典型文献
慢性阻塞性肺疾病患者6个月内急性加重风险预测模型的构建与验证
文献摘要：
目的:基于深度学习和反向传播算法神经网络（BP神经网络），构建慢性阻塞性肺疾病急性加重（AECOPD）风险预测模型，并验证其效能。方法:基于团队前期临床研究的1 326例慢性阻塞性肺疾病（COPD）患者的相关数据，记录并分析在稳定期、随访6个月时的急性加重情况及其风险因素。结合前期临床研究数据和专家问卷调查结果，将多因素Logistic回归筛选优化后的AECOPD独立风险因素〔性别、体质量指数（BMI）分级、急性加重次数、急性加重持续时间和第1秒用力呼气容积（FEV1）〕，使用Python 3.6编程语言和Tensorflow 1.12深度学习框架搭建BP神经网络。采用随机抽样法，将患者按照4∶1的比例随机抽取生成训练组和测试组，其中训练组1 061条样本数据，测试组265条样本数据；训练组用于建立神经网络预测模型，测试组用于回代检验。在使用训练组数据构建神经网络模型时，将训练组按照4∶1的比例随机分为训练集和验证集，训练集849条训练样本，验证集212条验证样本。通过调整神经网络参数及模型结构，同时结合受试者工作特征曲线下面积（AUC），筛选出最优神经网络模型，并将测试组样本数据代入模型加以验证。结果:收集团队前期临床研究中优化筛选出的5个AECOPD独立风险因素（性别、BMI分级、急性加重次数、急性加重持续时间和FEV1），基于深度学习和BP神经网络构建AECOPD风险预测模型。经过10 000次训练，AECOPD风险预测模型在训练组验证集的准确率为83.09%，且在训练次数达到8 000次时准确率基本趋于稳定，预测能力达到上限。将训练10 000次的AECOPD风险预测模型对验证集数据进行风险预测，受试者工作特征曲线（ROC曲线）分析显示AUC为0.803；使用该模型对测试组的数据进行风险预测时准确率为81.69%。结论:基于深度学习和BP神经网络建立的AECOPD风险预测模型对于COPD患者6个月内急性加重具有中等水平的预测效能，能够对AECOPD的发生风险进行评估，辅助临床制定精准治疗方案。
文献关键词：
慢性阻塞性肺疾病;急性加重;神经网络;风险预测模型
中图分类号：
作者姓名：
王明航;蔡坤坤;施丁莉;毕丽婵;李建生
作者机构：
河南中医药大学第一附属医院呼吸科，郑州 450000;河南中医药大学呼吸疾病诊疗与新药研发省部共建协同创新中心，河南省中医药防治呼吸病重点实验室，郑州 450046
文献出处：
引用格式：
[1]王明航;蔡坤坤;施丁莉;毕丽婵;李建生-.慢性阻塞性肺疾病患者6个月内急性加重风险预测模型的构建与验证)[J].中华危重病急救医学,2022(04):373-377
A类：
B类：
内急,急性加重风险,风险预测模型,构建与验证,反向传播算法,法神,慢性阻塞性肺疾病急性加重,AECOPD,稳定期,重情,研究数据,专家问卷调查,问卷调查结果,筛选优化,独立风险因素,体质量指数,急性加重次数,用力呼气容积,FEV1,Python,编程语言,Tensorflow,深度学习框架,框架搭建,随机抽样,抽样法,随机抽取,训练组,神经网络预测模型,训练集,验证集,训练样本,网络参数,模型结构,受试者工作特征曲线,特征曲线下面积,代入,优化筛选,网络构建,预测能力,力达,中等水平,预测效能,发生风险,精准治疗
AB值：
0.230846
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
