糖尿病足患者预后预测相关模型研究

Astudyofprognosticpredictionmodelfordiabeticfootpatients

摘要:

目的：比较BP神经网络模型（backpropagation，BP）、遗传算法优化的BP神经网络模型（BPneuralnetworkmodeltrainedwithgeneticalgorithm，GA-BP）、COX比例风险模型在糖尿病足患者截肢及生存预后的预测效果，选择最优预测模型。方法：收集重庆医科大学附属第一医院2014年1月至2016年1月收治的273例糖尿病足患者住院资料，采用电话随访的形式对患者随访至2016年12月。建立BP神经网络模型、遗传算法优化的BP神经网络模型、COX比例风险模型，以ROC曲线下面积大小，灵敏度、特异度等值判断3种模型在糖尿病足患者截肢及生存预后中的预测效果。结果：结局分别为截肢及死亡时，BP神经网络模型（截肢：χ2=7.692，P=0.005；死亡：χ2=12.071，P=0.000）和遗传算法优化的BP神经网络模型（截肢：χ2=10.083，P=0.001；死亡：χ2=12.071，P=0.000）的预测性能均优于COX比例风险模型，而BP神经网络模型和遗传算法优化的BP神经网络模型的预测结果间差异均无统计学意义（截肢：χ2=0.200，P=1.000；死亡：χ2=0.000，P=1.000）。结论：BP神经网络模型及遗传算法优化的BP神经网络模型均可应用于糖尿病足等慢性疾病的生存预后分析。

Abstract:

Objective：Tocomparetheresultsofthebackpropagation（BP）neuralnetworkmodel，BPneuralnetworkmodeltrainedwithgeneticalgorithm（GA-BP），andCoxproportionalhazardsmodelinthepredictionofamputationandsurvivalprognosisofdiabeticfoot（DF）patients，andtochoosetheoptimalpredictionmodel.Methods：Hospitalizationdataof273patientswithDFwerecollectedwhowereadmittedtoTheFirstAffiliatedHospitalofChongqingMedicalUniversityfromJanuary2014toJanuary2016.ThesepatientswerealsofollowedupbytelephoneuntilDecember2016.Thenthreemodelswereestablished，namelytheBPneuralnetworkmodel，BPneuralnetworkmodeltrainedwithgeneticalgorithm，andCoxproportionalhazardsmodel.Theareaunderthereceiveroperatingcharacteristiccurve，sensitivity，andspecificitywereusedtojudgetheperformanceofthethreemodelsinthepredictionofamputationandsurvivalprognosisofDFpatients.Results：Whentheoutcomeswereamputationanddeath，theBPneuralnetworkmodel（amputa－tion：χ2=7.692，P=0.005；death：χ2=12.071，P=0.000）andBPneuralnetworkmodeltrainedwithgeneticalgorithm（amputation：χ2=10.083，P=0.001；death：χ2=12.071，P=0.000）werebetterthantheCoxproportionalhazardsmodel.However，therewasnosignificantdifferencebetweentheBPneuralnetworkmodelandtheBPneuralnetworkmodeltrainedwithgeneticalgorithm（amputation：χ2=0.200，P=1.000；death：χ2=0.000，P=1.000）.Conclusion：BoththeBPneuralnetworkmodelandtheBPneuralnetworkmodeltrainedwithgeneticalgorithmcanbeappliedtotheanalysisofsurvivalandprognosisofchronicdiseasessuchasDF.