1型糖尿病患儿酮症酸中毒风险预测模型的构建及验证

　　

摘要：

目的 分析1型糖尿病（type 1 diabetes mellitus，T1DM）患儿发生酮症酸中毒的危险因素，通过决策树算法建立T1DM患儿酮症酸中毒的风险预测模型。方法 回顾性分析2021年2月—2024年9月收治的218例T1DM患儿的临床资料，根据患儿是否发生酮症酸中毒将其分为酮症酸中毒组和非酮症酸中毒组，采用Logistic回归分析筛选T1DM患儿发生酮症酸中毒的危险因素，通过R语言构建预测T1DM患儿发生酮症酸中毒的随机森林模型，采用5折交叉验证法对模型进行内部验证，并对比模型的预测效能。结果 该研究218例T1DM患儿中，有66例患儿发生了酮症酸中毒，酮症酸中毒发生率为30.28%；单因素分析结果显示，年龄、入院随机血糖、糖化血红蛋白、前驱感染、甲状腺功能等差异有统计学意义（P<0.05）；Logistic回归结果表明，年龄增加是T1DM患儿发生酮症酸中毒的保护因素，而入院随机血糖升高、糖化血红蛋白升高、有前驱感染、甲状腺功能异常是T1DM患儿发生酮症酸中毒的危险因素（P<0.05）；模型预测总体正确性为84.2%；内部验证显示，模型预测正确率为77.6%；随机森林模型预测T1DM患儿酮症酸中毒发生的AUC值与Logistic回归模型相近，两种模型均具有较好的预测效能。结论 该研究构建的随机森林模型可预测T1DM患儿发生酮症酸中毒风险，有助于护理人员根据不同因素的重要性排序制订相应的护理干预策略。