论文部分内容阅读
目的 基于BP人工神经网络的基本原理和方法,构建早产预测模型.方法 采用前瞻性队列研究方法,通过整群抽样,2010-2012年在湖南省浏阳市随机抽取怀孕妇女作为研究对象.按2∶1∶1将调查样本随机分为训练样本、检验样本和测试样本,分别用于建立预测模型、选择最优神经网络和模型预测评价.采用BP人工神经网络和logistic回归分析建立模型,用ROC方法评价所建立的早产预测模型的优劣.结果 整理6 270例分娩孕妇的数据,结果显示,早产265例,早产发生率为4.22％.将子宫异常及畸形、产次、妊娠胎数、妊娠期高血压、前置胎盘、胎膜早破和定期产检7个多因素分析有统计学意义的变量选入预测模型.BP人工神经网络模型预测早产的灵敏度、特异度和一致率分别为67.65％、84.87％和84.12％,ROC曲线下面积为0.795;logistic回归模型预测早产的灵敏度、特异度和一致率分别为64.71％、85.60％和84.69％,ROC曲线下面积为0.783.结论 新建立的BP人工神经网络模型实用可靠,其对早产的预测效能略优于logistic回归模型。