摘要： 目的 采用机器学习中的Bagging算法分析HBV-ACLF短期死亡影响因素,建立HBV-ACLF短期预后模型,比较其与MELD评分对患者短期预后评估的效能。方法 收集2010年1月至2017年4月随访期满3个月的新疆医科大学第一附属医院131例HBV-ACLF患者的临床资料,依据患者3个月内的短期生存状况, 将其分为生存组及死亡组。采用Bagging算法分析HBV-ACLF短期死亡影响因素,建立患者生存状况的分类模型,采用ROC曲线下面积比较Bagging模型与MELD评分的效能。结果 131例HBV-ACLF患者3个月内死亡61例,存活70例,死亡率46.6%。Bagging算法得出HBV-ACLF短期死亡影响因素顺序依次为:年龄、PTA、PT、白蛋白、血尿素,与MELD评分所采用指标(胆红素、国际标准化比值、肌酐、病因)有差异。ROC曲线下,Bagging算法AUC=0.9743、MELD评分AUC=0.6985。结论 Bagging模型对HBV-ACLF短期预后的评估效果较好,年龄、PTA、PT、白蛋白、血尿素是影响HBV-ACLF患者短期预后的主要危险因素。

关键词: 乙型肝炎,肝衰竭,影响因素,预后模型