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:...
详细信息
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。
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...
详细信息
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～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、特异度等值判断三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=7.692,P=0.005;死亡χ=12.071,P=0.000）和遗传算法优化的BP神经网络模型（截肢χ=10.083,P=0.001;死亡χ=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=0.200,P=1.000;死亡χ=0.000,P=1.000）。结论:BP神经网络模型以及遗传算法优化的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。
暂无评论