目的:比较BP神经网络模型(back propagation,BP)、遗传算法优化的BP神经网络模型(BP neural network model trained with genetic algorithm,GA-BP)、COX比例风险模型在糖尿病足患者截肢及生存预后的预测效果,选择最优预测模型。方法:...目的:比较BP神经网络模型(back propagation,BP)、遗传算法优化的BP神经网络模型(BP neural network model trained with genetic algorithm,GA-BP)、COX比例风险模型在糖尿病足患者截肢及生存预后的预测效果,选择最优预测模型。方法:收集重庆医科大学附属第一医院2014年1月至2016年1月收治的273例糖尿病足患者住院资料,采用电话随访的形式对患者随访至2016年12月。建立BP神经网络模型、遗传算法优化的BP神经网络模型、COX比例风险模型,以ROC曲线下面积大小,灵敏度、特异度等值判断3种模型在糖尿病足患者截肢及生存预后中的预测效果。结果:结局分别为截肢及死亡时,BP神经网络模型(截肢:χ^2=7.692,P=0.005;死亡:χ^2=12.071,P=0.000)和遗传算法优化的BP神经网络模型(截肢:χ^2=10.083,P=0.001;死亡:χ^2=12.071,P=0.000)的预测性能均优于COX比例风险模型,而BP神经网络模型和遗传算法优化的BP神经网络模型的预测结果间差异均无统计学意义(截肢:χ^2=0.200,P=1.000;死亡:χ^2=0.000,P=1.000)。结论:BP神经网络模型及遗传算法优化的BP神经网络模型均可应用于糖尿病足等慢性疾病的生存预后分析。展开更多
文摘目的:比较BP神经网络模型(back propagation,BP)、遗传算法优化的BP神经网络模型(BP neural network model trained with genetic algorithm,GA-BP)、COX比例风险模型在糖尿病足患者截肢及生存预后的预测效果,选择最优预测模型。方法:收集重庆医科大学附属第一医院2014年1月至2016年1月收治的273例糖尿病足患者住院资料,采用电话随访的形式对患者随访至2016年12月。建立BP神经网络模型、遗传算法优化的BP神经网络模型、COX比例风险模型,以ROC曲线下面积大小,灵敏度、特异度等值判断3种模型在糖尿病足患者截肢及生存预后中的预测效果。结果:结局分别为截肢及死亡时,BP神经网络模型(截肢:χ^2=7.692,P=0.005;死亡:χ^2=12.071,P=0.000)和遗传算法优化的BP神经网络模型(截肢:χ^2=10.083,P=0.001;死亡:χ^2=12.071,P=0.000)的预测性能均优于COX比例风险模型,而BP神经网络模型和遗传算法优化的BP神经网络模型的预测结果间差异均无统计学意义(截肢:χ^2=0.200,P=1.000;死亡:χ^2=0.000,P=1.000)。结论:BP神经网络模型及遗传算法优化的BP神经网络模型均可应用于糖尿病足等慢性疾病的生存预后分析。
