基于Logistic回归的IgA肾病无创预测模型的构建及验证

IgA肾病(IgAN)为目前世界范围内最常见的原发性肾小球疾病,我国 IgAN 占原发性肾小球疾病的40％以上[1-2].IgAN临床病理表现多种多样,在 10-20 年内病情可进展至终末期肾脏病[3].IgAN的早期诊断对延缓疾病的进展具有重要临床意义.病理检查是诊断 IgAN 的金标准,但该技术是有创操作,易带来出血、感染等并发症,且难以在条件有限的基层医院开展.因此,亟需寻找一种方便、快速的无创诊断IgAN的预测方法.目前,国内外对IgAN疾病进展及预后的风险预测进行了广泛的研究[4-5],但有关IgAN早期诊断和危险因素识别的研究报道较少.通过特定的数学模型进行 IgAN风险预测,将有助于降低IgAN的高发病率,改善患者预后.本研究旨在回顾性分析与 IgAN诊断密切相关的临床信息和实验室指标,筛选出优化指标,并用多因素回归算法构建无创预测模型,并验证其诊断效能,为 IgAN的早期诊断提供科学的参考依据.