以機器學習分析慢性腎病再入院因子的預測

研究目的：本研究旨在利用機器學習技術，分析慢性腎病患者出院後30天內再次住院的危險因子，以期能幫助臨床醫生及早偵測具有高風險再住院的患者。
研究方法：本研究為回溯性世代研究，蒐集來自臺北醫學大學三院臨床研究資料庫中，共計9,747位慢性腎病患者的數據，研究資料區間為2012年01月01日至2021年12月31日。使用變項包括人口學特徵、疾病因子及出入院狀況。並使用六種機器學習演算法包括羅吉斯回歸、支持向量機、決策樹、隨機森林、梯度提升機及人工神經網路。算法的性能透過比較六種模型的操作者曲線下面積(AUROC)來衡量。最終選擇擁有最佳表現的模型，進行再住院危險因子的排序與分析。
研究結果：結果顯示，在比較六種機器學習模組在測試組的表現後，羅吉斯回歸模型擁有最佳分類能力，其AUROC為0.5810，準確性為0.6283、敏感度為0.4693、特異度為0.6620、精確率為0.2275、F1-score為0.3064。透過最佳模型進行變數重要性分析，結果指出高血脂、自體免疫疾病、痛風和糖尿病為慢性腎病再住院中最重要的危險因子。這也提醒了醫療單位在預防慢性腎病再住院時，應特別關注這些因素，以期減少再住院的機率，改善病患及家屬的生活品質，降低健保醫療的負擔。