用人工神經網絡建立缺血性腦卒中患者復發(fā)的預測模型.pdf

1、目的：通過調查缺血性腦卒中患者的復發(fā)情況，得出本地區(qū)缺血性腦卒中患者的流行病學資料，為其他學者的研究提供科學依據，也為今后進行腦卒中患者的大型流行病學調查奠定基礎。并通過探討缺血性腦卒中患者復發(fā)的影響因素，可為缺血性腦卒中患者二級預防策略的制定提供理論參考。同時利用BP人工神經網絡建立缺血性腦卒中患者復發(fā)的預測模型，為臨床醫(yī)生提供一種簡單、高效、準確地評估缺血性腦卒中患者是否復發(fā)的方法。
　　方法：采用前瞻性和回顧性相結合的調查方

2、法，收集徐州醫(yī)學院附屬醫(yī)院的缺血性腦卒中患者的相關資料，將回顧性調查資料作為訓練集，前瞻性調查資料作為測試集。應用Logistic回歸模型對資料進行單因素篩選，將篩選出有統(tǒng)計學意義的指標進行BP神經網絡和多因素Logistic回歸分析，建立缺血性腦卒中患者復發(fā)的預測模型，并對兩個模型進行比較。
　　結果：本次調查589例患者，復發(fā)184人，總復發(fā)率為31.2％，男性復發(fā)124例，復發(fā)率為33.2％；女性復發(fā)60例，復發(fā)率為27.8

3、％。對調查數據進行缺血性腦卒中復發(fā)的單因素分析，篩選出P<0.05的因素作為預測模型的輸入變量，年齡、舒張壓、語言障礙、飲酒等16個因素與缺血性腦卒中的復發(fā)有關。應用BP神經網絡和Logistic回歸模型建模，對測試集樣本預測中，BP神經網絡和Logistic回歸模型預測正確率分別為84.6％和81.7％，BP神經網絡模型的靈敏度和特異度為81.0％和79.3％，Logistic回歸模型的靈敏度和特異度為61.9％和72.3％，BP神經

4、網絡和Logistic回歸模型的ROC曲線下面積分別為0.787和0.729，說明BP神經網絡模型預測性能優(yōu)于Logistic回歸模型。
　　結論：1.年齡、舒張壓、ADL分型、語言障礙、飲灑、阿司匹林、甘油三酯、睡眠等指標是缺血性腦卒中患者復發(fā)的影響因素。2.人工神經網絡模型預測效果優(yōu)于Logistic回歸模型。3.建立好的人工神經網絡預測模型，可以用于篩查缺血性腦卒中患者復發(fā)的高危人群，為更快更好地診斷和確定治療方案提供理論依