论文部分内容阅读
目的：2000年始，中国开始进入老龄化社会，并且较其他国家趋势更加迅猛。血管衰老是生物体发生衰老的始动因素，血管是否出现老化可以直接影响集体老化的进程。神经网络方法以其独特优势和特性被广泛应用于临床诊断、预防医学及药学等领域。本研究拟通过探索神经网络模型构建，并利用神经网络系统方法实现评价和预测血管衰老及预测心肾交互作用的探索，比较其与传统统计学方法优势所在，为血管衰老的早期预防、早期诊断及早期治疗提供重要的临床依据，为探索亚心肾功能早期改变及交互作用提供了科学支持。 方法：⑴回顾性统计了于2007年9月-2008年6月筛选沈阳地区来自15个社区中心的505余名健康研究对象，所有研究受试人员均已经签署知情同意书。研究于2010年10月-2011年6月对上述505名健康人群进行随访，进行体格检查、相关生化指标检验及物理检查，并在既往检验及检查的基础上，增加骨密度及胃功能指标的检测，根据随访结果，除去失访及检查指标不完整的研究对象，余资料完整研究对象343名，其中包括男性150人，女性193人，年龄为34-91岁。记录研究对象的年龄、性别，测量并记录身高、体重、血压指标。血液生化检测指标包括:血肌酐(Scr)、总胆固醇(TC)、尿素氮(BUN)、甘油三酯(TG)、低密度脂蛋白胆固醇(LDL-C)、高密度脂蛋白胆固醇(HDL-C)、血尿酸(UA)、血清总蛋白(TP)、血清白蛋白(ALB)、血清胱抑素C(Cys-C)、胃蛋白酶原Ⅰ(PGⅠ)、胃蛋白酶原Ⅱ(PGⅡ)、PGI/PGⅡ、胃泌素G17(G17)、抗幽门螺杆菌(Anti-HP)等，物理检查指标包括：心脏结构及功能指标:升主动脉内径(AD)，左心房前后径(LAAPD)，左心房上下径(LAULD)，左心房左右径(LARLD)，右室内径(RVID)，室间隔厚度(IVS)，左室舒张末内径(LVIDed)，左室后壁厚度(LVPW)，右室流出道内径(RVOTD)，肺动脉内径(PAD)，左室舒张末容量(LVedV)，左室收缩末容量(LVesV)，每博输出量(SV)，左室射血分数(LVEF)等45项指标；肺功能检测指标:用力呼气肺活量(FVC)、1秒用力呼气容量(FEV1)、FEV1/FVC、呼气峰值流速(PEF)、25％肺活量时最大呼气流速(MEF25)、50％肺活量时最大呼气流速(MEF50)、用力呼气中期流速（MMEF75/25）、75％肺活量时最大呼气流速(MEF75)、最大肺活量(VCmax)、最大通气量(MVV)；血管结构及功能指标:脉搏波速度(PWV)、踝臂速度(ABI)、颈动脉内中膜厚度(CMT)、测量颈动脉内中膜内径(CMD)，计算CMT/CMD，颈动脉收缩期峰值速度(SPV)、舒张末期速度(EDV)、颈动脉阻力指数(RI)、搏动指数(PI)；骨代谢指标:腰椎骨密度(L-BMD)、髋部骨密度(H-BMD)(5)认知功能指标:画钟实验(CDT)、Stroop任务时间(strooptime)、stroop任务数量（stroopnum）、连线实验时间(linetime)、数字顺背(num1)、数字倒背(num2)、认知功能智力状态简易评分量表(MMSE)，并计算研究对象肾小球滤过率(GFR)。⑵采用3层BP神经网络，研究资料样本的分组:采用4∶1随机抽样方式分成两组:273组训练样本及70组测试样本。隐含层采用公式:1=√m+n（其中m为输入层节点数目，n为输出层节点数目）。隐含层的激活函数为tansig，其形式为y=1/(arctan(x)+1)。输出层的激活函数为purelin，其形式为y=a*x+b。设定该BP网络训练次数为3000次，目标误差设定0.01，学习速率设定0.1。网络的训练由于训练组均方误差达到极小值而结束。神经网络模型的构建采用Matlab7.1软件编程包完成。4.统计学分析:应用Kolmogorov—Smimov方法对数据进行正态性检验，应用Pearson相关分析评价研究指标与年龄相关性，应用非条件单因素Logistic回归及多因素Logistic回归构建心脏结构功能指标与肾功能下降情况模型，应用ROC曲线分别评价血管衰老神经网络模型的预测效应及心肾交互作用神经网络模型与Logistic回归模型预测结果的比较，以上统计学分析应用SPSS17.0软件分析包完成。 结果：①85项检验及检查指标与年龄进行相关性分析，共有63项指标与年龄相关(p＜0.05)，包括胃功能指标:PGⅠ(p=0.001)、PGⅡ(p＜0.05)、PGⅠ/PGⅡ(p=0.024)、G17(p=0.006);血管指标:SBP(p=0.001)、PP(p＜0.05)、ABI(p＜0.05)、PWV(p＜0.05)、CIMT(p＜0.05)、SPV(p=0.002)、EDV(p=0.044);骨代谢指标:L-BMD(p＜0.05)、H-BMD(p＜0.05);肾功能功能:GFR(p＜0.05)、BUN(p＜0.05)及C-cys(p＜0.05);营养指标: ALB(p＜0.05);认知功能:CDT(p＜0.05)、Strooptime(p＜0.05)、Stroopnum(p＜0.05)、linetime(p＜0.05)、num1(p＜0.05)、num2(p＜0.05)、MMSE(p＜0.05);肺功能指标:FVC(p＜0.05)、FEV1(p＜0.05)、FEV1/FVC(p＜0.05)、PEF(p＜0.05)、MEF25(p＜0.05)、MEF50(p＜0.05)、MEF75(p＜0.05)、MMEF75/25(p＜0.05)、Vcmax(p＜0.05)、MVV(p＜0.05);心脏结构及功能指标:AD(p＜0.05)、 LAAPD(p=0.035)、LAULD(p=0.002)、LARLD(p=0.044)、LVIDed(p=0.016)、RVOTD(p=0.029)、PAD(p=0.001)、LVEF(p=0.010)、LVDl(p＜0.05)、RAULD(p=0.003)、E/A(p＜0.05)、MVEDT(p＜0.05)、AVP(p=0.001)、MVLS(p＜0.05)、MVBS(p＜0.05)、MVIVRTIV(p＜0.05)、MVIVRTL(p＜0.05)、MVIVRTA(p＜0.05)、MVIVRTB(p＜0.05)、HBIV(p＜0.05)、VMIV(p=0.003)、HBLV(p＜0.05)、VMLV(p＜0.05)、ASLV(p＜0.05)、HBAV(p＜0.05)、ASAV(p=0.021)、HBPV(p＜0.05)、VMPV(p＜0.05)、ASPV(p＜0.05)。②血管衰老神经网络模型结果:建立三层BP神经网络模型，以筛选出的63个与年龄相关的指标作为输入变量，其隐含层为8，输出层为血管提前衰老或正常衰老，网络训练由于误差达到极小值结束，测试准确率为92.9％，特异度为94.7％，灵敏度为90.6％，神经网络模型诊断预测的ROC曲线下面积为0.927，95％可信区间为(0.855，0.999)，p＜0.05。3.研究指标非条件多因素Logistic回归分析结果:共7个因素进入模型，7个因素为AD(P=0.009)、E/A(p＜0.05)、MVEDT(p＜0.05)、HBIV(p=0.001)、VMIV(p＜0.05)、ASAV(p=0.001)及ASPV(p=0.018)，整个训练总集的准确率为76.7％，特异度为81.9％，灵敏度为68.4％。4.心肾交互作用神经网络模型结果:建立三层BP神经网络模型，以单因素分析筛选出的指标作为输入变量，其隐含层为4，输出层为肾功能正常下降或快速下降，网络训练由于误差达到极小值结束，准确率91.4％，特异度为91.3％，灵敏度为91.7％。5.ROC曲线比较结果:多因素Logistic回归模型的ROC曲线下面积为0.752，95％可信区间为(0.696，0.807)，BP神经网络模型曲线下面积为0.955，95％可信区间为(0.928，0.981)。 结论：神经网络作为新的研究方法，适用于研究不同器官、系统之间的联系，并整合出网络关系。利用BP神经网络系统方法可以在前期研究基础上，将先行研究进一步拓展为对多器官、多系统之间网络结构的探索，初步实现多器官功能指标评价及预测血管衰老可行性的目标，并且结果显示该模型准确率较高。利用BP神经网络方法可以实现心脏结构及功能指标对肾脏功能是否快速下降的预测，并且准确率较好。较传统Logistic回归模型，BP神经网络模型预测的准确率、灵敏度、特异度更高，为我们研究影响早起肾脏功能改变的因素提供了一个新的探索手段，也助于实现多样本、大数据挖掘的目标。