基于数据挖掘技术建立的BP神经网络模型鉴别儿童川崎病与发热性疾病的研究

目的：以临床表现和实验室指标建立诊断川崎病（KD）的BP神经网络模型并考察其诊断性能。方法：收集重庆医科大学附属儿童医院（我院）2007年1月至2016年1月电子病历系统中出院诊断为KD的连续病例和待鉴别发热疾病病例,使用R 3.2.3软件中的随机抽样函数分为训练集和测试集。截取病历中一般情况、临床表现和实验室指标的共51项信息,单因素分析后提取有统计学意义的变量,以此分别构建Logistic回归和BP神经网络模型,比较两种模型的诊断性能。结果905例KD患儿和438例待鉴别发热疾病患儿进入数据模型分析,训练集1 042例,其中KD 700例,待鉴别发热类疾病342例;测试集301例,其中KD 205例,待鉴别发热类疾病96例。单因素分析结果显示差异有统计学意义37项信息。Logistic回归分类模型有16个变量纳入最佳回归方程。BP神经网络输入层、隐含层和输出层分别有37、24和1个节点。Logistic回归分类模型对训练集和测试集的分类正确率为84.1%和82.1%,ROC曲线下面积为0.91和0.89;BP神经网络模型对训练集和测试集的分类正确率为96.4%和86.0%,ROC曲线下面积为0.94和0.92;2个模型的敏感度均很好, BP神经网络模型的特异度优于Logistic回归分类模型。结论：本文建立的BP神经网络诊断模型对KD有较好的诊断辅助功能,有待进一步通过临床检验。     

老年急性冠状动脉综合征患者贫血对预后影响的系统评价

目的探讨老年急性冠状动脉(冠脉)综合征患者贫血对预后的影响。方法检索PubMed、Scopus、OVID、Cochrane library、Web of Science、Embase、中国知网、中国生物医学、万方、维普数据库中关于贫血与老年急性冠脉综合征预后影响的相关研究。检索时限为建库至2022年12月10日, 由两名评审员按文献的纳入和排除标准独立完成文献筛选及数据提取, 采用Stata 16.0软件进行统计分析。结果在最初检索的1 399篇文献中, 13篇9 540例患者符合纳入标准, 平均年龄70.3岁, 合并贫血2 872例(30.1%), 非贫血患者6 668例。老年急性冠脉综合征贫血与非贫血患者比较, 贫血增加患者的死亡风险(RR=2.28, 95%CI:1.74～3.00), 同时亦增加缺血(RR=1.36, 95%CI:1.13～1.64)和出血事件(RR=2.18, 95%CI:1.59～3.01)的发生风险(均P<0.05)。结论贫血增加老年急性冠脉综合征患者死亡风险, 与不良预后相关。     

基于神经网络的川崎病并发冠状动脉病变预测模型

建立川崎病并发冠状动脉病变预测模型。从电子病历数据库中收集1 000例(343例患冠状动脉病变)川崎病患儿的人口学资料、实验室检验数据、超声心动图数据,对数据进行预处理后用关联规则筛选川崎病并发冠状动脉病变的危险指标,划分训练集和测试集分别为总样本集的70%和30%,分别建立神经网络模型和Logistic回归模型,并用灵敏度及特异性等指标对模型的预测效果予以评估。结果显示,神经网络模型的灵敏度=0.718,特异性=0.746,准确率=0.737及AUC(ROC曲线下面积)=0.796,优于Logistic回归模型[灵敏度=0.175,特异性=0.893,准确率为0.647及AUC=0.624]。研究结果表明,神经网络模型对川崎病并发冠状动脉病变的预测效果优于Logistic回归模型。