基于麻雀搜索算法优化的BP神经网络模型对2型糖尿病肾病的预测研究

背景 糖尿病肾病（DN）是糖尿病常见的微血管并发症之一，发病率高，危害性大。早期发现DN对预防相关疾病非常重要。目前大多研究基于传统的统计预测方法，数据需满足其所要求的前提假设条件。近年来已无法很好满足其在DN预测领域的需求，有必要尝试开展机器学习等新方法在DN预测领域的应用。目的 利用LASSO回归和麻雀搜索算法（SSA）优化的BP神经网络（SSA-BP神经网络）构建DN预测模型。方法 本研究时间为2023年4—8月，数据来源于公开的伊朗133例糖尿病患者的并发症数据。采用SPSS 26.0软件进行单因素分析，采用LASSO回归筛选变量。以是否患DN为因变量，分别用8∶2和7∶3的比例划分训练集和测试集，使用SSA-BP神经网络进行建模与分析，并与经典的机器学习模型对比预测性能以分析较优的DN模型。基于准确率、精确率、灵敏度、特异度、F1-score和受试者工作特征曲线下面积（AUC）指标进行模型评价。结果 剔除9例1型糖尿病患者，本研究纳入的有效样本量为124例2型糖尿病（T2DM）患者，其中73例（58.9%）被诊断为DN患者。单因素分析显示年龄、BMI、糖尿病持续时间、空腹血糖...