【摘要】：目的使用2型糖尿病(Type 2 diabetes mellitus,T2DM)患者的臨床資料和生化檢查建立基于機器學習理論的2型糖尿病并發(fā)癥的預測模型,其次以二元Logistic回歸作為補充,初步篩查2型糖尿病患者并發(fā)癥的關聯(lián)因素及影響順位,用建立好的模型預測不同發(fā)病階段的2型糖尿病患者是否患有并發(fā)癥,初步分析關聯(lián)因素與2型糖尿病及并發(fā)癥之間的聯(lián)系。方法調取2017年7月-2018年7月西北地區(qū)某省人民醫(yī)院共420名2型糖尿病住院患者的電子病歷信息,收集糖尿病診斷數據及生化檢查資料,進行數據預處理之后篩選得到了其中可能對2型糖尿病及并發(fā)癥具有研究意義的77個變量,將所有數據進行歸一化處理后建立數據庫,使用MATLAB軟件,采用機器學習中的人工神經網絡(Artificial neural networks,ANN)算法,用誤差反向傳播(Back propagation,BP)神經網絡作為擬合模型,將樣本分為訓練組和驗證組,其中訓練組包含樣本358例(占樣本總量的85%),建立BP神經網絡模型,結構為77-50-1、學習率為0.1、訓練誤差為0.2、最大訓練步數設為1000步(epoeh)、傳遞函數為對數Sigmiod函數、采用Levenberg-Marquardt優(yōu)化方法對網絡進行訓練。驗證組樣本有62例(占樣本總量的15%),驗證BP神經網絡模型的預測性能并預測其是否患有并發(fā)癥。其次,應用基于流行病學研究設計的二元logistic回歸,分別用卡方檢驗和t檢驗篩選有統(tǒng)計學意義的變量,再將篩選出的變量納入行二元logistic回歸分析,應用SPSS18.0軟件對所有的數據進行處理,篩選2型糖尿病并發(fā)癥的關聯(lián)因素。結合BP神經網絡模型和二元logistic回歸得出的影響因素,從實際臨床學習和文獻中分析關聯(lián)因素,初步探討其與2型糖尿病及并發(fā)癥的關系。結果BP神經網絡模型用驗證組進行預測的正確率約為93.55%,靈敏度和特異度分別為95.6%、88.2%,在77個變量影響值排序中,嗜堿性粒細胞比率、平均紅細胞體積、紅細胞、紅細胞體積分布寬度、腰圍、舒張壓、收縮壓、總膽汁酸、年齡、糖尿病家族史等因子順位排序靠前;二元logistic回歸中年齡和平均紅細胞體積是2型糖尿病發(fā)展至并發(fā)癥的兩個關聯(lián)因素。結論應用BP神經網絡模型進行預測的正確率約為93.55%,靈敏度和特異度分別為95.6%、88.2%,可見BP神經網絡模型具有較高的預測性能,其中嗜堿性粒細胞比率、平均紅細胞體積、紅細胞、紅細胞體積分布寬度、腰圍、舒張壓、收縮壓、總膽汁酸、年齡、糖尿病家族史等因子順位排序靠前;二元logistic回歸中年齡和平均紅細胞體積是2型糖尿病發(fā)展至并發(fā)癥的兩個關聯(lián)因素,BP神經網絡預測結果中得到的變量也包含了logistic回歸中得到的變量。本次研究初步嘗試應用BP人工神經網絡算法建立2型糖尿病并發(fā)癥的預測模型,用于預測2型糖尿病不同發(fā)病階段的患者是否處于并發(fā)癥這一階段,期望篩選更復雜更多樣的指標并且獲得影響度排序,為2型糖尿病發(fā)展至并發(fā)癥階段的早期診斷提供一定的科學依據。
【學位授予單位】：西安醫(yī)學院
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP181;R587.1

【相似文獻】

相關期刊論文 前10條

1 熱孜萬古力·阿帕爾;吳紅;;2型糖尿病腎病患者檢測血清基質金屬蛋白酶-10的意義[J];現代檢驗醫(yī)學雜志;2016年03期

2 殷圓;黃菲;朱鈺林;;老年糖尿病腎病的預防與治療研究[J];糖尿病新世界;2019年14期

3 朱秀;;健康教育用于糖尿病腎病的護理體會[J];糖尿病新世界;2019年14期

4 孫亞乒;;糖尿病腎病臨床診斷指標的探索性分析[J];繼續(xù)醫(yī)學教育;2019年08期

5 胡曉蓉;;糖尿病病人常見的飲食、運動誤區(qū)[J];中國水電醫(yī)學;2006年06期

6 趙玉馨;;糖尿病腎病61例臨床分析[J];水電醫(yī)學雜志;1995年01期

7 鄭潔;;糖尿病腎病易患因素分析[J];中國水電醫(yī)學;2003年02期

8 高軍;;糖尿病腎病怎么吃[J];保健文匯;2019年06期

9 戴寧;張煜;馬捷;吳鳳芝;李傅堯;張睿;于姣姣;張煒悅;林炳岐;孫天石;張蔚;劉夢;李峰;;糖尿病腎病的中醫(yī)治療近況[J];吉林中醫(yī)藥;2018年12期

10 姜雪剛;韓春芳;;糖尿病腎病患者的預防與保健[J];中外女性健康研究;2019年01期

相關會議論文 前10條

1 姜Z腪，

本文編號：2696180