应用XGBoost模型预测血透通路成功率

本研究基于2011年至2024年的大型临床登记数据库，开发并验证了XGBoost机器学习模型，该模型仅使用术前数据就能以极高的准确性（AUROC ≥ 0.90）预测血透通路在术后一年内的成功临床使用率。研究纳入59,674名接受AVF或AVG手术的患者，其中28,304名患者实现了术后一年内通路的成功使用。模型比较显示XGBoost性能最佳，显著优于逻辑回归。关键预测因素包括流入动脉和流出静脉直径、选择AVF而非AVG、年龄、心律失常等。亚组分析表明，模型在不同人群中的表现稳健。研究成果为开发实用的临床决策支持工具奠定了基础，有助于实现血液透析通路的精准化和个性化管理。