摘要
目的:探讨糖尿病病人周围神经病变的风险因素,采用Logistic回归及反向传播(BP)神经网络分别构建风险预测模型并比较预测性能。方法:回顾性选取2023年6月—2024年6月医院收治的220例糖尿病病人为研究对象,分为发生周围神经病变组及未发生周围神经病变组,分析发生周围神经病变的风险因素,并构建Logistic回归及BP神经网络模型,采用受试者工作特征(ROC)曲线比较预测性能。结果:220例糖尿病病人中周围神经病变组病人94例(42.73%),未发生周围神经病变组病人126例(57.27%)。多因素分析结果显示,年龄、糖尿病病程、合并糖尿病肾病、合并高血压、糖化血红蛋白(HbA1c)、血尿酸(SUA)及高密度脂蛋白胆固醇(HDL-C)均为发生周围神经病变的独立影响因素(均P<0.05)。BP神经网络模型结果显示,将影响因素按重要性排序依次为SUA(0.223)、HDL-C(0.200)、HbA1c(0.170)、合并糖尿病肾病(0.115)、合并高血压(0.115)、年龄(0.092)、糖尿病病程(0.085)。ROC曲线分析结果显示,Logistic回归模型的曲线下面积(AUC)为0.912[95%CI(0.875,0.948)],敏感度为0.851,特异度为0.849,准确率为0.845;BP神经网络模型的AUC为0.945[95%CI(0.918,0.971)],敏感度为0.936,特异度为0.833,准确率为0.855,除特异度外均优于Logistic回归模型。结论:BP神经网络模型的预测效能优于Logistic回归模型,临床或可根据此模型识别高风险周围神经病变病人,并给予针对措施以降低发生率。
出处
《全科护理》
2025年第14期2742-2746,共5页
Chinese General Practice Nursing
基金
景德镇市科技计划项目,编号:20232SFZC075。
