血管性认知障碍发病危险因素预测模型研究

• 作者: 季晓云 张敏 王志宏 王晓林 王潇 郭宗君
• 来源期刊: 青岛大学医学院学报
• 学科: 医学
• 关键词: 贝叶斯网络 认知障碍 危险因素 预测
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 论著
• 页码范围: 253-256
• 页数: 4页
• 分类号: R741
• 语种: 中文
• DOI: 10.13361/j.qdyxy.201703001

摘要

目的 应用贝叶斯网络分析方法,建立并分析导致血管性认知障碍(VCI)发病的危险因素预测模型.方法 选取脑血管病病人465例,进行人口学、生活模式和临床疾病因素问卷调查和数据采集,将病人按照10∶1比例随机分为训练集(421例)和测试集(44例),其中训练集病人分为非VCI病人组(225例)和VCI病人组(196例).训练集数据采用禁忌搜索算法建立贝叶斯网络模型并分析脑血管病病人发生VCI的影响因素,利用测试集数据检验模型预测准确度,同时与传统的Logistic回归模型结果进行比较.结果 构建的VCI危险因素贝叶斯网络模型预测准确度为67.70％,测试集预测准确度为75.00％.受教育程度、业余爱好、糖尿病与VCI的发生有直接相关关系;饮食、饮茶、饮酒和吸烟等生活行为方式通过影响糖尿病的发生间接影响VCI的发生;体育锻炼等业余爱好不仅直接影响VCI发生,还间接通过影响糖尿病的发生间接影响VCI发生.条件概率表显示,低受教育程度、无业余爱好和糖尿病是脑血管病病人发生VCI的危险因素.Logistic回归分析结果显示,模型预测准确度为66.98％,受教育程度(P=0.005)、饮酒(P=0.001)、体育锻炼(P =0.027)、糖尿病(P =0.012)为发生VCI的独立危险因素.受试者工作特征曲线(ROC曲线)显示,贝叶斯网络模型ROC曲线下面积(AUC)为0.718(95％CI=0.669～0.768);Logistic回归模型的AUC为0.664(95％CI=0.612～0.717).结论 应用贝叶斯网络分析方法可以建立VCI危险因素预测模型,其对脑血管病病人VCI发生预测准确度优于Logistic回归模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭宗君	青岛大学附属医院	83	356	11.0	17.0
2	张敏	青岛大学附属医院	90	346	10.0	16.0
3	王潇	青岛大学附属医院	13	23	2.0	4.0
4	王晓林	青岛大学附属医院	22	68	5.0	7.0
5	王志宏	青岛大学附属医院	28	113	5.0	10.0
6	季晓云	青岛大学附属医院	19	18	2.0	4.0