BP神经网络与Logistic回归分度诊断模型效能的比较研究
目的 以子痫前期分度为例,比较反向传播(BP)神经网络模型与传统Logistic回归模型在复杂性疾病中的拟合效果及诊断效能.方法 2008年1月至2013年12月中山大学附属第一医院孕妇区收治的145例符合子痫前期诊断标准及实验入选标准的患者,其中轻度87例、重度58例;随机分组后,分成127例训练集和18例测试集以建立妊娠晚期子痫前期分度诊断的Logistic回归模型及BP神经网络诊断模型,并对模型的诊断效能进行比较,探讨子痫前期孕前和孕期高危因素.结果 入选模型的变量有妊娠早期纤维蛋白原(Fbg)、血小板计数(PLT)、平均血小板体积(MPV)以及妊娠晚期尿蛋白;训练集中BP神经网络模型的一致率为80.30％,灵敏度为74.50％,特异度为84.21％,均高于Logistic回归模型的74.80％、58.82％、82.89％,且差异均有统计学意义(P＜0.05).BP神经网络模型的ROC曲线下面积为(0.887±0.029),大于Logistic回归模型的(0.823±0.036);在最佳诊断值界值的BP神经网络Youden index为67.0％,仍高于Logistic回归模型的54.1％,差异均有统计学意义(P＜0.05).结论 BP神经网络模型在妊娠晚期子痫前期分度中的拟合效果优于Logistic回归,更适合用于复杂性疾病多因素分析的研究;妊娠早期Fbg、PLT、MPV以及妊娠晚期尿蛋白与妊娠晚期子痫前期分度有关.
BP神经网络、Logistic回归、子痫前期
16
R714.425(妇产科学)
2016-08-02（万方平台首次上网日期，不代表论文的发表时间）
316-319,339
