人工神经网络模型在2型糖尿病患病风险预测中的应用

目的：探讨人工神经网络（ ANN）模型在个体2型糖尿病患病风险预测中的应用。方法：通过横断面调查对河南某农村社区8640名居民进行流行病学调查，按3砄1的比例随机分为训练集（6480人）与检验集（2160人），分别用于筛选变量、建立预测模型及对模型的检测和评价。分别应用ANN和logistic回归建立2型糖尿病预测模型，应用受试者工作特征曲线（ ROC）评价预测模型的检验效能。结果：ANN预测模型的灵敏度（95％CI）＝86．93（81．41～91．29）％、特异度（95％CI ）＝79．14（77．18～81．02）％、阳性预测值（95％CI ）＝31．86（28．60～35．03）％、阴性预测值（95％CI）＝98．18（97．37～98．81）％优于logistic回归预测模型[灵敏度（95％CI）＝62．81（55．73～69．47）％、特异度（95％CI）＝71．70（69．52～73．79）％、阳性预测值（95％CI）＝19．94（17．00～22．99）％、阴性预测值（95％CI）＝94．50（93．32～95．57）％]；ANN预测模型AUC（95％CI）＝0．891（0．877～0．905）明显大于logistic回归预测模型[AUC（95％CI）＝0．742（0．722～0．763）]。结论：在预测个体患2型糖尿病方面，ANN模型较logistic回归模型具有更好的预测效能。