///标签1

研究文章

Logistic回归模型在机器学习中用于预测肾移植术后肾功能恶化的老年肾移植受者:老年KTbot

表1

年轻和老年患者的移植前共病史。


Pre-KT covariables	< 60年(n= 100)	≥60年(n= 18)	RR	95%可信区间
Pre-KT covariables	n（％）	n（％）	RR	95%可信区间

RRT的时间是几个月	50.5±46.1 (0-258)	49.6±33 (8-108)	- - - - - -	- - - - - -	0.675
肥胖pre-KT			1.046	0.316 - -8.722
没有	93例(93%)	16 (88.9%)			0.625
是的	07 (7%)	02 (11.1%)
kt前期系统性动脉高血压			3.594	0.778 - -16.596
没有	31 (31%)	02 (11.1%)			0.084
是的	69例(69%)	16 (88.9%)
糖尿病pre-KT			8.089	2.549 - -25.667
没有	91例(91%)	10 (55.6%)			0.001
是的	09年(09%)	08年(44.4%)
类型的捐赠			- - - - - -	- - - - - -
扩大了已故捐献者的范围	03 (03%)	03 (16.7%)			0.021
标准已故供体	85例(85%)	15 (83.3%)
活体供	12 (12%)	00 (-)

RR:相对风险;置信区间:置信区间;RRT:肾替代疗法;pre-KT:在肾移植之前。卡方检验;确切概率法;和Mann-WhitneyU测试。

年度文章奖:由主编评选的2020年杰出研究贡献。阅读获奖文章．