首页 > 文献资料
-
多层感知器模型在中医人格、体质预测糖尿病性冠心病患病风险中的应用研究
目的 探讨多层感知器(MLP)模型在中医人格、体质预测糖尿病性冠心病患病风险中的预测效能,为该病客观化预测提供新方法.方法 采用单因素Logistic回归进行变量筛选,筛选有统计学意义的中医人格、体质类型指标,作为MLP及多因素Logistic回归的分析变量,以构建中医人格、体质对糖尿病性冠心病患病风险的预测模型.采用受试者工作特征曲线(ROC曲线)比较2种模型的预测效能.结果 MLP预测模型的灵敏度OR95%CI=0.915(0.862,0.968)、特异度OR95%CI=0.846(0.793,0.912)、AUC OR95%CI=0.913(0.806,0.987),均优于Logistic回归预测模型[灵敏度OR95%CI=0.834(0.695,0.953)、特异度OR95%CI=0.762(0.623,0.901)、AUC OR95%CI=0.869(0.730,0.941)].结论 在中医人格、体质对糖尿病性冠心病患病风险的客观化预测中,MLP模型较Logistic回归模型具有更好的预测效能.
-
三种预测模型在出生缺陷发生趋势预测中的可行性研究
目的 探讨ARIMA乘积季节模型、Holt-Winters季节模型、多层感知器模型在出生缺陷发生趋势预测中的可行性.方法 本文采用2009年10月至2016年9月西安市妇幼保健院出生缺陷监测及围产儿数据进行研究.选择2009年10月至2015年8月出生缺陷月发生率时间序列进行模型拟合,应用2015年9月至2016年9月出生缺陷月发生率对模型进行评价.结果 三种模型均通过了检验.ARIMA(0,0,1)(0,1,1)12模型预测平均绝对误差和相对误差分别为11.64和0.11.Holt-Winters加法模型预测平均绝对误差和相对误差分别为14.21和0.14.Holt-Winters乘法模型预测平均绝对误差和相对误差分别为16.64和0.16.多层感知器模型预测平均绝对误差和相对误差分别为20.58和0.20,通过比较模型预测能力,优模型为ARIMA(0,0,1)(0,1,1)12.结论 ARIMA乘积季节模型更加灵活,结果可能较优.同时,随着预测时间的延长,模型预测的准确性降低.