基于粒子群优化算法BP神经网络的2型糖尿病危险因素分析及筛查模型构建

作     者：王仕鸿 陈永泽 麦振华 谭茜蔚 杨子华 王爽 赵乐 马勇 黄翠怡 孔丹莉 丁元林 于海兵 WANG Shihong;CHEN Yongze;MAI Zhenhua;TAN Xiwei;YANG Zihua;WANG Shuang;ZHAO Le;MA Yong;HUANG Cuiyi;KONG Danli;DING Yuanlin;YU Haibing

作者机构：广东医科大学公共卫生学院广东东莞523808 

出 版 物：《华西医学》 (West China Medical Journal)

年 卷 期：2024年第39卷第2期

页      面：251-258页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：广东省医学科研基金项目(A2021395) 广东省基础与应用基础研究基金自然科学基金项目(2022A1515012407) 广东省基础与应用基础研究基金区域联合基金项目(2020B1515120021) 2022年东莞市社会发展科技项目(20221800905642) 湛江市科技发展专项资金竞争性分配项目(2020A01031) 广东医科大学学科建设项目(4SG21276P) 广东医科大学校级大学生创新创业训练计划项目(GDMU2021138,GDMU2021112) 大学生创新创业训练计划项目(S202210571088) 

主　　题：2型糖尿病 粒子群优化算法 BP神经网络 平均影响值算法 危险因素 

摘      要：目的 基于粒子群优化算法(particle swarm optimization, PSO)BP神经网络,分析2型糖尿病的危险因素,并构建2型糖尿病筛查模型。方法 选择2021年7月-2022年8月广东医科大学附属医院和广东医科大学附属第二医院内分泌科2型糖尿病住院患者为病例组,以同期广东医科大学附属医院健康管理中心的健康体检人群为对照组。收集研究对象的基本信息、体检资料和实验室检查指标等进行比较分析。运用MATLAB R2021b软件分别构建PSO-BP神经网络模型、BP神经网络模型和logistic回归模型,并选出最优的2型糖尿病筛查模型。在此基础上,采用平均影响值算法筛选2型糖尿病发病的危险因素。结果 病例组共纳入患者1 053例,对照组共纳入健康体检人群914例。除食盐类型、共病家族史、体质量指数、总胆固醇、低密度脂蛋白胆固醇、主食摄入外(P0.05),其余指标两组比较,差异均有统计学意义(P0.05)。PSO-BP神经网络模型的整体筛查性能优于BP神经网络模型和logistic回归模型。基于PSO-BP神经网络模型,平均影响值算法因素筛选结果显示2型糖尿病发病的危险因素为空腹血糖、心率、年龄、腰臂比和婚姻状况,保护因素为高密度脂蛋白胆固醇、蔬菜摄入、居住地、文化程度、水果摄入和肉类摄入。结论 2型糖尿病的影响因素较多,应重点关注高危人群并定期开展疾病筛查,减少2型糖尿病的发病风险。PSO-BP神经网络筛查模型的性能最佳,未来可推广至其他疾病的早期筛查及诊断。