BP神经网络模型与Logistic回归模型在精神分裂症患者复发影响因素分析中的比较

Journal of Nursing(2022)

引用 0|浏览12
暂无评分
摘要
目的 通过与Logistic回归分析模型对比,探讨BP神经网络模型在分析精神分裂症患者复发影响因素中的可行性.方法 采用服药依从性量表、自知力与治疗态度问卷、社会支持评定量表、社会再适应评定量表、匹兹堡睡眠指数量表、简明精神病评定量表对385例门诊精神分裂症患者进行问卷调查.结果(1)与精神分裂症复发有关的影响因素按重要性排序依次为:自知力和治疗态度(0.300)、服药依从性(0.176)、社会支持(0.166)、睡眠质量(0.156)、应激生活事件(0.135)、精神病家族史(0.067).(2)在训练集中,BP神经网络模型预测准确性(85.5%)和灵敏度(81.9%)均低于Logistic回归模型的预测准确性(85.9%)和灵敏度(85.9%),而BP神经网络模型的特异度(90.0%)和约登指数(0.719)均高于Logistic回归模型的特异度(85.8%)和约登指数(0.717).(3)在测试集中,BP神经网络模型的预测准确性(87.1%)、特异度(89.4%)和约登指数(0.734)均高于Logistic回归模型的预测准确性(84.5%)、特异度(81.8%)和约登指数(0.698),而Logistic回归模型灵敏度(88.0%)高于BP神经网络模型灵敏度(84.0%).Logistic回归模型AUC为0.934高于BP神经网络模型的AUC0.921.结论 精神分裂症复发的主要因素有自知力和治疗态度、服药依从性、社会支持、睡眠质量、应激性生活事件和精神疾病家族史;运用Logistic回归分析和BP神经网络构建精神分裂症患者复发的影响因素模型可行,模型拟合性能良好.
更多
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要