为了提高糖尿病前期的检出率,在糖耐量受损(IGT)常规诊断方法的基础上,增加糖化血红蛋白作为糖尿病筛查的因素,构建一个IGT检测模型.采集受试者的身高、体质量、腹围、血压、皮脂厚度、空腹血糖和糖化血红蛋白作为模型的特征输入,用K-近邻算法和神经网络对其分类,模型输出包括血糖值正常、IGT和糖尿病.结果显示增加糖化血红蛋白作为分类特征后,神经网络和K-近邻算法的分类准确率分别为88.89％和93.09％,明显高于传统方法的分类准确率(83.33％和78.38％).本研究提出的IGT检测模型对糖尿病的临床诊断有重要意义.
作者：陈真诚；杨薛冰；邹春林；严波文；朱健铭；梁永波
来源：中国医学物理学杂志 2020 年 37卷 10期
