通过机器学习方法预测糖尿病肾病（DN）的患病率，使用LASSO回归模型和10-fold交叉验证选择了最佳特征，发现XGBoost模型在筛选DN方面表现最佳。血清代谢物与糖尿病持续时间之间存在显著的相互作用。通过XGBoost算法开发了用于筛选DN的预测模型，C2、C5DC、Tyr、Ser、Met、C24、C4DC和Cys可能成为DN的生物标志物。