EV71型手足口病重症早期预警模型的建立

Establishment of early prediction model of severe EV71 hand-foot-mouth disease

二维码有效期 120s

摘要目的探讨基于遗传算法优化的误差反向传播(GABP)神经网络构建的预警模型在手足口病重症早期预测中的作用,为重症患儿早期识别提供参考.方法以2014年1月—2016年12月杭州市儿童医院收治的EV71型重症和普通型手足口病患者为对象建立预测模型并进行模型验证.采用MATLAB R2016b构建误差反向传播(BP)模型,计算危险因素的平均影响值(MIV),选取MIV排名前20位的因素优化BP神经网络结构.计算均方根误差,以最小值作为遗传算法最优解,优化BP神经网络的权值和阈值,构建GABP模型.采用五折交叉验证法对模型的性能进行验证,以AUC、特异度和敏感度为指标,比较GABP模型与BP模型的预测性能.结果影响手足口病重症化的前20位危险因素依次为惊跳天数、通用型病毒载量、最高体温、EV71病毒载量、IgM、精神差、肌酸激酶同工酶、FPG水平、易惊、咳嗽、发热(≥37.4℃)天数、颈强直、散居/托幼、IgA、性别、呼吸节律不齐、高热(≥39.0℃)天数、发病至入院时间、手足抖动、体质量.BP模型最终的网络结构为20→40→1,网络性能评价显示GABP模型达到预设均方根误差的步数为100步,所需时间24 s,五折交叉验证中GABP每组模型的AUC均显著高于BP模型,灵敏度和特异度也均优于BP模型.结论 GABP神经网络能提高模型训练效率和预测精准度,可作为EV71型手足口病重症早期预警的参考工具.