目的:本研究拟通过大数据采集“益肾清利活血法”治疗CKD4-5期患者的相关诊疗信息,采用机器学习方法构建CKD4-5期患者进入肾脏替代治疗的时间点预测模型,并对肾功能进展情况进行分析,为临床治疗方案的选择提供指导。方法:本研究采用回顾性队列研究,纳入2010年1月至2020年12月期间“中国肾脏病大数据应用创新联盟数据平台”上孙伟教授运用益肾清利活血法治疗的规律随访的CKD4-5期的患者,全面收集研究对象的人口统计学资料、实验室检查结果、中医症状、辨证分型以及中药使用情况等相关变量,以肾脏替代治疗为终点事件,记录患者从CKD4期进展到终点事件的时长。设定4期到终点事件的时长（天）为主要结局指标,以时长为因变量采用线性回归模型联合随机森林模型的机器学习方法对自变量（预测因子）进行三阶段降维,筛选有统计学意义（P<0.05）的变量,建立基于症状、方药、理化检查指标等多维度的多重线性预测模型;通过调整决定系数（Adjusted R-Square,Adjusted R2）和Bland-Altman图对模型进行评价。其次,对最后得出的预测因子进行分层,查看4期患者1年内肾小球滤过率（eGFR）的变化趋势。结果:（1）99例患者被纳入分析,其中男性61例,女性38例;平均年龄为47.40±13.51岁,年龄范围为17～78岁;基线eGFR至终点eGFR的时长lnDay为5.99±0.91;原发病为原发性肾小球肾炎27例,糖尿病肾病16例,高血压肾病31例,其他6例（包括梗阻性肾病1例,多囊肾1例,系统性红斑狼疮2例,过敏性紫癜2例）,原因不明19例;有家族高血压占28.28%,有家族糖尿病者占8.08%;合并高血压者居多,占72.73%,合并贫血者占66.7%,其次合并糖尿病者占33.3%,合并代谢性酸中者18.2%。（2）证型分布中CKD4期患者主要本虚证为脾肾气虚（89.9%）,其次为气阴两虚（6.06%）、肝肾阴虚（6.06%）、脾肾阳虚（3.03%）;标实证依次为血瘀证（63.64%）、湿浊证（58.59%）、水气证（38.38%）、湿热证（20.20%）、风动证（1.01%）;本研究中患者未见阴阳两虚证。（3）四诊信息中CKD4期的患者脉象均以脉弦或小弦为主,频率大于50%;舌象中舌下筋脉瘀紫常见频率均大于65%;舌质以舌淡或淡红为主;舌苔以薄白或白腻为主,主观症状表现上以倦怠乏力、腰膝酸软、视物模糊、尿沫多、夜尿频多为主。（4）单因素回归分析共筛选出21个变量与主要结局指标有关:婚姻状况、糖尿病肾病原发病、血红蛋白、总蛋白、白蛋白、谷丙转氨酶、基线eGFR水平、尿素、血肌酐、钙、头晕、皮肤瘙痒、白痰、心悸、胃脘胀满、舌质红、舌下筋脉瘀紫、脉滑、血瘀证、中药处方配伍穿山龙、积雪草这些变量与时长的关系有统计学意义（P<0.05）。（5）随机森林模型为CKD4期进展时长（天）筛选出白蛋白、肌酐、血红蛋白、原发病、积雪草、尿素、基线eGFR、血清钙、胃脘胀痛等9个重要性变量;考虑到中医四诊信息以及中医辩证分型对进展可能有预测能力,故将随机森林筛选的重要性变量以及单因素分析中具有统计意义的中医症状、舌苔脉象、中医证型变量逐个加入到最后的多重线性模型中。分析结果表明:白蛋白（β=0.031,P=0.024）、血肌酐（β=-0.004,P=0.001）、血红白蛋（β=0.010,P=0.013）、使用积雪草（β=-0.412,P=0.008）、皮肤瘙痒（β=-0.715,P=0.006）与时长有统计学关联;并构建多重线性模型方程为lnDay=5.058+0.031*白蛋白-0.004*肌酐+0.010*血红蛋白-0.412*使用积雪草-0.715*皮肤瘙痒;利用Bland-Altman图对预测值进行了评价,结果示Bland-Altman图中的散点均较好的分布在差值的95%正常值范围内,证明预测值与实际值的一致性较好。结论:通过随机森林联合线性回归的机器学习方法探索临床信息特征与CKD4期进展至肾脏替代治疗的时长的统计学关联,运用有统计学关联的预测因子（白蛋白、血红蛋白、血肌酐、使用积雪草中药治疗以及皮肤瘙痒临床症状）,构建了多重线性模型,Bland-Altman图提示模型的一致性评价良好,可用于辅助临床对于肾功能进展时长的预测,可为进入肾脏替代治疗前的方案选择提供参考。