目的:比较BP神经网络模型(back propagation,BP)、遗传算法优化的BP神经网络模型(BP neural network model trained with genetic algorithm,GA-BP)、COX比例风险模型在糖尿病足患者截肢及生存预后的预测效果,选择最优预测模型。方法:收集重庆医科大学附属第一医院2014年1月至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。建立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,以ROC曲线下面积大小,灵敏度、特异度等值判断3种模型在糖尿病足患者截肢及生存预后中的预测效果。结果:结局分别为截肢及死亡时,BP神经网络模型(截肢:χ^2=7.692,P=0.005;死亡:χ^2=12.071,P=0.000)和遗传算法优化的BP神经网络模型(截肢:χ^2=10.083,P=0.001;死亡:χ^2=12.071,P=0.000)的预测性能均优于COX比例风险模型,而BP神经网络模型和遗传算法优化的BP神经网络模型的预测结果间差异均无统计学意义(截肢:χ^2=0.200,P=1.000;死亡:χ^2=0.000,P=1.000)。结论:BP神经网络模型及遗传算法优化的BP神经网络模型均可应用于糖尿病足等慢性疾病的生存预后分析。
目的:探讨原发性肝癌患者预后的危险因素,为该病患者的临床诊疗和预后判断提供科学依据。方法:以2018年监测、流行病学和结果(Surveillance,Epidemiology,and End Results,SEER)数据库原发性肝癌患者作为研究对象,收集人口学资料、临床指标和预后随访信息,运用单因素和多因素logistic回归分析影响患者术后生存的危险因素。采用一致性指数评价模型的预测能力,构建受试者工作特征曲线分析预测模型的效能。采用绘制森林图的方法对不同分期下肝癌患者的治疗方式进行分析。结果:该研究共收集2018年原发性肝癌患者1750例。单因素logistic回归结果表明,肿瘤分期、淋巴结转移、远处转移、婚姻状况、放化疗及手术是影响原发性肝癌患者生存的危险因素(P<0.05);多因素logistic回归分析结果表明,肿瘤分期[T2/T3相对于T1,OR=5.142/3.390,95%CI=(3.654~7.236)(/2.327~4.939),P<0.001]、远处转移(OR=4.810,95%CI=3.384~6.839,P<0.001)、婚姻状况(OR=0.729,95%CI=0.575~0.925,P=0.009)、放疗(OR=0.361,95%CI=0.260~0.503,P<0.001)、化疗(OR=0.512,95%CI=0.381~0.687,P=0.001)以及手术(OR=0.245,95%CI=0.105~0.574,P=0.028)是影响肝癌患者生存的危险因素。将logistic回归中有意义的变量如肿瘤分期、远处转移、婚姻状况、放化疗和手术情况进行预测模型的构建,研究显示该模型一致性指数为0.786(95%CI=0.762~0.810),曲线下面积(area under the curve,AUC)为0.790(95%CI=0.764~0.812)。仅放疗这种干预方式在任何肿瘤分期的患者中都展现出了优势(P=0.003、P=0.013、P=0.003)。在未发生淋巴结转移的患者中无论哪种干预方式都会降低肝癌患者的病死率(P<0.001,P=0.001,P<0.001,P=0.004),但是在发生淋巴结转移的患者中,是否进行干预对肝癌患者的生存没有影响(P>0.05)。在未发生远处转移的患者中,仅进行放疗、化疗或化疗+放疗干预方式的患者与未进行干预的患者相比生存率更高(P<0.0
