目的 利用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型.方法 抽取出3150名超重及肥胖人群(体质指数≥24 kg/m2).分别应用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型,筛选出高危因素,采用受试者工作特征曲线(ROC)对三种统计学方法构建的预测模型进行特异性、敏感性及准确性评估.结果 三种方法构建的预测模型筛选出的高危因素包括非酒精性脂肪性肝病(NAFLD)、空腹血糖(FPG)、年龄、甘油三酯(TG)、尿酸(UA)、低密度脂蛋白胆固醇(LDL-c).CRT分类树模型、logistic回归模型、BP神经网络模型ROC曲线下面积(AUC)值分别为0.721、0.734、0.733,敏感性分别为61.63％、76.59％、82.85％,特异性分别为77.58％、60.44％、52.00％,Youden指数分别为39.20％、37.02％、34.85％.结论 本研究筛选的危险因素包括NAFLD、FPG、年龄、TG、UA、LDL-c,基于危险因素应用三种统计学方法构建的预测模型具有中等预测价值,对超重及肥胖人群高血压发病具有较好的预测能力.
作者：李禄伟；黄倩；施佳成；沈艳明；刘晓玲；王彩梅；于萍；吴岚；覃洋；江仁美；于健
来源：现代预防医学 2021 年 48卷 11期
