摘要：目的 构建Logistic-Ann(Artificial neural network)模型对2型糖尿病肾病进行关联因素分析和患病风险预测。方法 采用2009年中国人民解放军总医院（301医院）2型糖尿病住院患者的电子病历信息。主要利用其中的糖尿病诊断、尿常规、糖尿病糖化以及糖尿病生化检查数据，应用Logistic回归算法筛选影响较大指标，建立Logistic-Ann模型。结果 在Logistic回归的41个因素指标中，尿白蛋白、肌酐、血清尿酸、总胆固醇、高密度脂蛋白胆固醇、总蛋白、血清白蛋白、全糖化血红蛋白、甘油三酯对2型糖尿病肾病的发病率具有显著影响（P<0.05），且可用于患病风险预测。Logistic-Ann模型提示前5项可用于预测。结果对比显示Logistic-Ann模型具有明显的优越性。结论 本文Logistic回归分析得到有统计学意义的关联因素，应用Logistic-Ann模型做出了对患2型糖尿病肾病风险的预测，为2型糖尿病肾病的早期诊断和预防控制提供了一定的依据。
关键词：Logistic-Ann模型;2型糖尿病肾病;Logistic回归;关联因素;风险预测
引言
随着我国经济科技的发展和人民生活水平的提高，糖尿病的患病率逐年迅速增长，现已成为严重威胁到人类身心健康的主要慢性病之一[1]。糖尿病(diabetes mellitus DM)是由于胰岛素的缺陷，使得机体糖类、脂类、蛋白质、水及电解质代谢出现紊乱，从而导致血糖慢性升高，最终成为一种多病因的复杂代谢疾病[2]。包括以胰岛素绝对缺乏为主的1型糖尿病及以胰岛素相对缺乏或胰岛素抵抗为主的2型糖尿病两种类型[3]。其中2型糖尿病常发生微血管病变、大血管病变和周围神经病变等严重的并发症，在许多国家已成为致残、致死，并造成医疗费用增高的一个主要原因[4]。糖尿病肾病(diabetic nephropathy，DN)是常见的微血管并发症[5]，已成为许多国家的终末期肾脏疾病中最常见的疾病[6]。研究结果显示，2型糖尿病并发肾病发病率高达34.7%[7]，其危险因素尚不十分明确，研究成果提示为代谢紊乱、炎症反应机制、氧化应激、血流动力学改变、细胞因子、遗传因素及自噬等多种因素共同导致了糖尿病肾病的发病[8]。糖尿病患者并发肾病的病死率是未并发肾病者的30倍，发生肾病后，缺乏有效方法制止其发展[9]，因此对于2型糖尿病肾病的预防和治疗手段亟需完善[8]。
目前对2型糖尿病并发症的影响该因素分析和风险预测的模型有多元回归模型、决策树模型、Markov模型[9]、Cox比例风险模型[10]、人工神经网络模型[11]等，建立模型的方法有Meta分析[12-14]、统计分析[15]、Logistic回归分析[16-17]等。其中，Logistic回归算法应用广泛，且人工神经网络(Artificial neural network,Ann)模型稳定，能够有效避免多重共线性问题，将二者结合有助于协助临床工作者优化诊断程序。因此,本文对2型糖尿病肾病的关联因素开展研究，采用基于流行病学的Logistic回归算法，分析2型糖尿病肾病的关联因素并建立Logistic-Ann人工神经网络模型进行风险预测，以期实现对2型糖尿病肾病的早期预防、筛查与护理，制定完善的治疗方案，从而降低疾病发病率。
作者：王鑫愿