摘要
慢性肾病的早期检测在医疗相关计算机科学中引起了显著关注。尽管该领域迅速发展，但许多研究结果仍然不一致且可能具有误导性，主要原因在于缺乏对方法论问题的系统性评估。关键问题包括数据泄漏、有限的时间患者记录访问以及报告临床指标的一致性不足。
本研究提供了针对现有CKD预测研究的系统文献回顾，选择了十九个相关研究，通过对主要学术数据库的系统搜索进行筛选。为了评估方法论的可靠性，本研究引入了信息泄漏的结构化分类法和定量泄漏评分框架，以系统地评估CKD预测研究的可靠性。
分析结果显示，泄漏与性能膨胀之间存在强相关性。高泄漏研究的平均准确率为95.48%，而无泄漏研究为80.2%，两者相差约15.28%。此外，跨研究特征稳定性分析表明，只有一小部分预测变量能够一致重现，超过80%的变量缺乏可靠性。总体而言，研究结果表明，许多报告的性能提升源于方法论的局限性，而非真实的预测能力。
博主点评： 本文揭示了机器学习在慢性肾病预测中的潜在隐患，强调了数据泄漏对研究结果的影响，突显了在医疗领域进行可靠性评估的重要性。未来研究需更加关注数据的完整性和方法论的严谨性。