| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 英文缩略词 | 第11-13页 |
| 1 引言 | 第13-15页 |
| 2 对象与方法 | 第15-21页 |
| 2.1 资料来源 | 第15页 |
| 2.2 研究对象 | 第15-16页 |
| 2.3 相关指标定义 | 第16-17页 |
| 2.4 研究方法 | 第17-19页 |
| 2.5 统计分析 | 第19-20页 |
| 2.6 质量控制 | 第20-21页 |
| 3 结果 | 第21-38页 |
| 3.1 研究对象基本情况 | 第21-22页 |
| 3.2 训练集人口学特征 | 第22-24页 |
| 3.3 验证集人口学特征 | 第24-25页 |
| 3.4 构建LOGISTIC回归模型 | 第25-28页 |
| 3.5 构建机器学习算法模型 | 第28-31页 |
| 3.6 不同模型训练集预测效能 | 第31-35页 |
| 3.7 不同模型验证集预测效能 | 第35-38页 |
| 4 讨论 | 第38-46页 |
| 4.1 糖尿病肾病诊断预测的价值 | 第38-39页 |
| 4.2 糖尿病肾病诊断预测因子的筛选 | 第39-42页 |
| 4.3 糖尿病肾病诊断预测模型的构建 | 第42-43页 |
| 4.4 糖尿病肾病诊断预测模型的验证 | 第43-44页 |
| 4.5 所构建模型与当前糖尿病肾病诊断预测模型的其他研究对比 | 第44-45页 |
| 4.6 创新点与局限性 | 第45-46页 |
| 5 结论 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 综述 机器学习在疾病预测中的应用研究进展 | 第51-63页 |
| 参考文献 | 第59-63页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第63-65页 |
| 致谢 | 第65页 |