Logistic回归与人工神经网络应用于重度颅脑损伤继发认知功能障碍的预测评判

摘要

目的通过搜集重度颅脑损伤(traumatic brain injury,TBI)患者的临床样本资料,使用Logistic回归及人工神经网络,分别构建其继发认知功能障碍(Cognitive impairment,CI)的临床模型,并验证评判效能。方法连续性、回顾性收集2017年6—12月本院神经外科及急诊病房收治的重度颅脑外伤患者179例为研究对象;前瞻性、连续性搜集2018年1—8月本院神经外科收治的重度颅脑外伤患者23例为验证对象。基于研究对象的临床资料,分别构建Logistic回归及人工神经网络评判重度TBI继发CI的临床预测模型;并将验证对象的临床资料代入前述两种评判模型,基于其预后结果,绘制ROC曲线以验证评判效能。结果研究对象179例,其中36例患者继发CI;验证对象23例,其中7例患者继发CI。Logistic回归模型结果显示年龄、吸烟史、气管切开、监护室住院时间是重度TBI患者住院期间继发CI的独立影响因素。基于相同潜在影响因素,人工神经网络模型显示继发CI的自变量依照重要性分别为年龄、手术耗时>4 h、既往吸烟史、监护室住院时间、NSE含量。通过ROC曲线参数对比两种评判体系的总体效果,Logistic回归和人工神经网络模型的曲线下面积分别为0.866及0.897,总体预测效果均较好;彼此之间预测能力对比,人工神经网络模型的拟合效果相对更佳。结论 Logistic回归及人工神经网络应用于预测重度TBI继发CI均有良好的评判效能,相比之下人工神经网络模型能更加真实的反映出变量之间的真实关系。