慢性肾病（CKD）是一种不断增长的全球健康问题，与高医疗成本和高死亡率有关。早期的诊断非常重要，因为CKD本质上是不可逆转的，但其症状难以检测到后期阶段。数据挖掘技术可以帮助医生在CKD及时诊断中，改变疾病进展的轨迹。在研究的第一阶段，五种机器学习模型 - 决策树，随机林，支持向量机，人工神经网络和堆叠的混合模型 - 用于建立CKD诊断模型。在该研究的第二阶段，进行聚类分析以确定正诊断的样品中的趋势，并观察样品簇是否符合CKD的六个临床阶段。