首页 > 文献资料
-
基于贝叶斯公式的川崎病患儿并发冠状动脉损伤的认知模型研究
目的：根据川崎病临床生物指标，结合贝叶斯方法，建立川崎病并发冠状动脉损伤（CAL）的贝叶斯模型，对川崎病并发 CAL 的认知模型进行初步探讨。方法回顾性分析2014年9月—2015年9月重庆医科大学附属儿童医院784例住院川崎病患儿的临床资料，对影响川崎病患儿并发 CAL 的因素进行单因素分析，将有统计学意义的指标纳入贝叶斯模型。结果784例患儿中356例（45.4%）并发 CAL，单因素分析显示，性别、发病年龄、热程、血小板计数（PLT）、血红蛋白（ Hb）、C 反应蛋白（ CRP）、清蛋白（ Alb）是川崎病患儿并发 CAL 的影响因素（P <0.05）。贝叶斯模型的灵敏度为58.1%，特异度为74.4%，符合率为71.6%。结论川崎病并发 CAL 的主要危险因素有性别、发病年龄、热程、PLT、Hb、CRP、Alb，利用贝叶斯模型提高了预测川崎病患儿并发 CAL 的灵敏度。
-
基于BP神经网络模型鉴别2型糖尿病肾病的认知图研究
目的 以实验室指标建立诊断2型糖尿病肾病的BP神经网络模型并评价其诊断性能.方法 收集重庆、贵州、四川五所三级医院2016年1月至2016年12月确诊为2型糖尿病肾病的患者,使用SPSS 19.0和MATLAB 2014a对患者89项信息进行单因素分析,提取有统计学意义的变量,以此分别构建logistic回归模型和BP神经网络模型,对比两种模型的诊断性能.结果477例2型糖尿病性肾病患者和449例对照组纳入模型分析,单因素分析结果显示差异有统计学意义42项信息.Logistic回归分类模型有12个变量纳入佳回归方程.BP神经网络输入层、隐含层和输出层分别有42、15和1个节点.Logistic回归分类模型和BP神经网络模型(训练集,测试集)各自约登指数为0.76,0.89和0.83,对数据集的分类准确率分别为88.12%,94.24%和91.34%,ROC曲线下面积分别为0.95,0.98和0.96.结论 本文建立的BP神经网络模型对2型糖尿病性肾病有很好的诊断辅助功能,但仍需进一步通过临床检验.
