科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 构建复发性外阴阴道假丝酵母菌病(recurrent vulvovaginal candidiasis, RVVC)患者宫颈病变的多层人工神经网络分类预测模型。方法 选取2016年1月至2020年12月在南宁市第一人民医院妇科门诊诊断为RVVC的152例患者，行阴道分泌物检查，并依据HPV E6/E7mRNA检查结果，以HPV E6/E7阳性患者为观察组(65例),HPV E6/E7阴性为对照组(87例)。收集患者相关资料及实验室检查指标，一方面，采用单因素方差分析筛选出与宫颈病变相关的变量作为自变量，纳入多因素Logistic回归模型进行分析；另一方面，随机选取数据集的2/3为训练集(102例),用以建立多层人工神经网络分类预测模型，1/3为测试集(50例),用于该模型测试，采用接受者工作特征(ROC)曲线评估两种模型的预测效能。结果 Logistic回归模型预测RVVC发生宫颈病变的ROC曲线下面积为0.833,灵敏度为0.802,特异度为0.808,多层人工神经网络模型预测RVVC发生宫颈病变的ROC曲线下面积为0.987,灵敏度为0.895,特异度为0.889。结论 多层人工神经网络分类模型相较于Logistic回归模型，预测效能更高，分类性能优良，结果证实加德纳菌及杂菌、白细胞脂酶是RVVC患者宫颈病变的独立危险因素，乳酸杆菌和过氧化氢是其保护因素。
- 单位
