三种统计学模型在糖尿病个体患病风险预测中的应用-中国卫生统计.pdf

·３１２· 中国卫生统计２０１７年４月第３４卷第２期 三种统计学模型在糖尿病个体患病风险预测中的应用 △ 蚌埠医学院预防医学系（２３３０３０）　宋　健　吴学森 　张　杰　张玉媛　陈　雪 　　【提　要】　目的　探讨ｌｏｇｉｓｔｉｃ回归、ＢＰ神经网络和决策树分析模型在预测个体２型糖尿病患病风险中的应用。方 法　分别应用ｌｏｇｉｓｔｉｃ回归、ＢＰ神经网络与决策树建立２型糖尿病预测模型，通过受试者工作特征曲线评价模型的预测效 能。结果　共５５０名糖尿病患者和１１００名非糖尿病患者纳入本次研究。ｌｏｇｉｓｔｉｃ回归、ＢＰ神经网络和决策树分析模型的 预测一致率分别为８０８％、８４１％和８１１％。３种模型ＲＯＣ曲线下面积（ＡＵＣ）分别为０７３９、０７７７和０７３７。ＢＰ神经 网络的ＡＵＣ与ｌｏｇｉｓｔｉｃ模型和决策树分析模型的均有统计学差异（Ｐ＜００５）。结论　ＢＰ神经网络在预测个体患２型糖 尿病方面具有更好的预测效能。 【关键词】　２型糖尿病　ｌｏｇｉｓｔｉｃ回归　ＢＰ神经网络　决策树分析 　　２型糖尿病是严重危害人类健康的重大公共卫生 ２相关变量及定义 ［１］ 问题，全世界约有超过３５亿人患有２型糖尿病 。 （１）体质指数（ｂｏｄｙｍａｓｓｉｎｄｅｘ，ＢＭＩ）＝体重 中国是世界上糖尿病患病人数最多的国家，患病率高 ２ （ｋｇ）／身高（ｍ），正常值：１８５ ＢＭＩ＜２４，＜１８５或 ≤ ［２］ 达１１６％ 。有效地对个体进行糖尿病风险评估，可 者＞２４均视为不正常；（２）高血压：收缩压／舒张压≥ 以筛选出高危人群，并通过一系列的行为和生活方式 １４０／９０ｍｍＨｇ和／或已确诊为高血压者；（３）甘油三 干预，减少糖尿病及相关并发症的发生。数据挖掘技 酯：正常值０４０～１８１ｍｍｏｌ／Ｌ，超过此范围均视为不 术是近些年来广泛应用于医学领域的一种新的分析方 正常；（４）糖化血红蛋白：正常值小于等于６５％，大于 法，在疾病诊断、预后、风险评估等方面具有良好的应 ６５％视为不正常；（５）腰臀比：正常值男性小于０９， 用价值［３－５］。数据挖掘技术可以充分利用已有数据的 女性小于０８；（６）吸烟：包括既往吸烟和正在吸烟的 信息，从具有重复性、多样性及不规范性等特点的复杂 被调查者；（７）糖尿病：自报患者和新诊断患者，即无 的医学数据中提取出有价值的信息，并为临床决策提 自报糖尿病史，但本次测定空腹血糖 ７０ｍｍｏｌ／Ｌ ≥ 供帮助［６－７］。其中，应用最广泛的有采用误差反向传 者。 递（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ，ＢＰ）学习方法的ＢＰ神经网络和 ３统计学分析 决策树分析模型。本文采用慢性病社区调查数据，探 使用ＳＰＳＳ随机数功能将数据集按３：１分为训练 讨ＢＰ神经网络与决策树分析模型在糖尿病个体风险 数据和预测数据。训练数据用于计算参数和建立模 预测中的应用价值，并与传统的ｌｏｇｉｓｔｉｃｓ回归进行比 型，预测数据用于评估预测效果。 较，以求寻找到２型糖尿病风险预测的最佳数学模型。 （１）ｌｏｇｉｓｔｉｃ回归：模型采用最大似然估计前进法， 资料与方法