AUC分别为0.909和0.901，并在测试集中表现良好（AUC为0.883）。 结论 基于机器学习构建
的GNB预测模型能早期识别NAFLD合并HLAP患者的病情严重程度，具有良好的预测效能与临床适用性。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目:河南省医学教育研究项目（Wjlx2021417） |
|
|
|
|
| Abstract: |
|
| Key words: |
