2型糖尿病人群篩查模型的構(gòu)建.pdf

1、糖尿病(DiabetesmeUitus，DM)是由多種病因引起的代謝紊亂。近幾十年來，隨著社會經(jīng)濟的發(fā)展、生活模式的現(xiàn)代化以及人口的老齡化，糖尿病患病率呈現(xiàn)世界性的上升趨勢，已成為21世紀全球性的重大公共衛(wèi)生問題。發(fā)現(xiàn)和確定影響糖尿病的危險因素，早期發(fā)現(xiàn)可疑病人和高危個體，在進行群體干預的基礎(chǔ)上有目的、有重點的開展選擇性干預，成為糖尿病防治的關(guān)鍵。研究表明通過建立篩查糖尿病的篩查模型，可以使總的目標人群大大縮小，簡化了篩查的組織工作，節(jié)

2、省了大量的人力、物力和財力，從而使人群中大量未診斷的糖尿病患者能得到早期診斷和早期治療。本研究在流行病學現(xiàn)況研究的基礎(chǔ)上進行一系列2型糖尿病人群篩查模型的應用研究，探索適合上海市社區(qū)居民經(jīng)濟、高效的2型糖尿病人群篩查方法。結(jié)果報告如下： 第一部分2型糖尿病危險因素的流行病學研究 通過對上海市部分地區(qū)2型糖尿病患病情況的橫斷面調(diào)查，了解上海市社區(qū)居民2型糖尿病和糖調(diào)節(jié)異?；疾÷始捌浞植继卣?，探討上海2型糖尿病危險因素與糖尿

3、病發(fā)生的關(guān)系及危險因素在人群中的分布。本研究采用多階段分層整群隨機抽樣方法，選取上海市揚浦、黃浦、普陀、浦東、松江和嘉定6個區(qū)縣，每個區(qū)選取2個辦事處／鄉(xiāng)鎮(zhèn)，每個辦事處／鄉(xiāng)鎮(zhèn)選取1個居委會／行政村，共有14401人應參加本次調(diào)查，其中¨589人(男性4621人，女性6968人)按要求完成本次調(diào)查。 第二部分2型糖尿病人群篩查模型的構(gòu)建 一、危險因素記分法 在流行病學調(diào)查資料的基礎(chǔ)上，利用危險因素記分法建立2型糖尿

4、病人群篩查模型，并評價其應用價值。研究對象采取隨機抽樣方法，隨機分為訓練組和測試組。訓練組人群用于危險因素記分法的建立，采用10gistic回歸分析篩選糖尿病的危險因素，根據(jù)危險因素的回歸系數(shù)確定不同變量的記分值，以累計記分值的大小判斷個體患病的危險性，并以測試組人群的資料驗證該方法進行人群篩檢的真實性和有效性。隨著累計記分值的增加，人群中2型糖尿病的患病風險亦隨之增高，趨勢x2檢驗有非常顯著的統(tǒng)計學意義(P＜0．01)。當判別閾值定為

5、28時，該方法對人群中2型糖尿病篩檢的靈敏度和特異度分別為74．9％和65．3％。本法簡便、易行、經(jīng)濟有效，有利于獲得滿意的受檢率，可用于2型糖尿病個體和群體(社區(qū))的患病危險度測定及健康教育。 二、BP人工神經(jīng)網(wǎng)絡(luò)模型 以流行病學人群調(diào)查資料為基礎(chǔ)，利用BP人工神經(jīng)網(wǎng)絡(luò)建立2型糖尿病人群篩查模型，探討和評價BP人工神經(jīng)網(wǎng)絡(luò)模型的篩查效果和特點。研究對象采用隨機抽樣方法，按研究目的隨機分成訓練組、驗證組和測試組。網(wǎng)絡(luò)輸入

6、為采用多因素Logistic回歸分析篩選出的10個變量，輸出變量為是否糖尿病(是=1，否=0)。輸出層傳遞函數(shù)采用對數(shù)Sigmoid函數(shù)，其他層之間的傳遞函數(shù)采用雙曲正切函數(shù)(SignumFunction)。網(wǎng)絡(luò)的學習規(guī)則為誤差反向傳播(errorback-propagation)，訓練算法為Levenberg—Marquardt，網(wǎng)絡(luò)學習函數(shù)采用動量梯度下降權(quán)值和閾值學習函數(shù)(1earngdm)，網(wǎng)絡(luò)性能函數(shù)采用均方誤差函數(shù)(mse)

7、，網(wǎng)絡(luò)結(jié)構(gòu)為netl：10→11→1；net2：10→3→1；net3：10→4→l：net4：10→14→1。netl訓I練組、驗證組和測試組的ROC曲線面積分別為0．809、0．790和0．785，net2訓練組、驗證組和測試組的ROC曲線面積分別為0．809、0．782和O．784，net3訓練組、驗證組和測試組的ROC曲線面積分別為0．806、0．793和0．787，net4訓練組、驗證組和測試組的ROC曲線面積分別為0．792

8、、0．779和0．770。除net4外，其他三個模型的ROC曲線下面積無太大差異，但是，net3三組中的ROC曲線面積的離散程度最小，因此挑選net3作為本次研究的最終BP神經(jīng)網(wǎng)絡(luò)模型。當以網(wǎng)絡(luò)輸出值為0．12作為判別的閾值時，該方法對人群2型糖尿病篩檢的靈敏度和特異度分別為67．1％和為79．7％。BP人工神經(jīng)網(wǎng)絡(luò)模型對2型糖尿病患者具有較強的識別能力，可作為血糖檢查的“前篩”工具。 三、最優(yōu)模型的確定 比較已建立的兩

9、個2型糖尿病人群篩查模型的篩查效果，確定最佳的2型糖尿病人群篩查模型。綜合考慮兩種方法的靈敏度、特異度、接受操作曲線(receiveroperatingcharacteristic，ROC)及ROC曲線下面積(areaunderthecurve，AUC)，確定最佳模型。危險因素記分法的靈敏度為74．9％，特異度為65．3％；BP人工神經(jīng)網(wǎng)絡(luò)模型的靈敏度為67．1％，特異度為79．7％。危險因素記分法的靈敏度要優(yōu)于即人工神經(jīng)網(wǎng)絡(luò)模型，但是

10、特異度要遠遠低于BP人工神經(jīng)網(wǎng)絡(luò)模型；危險因素記分法的ROC曲線下面積為0．734，即人工神經(jīng)網(wǎng)絡(luò)模型的ROC曲線下面積為0．787，BP人工神經(jīng)網(wǎng)絡(luò)模型ROC曲線下的面積更大。通過綜合考慮兩種方法的靈敏度、特異度和ROC曲線下面積，我們發(fā)現(xiàn)，即人工神經(jīng)網(wǎng)絡(luò)模型的篩查效果要優(yōu)于危險因素記分法。采用BP人工神經(jīng)網(wǎng)絡(luò)模型對人群進行2型糖尿病篩查，只需對24．3％的高危險人群進行血糖檢查，可篩出目標人群中67．1％的2型糖尿病病人。BP人工神