目的·建立并评价肝硬化患者并发轻微型肝性脑病的筛查模型。方法·以2017年6月—2019年11月住院的404例肝硬化患者为研究对象,采集其临床资料。基于Logistic回归分析和人工神经网络分别建立轻微型肝性脑病筛查模型,对2种模型...目的·建立并评价肝硬化患者并发轻微型肝性脑病的筛查模型。方法·以2017年6月—2019年11月住院的404例肝硬化患者为研究对象,采集其临床资料。基于Logistic回归分析和人工神经网络分别建立轻微型肝性脑病筛查模型,对2种模型的判别能力进行评价和比较。结果·Logistic回归分析提示,肝硬化并发轻微型肝性脑病的独立危险因素为年龄、糖尿病史、感染、肾功能不全、营养风险、总胆红素>24μmol/L、血氨>47μmol/L、国际标准比值≥1.5(均P<0.05)。人工神经网络模型与Logistic回归模型的受试者操作特征曲线(receiver operator characteristic curve,ROC curve)的曲线下面积(area under the curve,AUC)分别为0.814和0.737(Z=4.208,P=0.000),灵敏度分别为72.4%、69.9%,特异度分别为76.7%、67.8%。结论·人工神经网络模型对轻微型肝性脑病的筛查效能优于Logistic回归模型。展开更多
文摘目的·建立并评价肝硬化患者并发轻微型肝性脑病的筛查模型。方法·以2017年6月—2019年11月住院的404例肝硬化患者为研究对象,采集其临床资料。基于Logistic回归分析和人工神经网络分别建立轻微型肝性脑病筛查模型,对2种模型的判别能力进行评价和比较。结果·Logistic回归分析提示,肝硬化并发轻微型肝性脑病的独立危险因素为年龄、糖尿病史、感染、肾功能不全、营养风险、总胆红素>24μmol/L、血氨>47μmol/L、国际标准比值≥1.5(均P<0.05)。人工神经网络模型与Logistic回归模型的受试者操作特征曲线(receiver operator characteristic curve,ROC curve)的曲线下面积(area under the curve,AUC)分别为0.814和0.737(Z=4.208,P=0.000),灵敏度分别为72.4%、69.9%,特异度分别为76.7%、67.8%。结论·人工神经网络模型对轻微型肝性脑病的筛查效能优于Logistic回归模型。
