应用人工神经网络预测个体血脂异常患病危险度
目的 建立个体血脂异常患病危险度的预测模型,探讨并评价预测个体血脂异常的新方法 .方法 选择8914例社区居民流行病学调查资料,按3:1分为训练集(6686例)与检验集(2228例),分别用于筛选变量、建立预测模型及对模型的检测和评价.应用人工神经网络(ANN)和logistic回归分别建立血脂异常预测模型,受试者工作曲线(ROC)评价预测模型的优劣.结果 ANN预测模型的特异度(64.79%)较低,但灵敏度(94.86%)、约登指数(59.65%)、一致率(81.23%)均优于logistic回归预测模型(特异度=77.49%、灵敏度=53.51%、约登指数=31.00%、一致率=81.23%);ANN预测模型ROC曲线下面积(Az=0.824±0.009)明显大于logistic回归预测模型(Az=0.655±0.012)(P<0.05).结论 在预测个体血脂异常方面,ANN模型较logistic回归模型具有更好的预测判别效能.
血脂异常、人工神经网络、logistic回归、预测模型
40
R181.37;R54(流行病学与防疫)
国家"十一五"科技支撑计划项目2006BAI01A01;中国博士后科学基金20100471003
2011-04-13(万方平台首次上网日期,不代表论文的发表时间)
43-45