基于BP神经网络的急性脑梗死患者自发性出血性转化的风险预测研究

摘要：

目的 将BP神经网络用于急性脑梗死(ACI)患者自发性出血性转化(HT)的风险预测,为自发性HT的预防与治疗提供参考依据.方法 选取2014年1月-2017年1月于华北理工大学附属医院和唐山市工人医院住院但未行溶栓治疗的372例ACI患者,根据影像学检查有无HT将其分为病例组(124例)和对照组(248例),回顾性收集患者一般资料(包括基本资料、既往史、临床资料、实验室检查指标、影像学资料),选取单因素分析有统计学意义的指标,建立Logistic回归模型和BP神经网络模型,并比较受试者工作特征(ROC)曲线评价模型对ACI患者自发性HT的预测性能.结果 病例组心房颤动病史发生率、美国国立卫生研究院卒中量表(NIHSS)评分、抗凝治疗发生率、凝血酶原时间(PT)、白细胞计数(WBC)、纤维蛋白原、大面积脑梗死发生率、早期CT低密度影发生率、脑白质疏松症(LA)发生率均大于对照组,抗凝药物使用史发生率、抗血小板治疗(APT)发生率、高密度脂蛋白胆固醇(HDL-C)、清蛋白(ALB)均小于对照组(P<0.05).Logistic回归模型表达式为Logit(P)=0.109×NIHSS评分+1.380×PT+0.355×WBC+1.320×LA-0.842×APT-1.144×HDL-C-0.087×ALB-17.554;BP神经网络模型的隐含层数为1,隐含层神经元数为5.BP神经网络模型预测ACI患者自发性HT的ROC曲线下面积(0.969)大于Logistic回归模型(0.906)(Z=3.601,P<0.001).BP神经网络模型敏感性分析结果显示,对HT影响显著的因素依次是PT(100.0%)、ALB(75.8%)、WBC(75.8%)、NIHSS评分(52.4%)、早期CT低密度影(36.8%)、HDL-C(35.4%)、APT(33.6%)、大面积脑梗死(31.9%)、纤维蛋白原(23.1%)、心房颤动病史(22.1%)、抗凝药物使用史(20.3%)、抗凝治疗(18.1%)和LA(13.6%).结论 BP神经网络模型预测ACI患者自发性HT的效果较好,可以用于辅助临床决策的制定.

关键词：脑梗死、自发性出血性转化、神经网络(计算机)、预测

所属期刊栏目：21

分类号：R743.33(神经病学与精神病学)

资助基金：河北省高等学校科学技术研究项目QN2017349

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1413-1418