中国循证儿科杂志 ›› 2017, Vol. 12 ›› Issue (1): 22-26.
樊楚1,贺向前1,于跃1,田杰2,张胜1,李哲1
FAN Chu1, HE Xiang-qian1, YU Yue1, TIAN Jie2, ZHANG Sheng1, LI Zhe1
摘要:
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。