论文部分内容阅读
糖尿病(DiabetesmeUitus，DM)是由多种病因引起的代谢紊乱。近几十年来，随着社会经济的发展、生活模式的现代化以及人口的老龄化，糖尿病患病率呈现世界性的上升趋势，已成为21世纪全球性的重大公共卫生问题。发现和确定影响糖尿病的危险因素，早期发现可疑病人和高危个体，在进行群体干预的基础上有目的、有重点的开展选择性干预，成为糖尿病防治的关键。研究表明通过建立筛查糖尿病的筛查模型，可以使总的目标人群大大缩小，简化了筛查的组织工作，节省了大量的人力、物力和财力，从而使人群中大量未诊断的糖尿病患者能得到早期诊断和早期治疗。本研究在流行病学现况研究的基础上进行一系列2型糖尿病人群筛查模型的应用研究，探索适合上海市社区居民经济、高效的2型糖尿病人群筛查方法。结果报告如下：
第一部分2型糖尿病危险因素的流行病学研究
通过对上海市部分地区2型糖尿病患病情况的横断面调查，了解上海市社区居民2型糖尿病和糖调节异常患病率及其分布特征，探讨上海2型糖尿病危险因素与糖尿病发生的关系及危险因素在人群中的分布。本研究采用多阶段分层整群随机抽样方法，选取上海市扬浦、黄浦、普陀、浦东、松江和嘉定6个区县，每个区选取2个办事处／乡镇，每个办事处／乡镇选取1个居委会／行政村，共有14401人应参加本次调查，其中¨589人(男性4621人，女性6968人)按要求完成本次调查。
第二部分2型糖尿病人群筛查模型的构建
一、危险因素记分法
在流行病学调查资料的基础上，利用危险因素记分法建立2型糖尿病人群筛查模型，并评价其应用价值。研究对象采取随机抽样方法，随机分为训练组和测试组。训练组人群用于危险因素记分法的建立，采用10gistic回归分析筛选糖尿病的危险因素，根据危险因素的回归系数确定不同变量的记分值，以累计记分值的大小判断个体患病的危险性，并以测试组人群的资料验证该方法进行人群筛检的真实性和有效性。随着累计记分值的增加，人群中2型糖尿病的患病风险亦随之增高，趋势x2检验有非常显著的统计学意义(P＜0．01)。当判别阈值定为28时，该方法对人群中2型糖尿病筛检的灵敏度和特异度分别为74．9％和65．3％。本法简便、易行、经济有效，有利于获得满意的受检率，可用于2型糖尿病个体和群体(社区)的患病危险度测定及健康教育。
二、BP人工神经网络模型
以流行病学人群调查资料为基础，利用BP人工神经网络建立2型糖尿病人群筛查模型，探讨和评价BP人工神经网络模型的筛查效果和特点。研究对象采用随机抽样方法，按研究目的随机分成训练组、验证组和测试组。网络输入为采用多因素Logistic回归分析筛选出的10个变量，输出变量为是否糖尿病(是=1，否=0)。输出层传递函数采用对数Sigmoid函数，其他层之间的传递函数采用双曲正切函数(SignumFunction)。网络的学习规则为误差反向传播(errorback-propagation)，训练算法为Levenberg—Marquardt，网络学习函数采用动量梯度下降权值和阈值学习函数(1earngdm)，网络性能函数采用均方误差函数(mse)，网络结构为netl：10→11→1；net2：10→3→1；net3：10→4→l：net4：10→14→1。netl训I练组、验证组和测试组的ROC曲线面积分别为0．809、0．790和0．785，net2训练组、验证组和测试组的ROC曲线面积分别为0．809、0．782和O．784，net3训练组、验证组和测试组的ROC曲线面积分别为0．806、0．793和0．787，net4训练组、验证组和测试组的ROC曲线面积分别为0．792、0．779和0．770。除net4外，其他三个模型的ROC曲线下面积无太大差异，但是，net3三组中的ROC曲线面积的离散程度最小，因此挑选net3作为本次研究的最终BP神经网络模型。当以网络输出值为0．12作为判别的阈值时，该方法对人群2型糖尿病筛检的灵敏度和特异度分别为67．1％和为79．7％。BP人工神经网络模型对2型糖尿病患者具有较强的识别能力，可作为血糖检查的“前筛”工具。
三、最优模型的确定
比较已建立的两个2型糖尿病人群筛查模型的筛查效果，确定最佳的2型糖尿病人群筛查模型。综合考虑两种方法的灵敏度、特异度、接受操作曲线(receiveroperatingcharacteristic，ROC)及ROC曲线下面积(areaunderthecurve，AUC)，确定最佳模型。危险因素记分法的灵敏度为74．9％，特异度为65．3％；BP人工神经网络模型的灵敏度为67．1％，特异度为79．7％。危险因素记分法的灵敏度要优于即人工神经网络模型，但是特异度要远远低于BP人工神经网络模型；危险因素记分法的ROC曲线下面积为0．734，即人工神经网络模型的ROC曲线下面积为0．787，BP人工神经网络模型ROC曲线下的面积更大。通过综合考虑两种方法的灵敏度、特异度和ROC曲线下面积，我们发现，即人工神经网络模型的筛查效果要优于危险因素记分法。采用BP人工神经网络模型对人群进行2型糖尿病筛查，只需对24．3％的高危险人群进行血糖检查，可筛出目标人群中67．1％的2型糖尿病病人。BP人工神经网络模型不仅能比较准确的识别出异常者，而且利用指标简单、客观、易测量，建立的模型可重复性好，因而具有更大的实用性和推广性，为糖尿病防治提供了一条全新、经济的思路。