应用人工神经网络预测个体患血脂异常危险度
目的：建立个体患血脂异常的预测模型，探讨并评价预测个体患血脂异常的新方法。 方法：选择8914例社区居民流行病学调查资料，按3：1分为训练集(6 686例)与检验集(2 228例)，分别用于筛选变量、建立预测模型及对模型的检测和评价。应用人工神经网络(ANN)和10gistic回归分别建立血脂异常预测模型，受试者工作曲线(ROC)评价预测模型的优劣。 结果：ANN预测模型的特异度((64.79％)较低，但灵敏度(94.86％)、约登指数(59.65％)、一致率(81.23％)均优于logistic回归预测模型(特异度=77.49％、灵敏度=53.51％、约登指数=31.00％、一致率=81.23％);ANN预测模型ROC曲线下面积(Az=0.824i±0.009)明显大于logistic回归预测模型(Az=0.655±0.012)(P<0.05)。 结论：在预测个体患血脂异常方面，ANN模型较logistjc回归模型具有更好的预测判别效能。
血脂异常 人工神经网络 logistic回归
王重建 李玉倩 胡东生 张卫东 杨少伟 郗园林 李文杰
郑州大学公共卫生学院流行病与卫生统计学系
国内会议
杭州
中文
46-52
2010-11-12（万方平台首次上网日期，不代表论文的发表时间）