糖尿病足截肢及生存预后危险因素分析及预测模型研究

发布时间：2021-01-14 03:41

　　目的:探讨糖尿病足患者的截肢率、生存率,寻找影响糖尿病足患者截肢、死亡的危险因素。利用BP神经网络模型、遗传算法优化的BP神经网络模型、COX比例风险模型预测糖尿病足患者截肢及生存预后的情况,并比较三种模型在糖尿病足截肢及生存预后的预测效果,选择最优预测模型。方法:收集某市某三甲医院2014年1月-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。应用聚类分析筛选变量,Kaplane-Meier法计算生存率、截肢率,COX比例风险模型分析截肢、死亡的影响因素。通过比较糖尿病足患者实际的生存状况和预测生存状况、实际的截肢状况和预测的截肢状况,判断三种模型预测生存、截肢状况的准确性;根据ROC曲线下面积（Area Under The Curve,AUC）大小,灵敏度、特异度等值判断BP神经网络模型、遗传算法优化的BP神经网络模型和COX比例风险模型在糖尿病足患者截肢及生存预后中的预测效果。结果:糖尿病足患者一年生存率88.3%,一年截肢率13.4%;三年生存率79.2%,三年截肢率13.9%。多因素cox逐步回归分析显示溃疡严重情况（HR=4... 

【文章来源】：重庆医科大学重庆市

【文章页数】：53 页

【学位级别】：硕士

【部分图文】：

BP神经网络模型拓扑结构图

图 2 遗传算法流程Figuer 2 Flow chart of genetic algorithm由上图可知，BP 神经网络模型结构的确定，遗传算法的优化过程，BP 神经网模型进行预测这三个部分即构成了遗传优化算法。模型结构确定时，依照拟合数的输入以及输出参数个数进行确定，并确定遗传算法的个体长度。算法优化程中，根据模型的权值以及阈值（不同个体皆有其各自的权值和阈值），以及据其函数进行调整的适应度值，并通过选择、交叉、变异操作等寻找个体最优。最后，根据之前的优化算法找到的最优个体模型对模型的权值和阈值赋值，过训练后的模型输出结果即为预测部分。2 遗传算法的实现2.1 种群初始化个体的编码方法采用的是实数编码，其可以用一个实数串来表示，由四部分组：隐含层的阈值、输出层的阈值、输入层与隐含层之间的连接权值以及隐含层

图 3 结局为截肢的 BP 神经网络模型结构Figuer 3 BPneural network model structure with amputation6.1.2 结局为死亡模型的建立过程同截肢结局，这里不再赘述。构建的模型结构如图：

【参考文献】：
期刊论文
[1]糖尿病足特点及治疗进展[J]. 李智,林萱,李炳辉,邹新华.  华南国防医学杂志. 2017(12)
[2]预后指数累计分布曲线拐点分析在卵巢癌患者预后分类中的运用[J]. 彭湘旎,钟洋,王一任.  中国现代医学杂志. 2016(05)
[3]生物膜致慢性创面难以愈合的病理机制及其治疗[J]. 牟天易,简华刚.  重庆医学. 2016(07)
[4]糖尿病足溃疡难愈的分子生物学机制研究现状[J]. 杨婷,柳国斌.  云南中医学院学报. 2015(04)
[5]BP神经网络和Cox比例风险模型在生存分析应用中的比较[J]. 李文琦,黄水平,李海朋.  郑州大学学报(医学版). 2014(06)
[6]糖尿病慢性并发症凝血功能变化的临床意义[J]. 邵晶莹,黄立娟,杜桂芹,冯丹,申东晋,王金辉.  中国实验诊断学. 2014(06)
[7]基于Cox生存模型的上市公司财务困境预测研究[J]. 朱永明,邵庚云.  商业研究. 2013(11)
[8]糖尿病足合并感染患者血清高敏C反应蛋白和纤维蛋白原浓度变化及其相关性研究[J]. 左红,王述进,杨华,冯佳,马磊,牛玉,刘旭峰.  陕西医学杂志. 2012(02)
[9]糖尿病足溃疡住院期间死亡患者病情特点与相关因素分析[J]. 顾俊义,钱泓洁,张杉杉,许蕾,顾雪明,施建元,方萍,汤正义,宁光.  内科理论与实践. 2011(04)
[10]女性原发浸润性乳腺癌预后指数的研究[J]. 曹旭晨,高宇.  天津医科大学学报. 2005(04)

博士论文
[1]队列人群冠心病、脑卒中死亡的统计分析方法探讨[D]. 潘晓平.四川大学 2004

硕士论文
[1]BP神经网络在大肠癌预后分析中的应用[D]. 温变珍.山西医科大学 2010



本文编号：2976139