川崎病早期冠狀動脈損傷的認知圖構建.pdf

1、目的：
　　構建川崎病（Kawasaki Disease，KD）急性期并發(fā)冠狀動脈損傷（Coronary Artery Lesion，CAL）的預測模型和認知圖（Cognitive Map，CM），對臨床上該領域研究方法進行探討。
　　方法：
　　通過查閱PubMed、Web of Science、EBSCCO、中國知網(wǎng)、萬方、維普等數(shù)據(jù)庫，提取既往研究中KD并發(fā)CAL危險因素的生物學指標，同時在數(shù)據(jù)庫中提取KD患兒入

2、院后第一次生化檢查指標，刪除缺失率超過5%的指標后對數(shù)據(jù)進行處理，采用B-P神經(jīng)網(wǎng)絡（Back Propagation Artificial Neural Network，BPANK）建立的預測模型來確定各指標廣義權重（Generalize Weight，GW），利用貝葉斯網(wǎng)絡（Bayesian Network，BN）挖掘各生物學指標與CAL的關系，結合GW確定在BPANN預測模型中與KD并發(fā)CAL有關的主要危險因素和各個因素間的關聯(lián)強

3、度，最后構建KD并發(fā)CAL的CM。
　　結果：
　　BPANN預測模型結果顯示訓練集的分類一致率為94.64%，靈敏度為63.76%,特異度為99.85%；測試集分類一致率為94.63%，靈敏度為53.45%，特異度為99.59%。GW散點圖中紅細胞、白細胞在整個模型中的權重接近于0；BN模型結果顯示紅細胞、白細胞計數(shù)與CAL獨立，其余各個節(jié)點間存在7條關系，分別為年齡與紅細胞壓積，年齡與中性粒細胞百分比，血紅蛋白與CAL，

4、紅細胞壓積與血紅蛋白，CAL與中性粒細胞百分比，血小板計數(shù)與中性粒細胞百分比，中性粒細胞百分比與C-反應蛋白。
　　結論：
　　根據(jù)患兒入院后第一次生化檢查數(shù)據(jù)，采用BPANN方法建立KD患兒并發(fā)CAL的預測模型，提高了預測精度，對臨床早期識別并發(fā)CAL的高危患兒具有參考意義。結合BN結果，構建年齡、血小板計數(shù)、紅細胞壓積、血紅蛋白、C-反應蛋白、中性粒細胞百分比與CAL之間的CM，直觀的顯示了各指標間的關聯(lián)關系及關聯(lián)強度，