版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、目的:在臨床實踐中,準確的評估慢性腎臟?。–hronic Kidney Diseases,CKD)患者的腎小球濾過率(Glomerular Filtron Rate,GFR)十分重要,可用的評估方法很多,但這些方法大多不能真實的反映GFR,為此,本文開發(fā)了一種徑向基函數(Radial Basis Function,RBF)神經網絡,探討RBF神經網絡在評估CKD患者GFR方面的性能。
方法:以2012年6月至2016年2月于我
2、院腎內科住院并行99mTc-DTPA腎動態(tài)顯像檢查、尚未行腎臟替代治療的CKD患者651例為研究對象,標準腎小球濾過率(standard 動態(tài)顯像法測定,并同時收集患者的性別、年齡、尿素氮(Blood Urea Nitrogen,BUN)、血肌酐GlomerularFiltration Rate,sGFR)由99mTc-DTPA腎(Serumcreatinine,Scr)、白蛋白(albumin,ALB)等指標。原始數據做歸一化處理,并
3、將其按照2.4∶1比例隨機分選為訓練集(460例)和測試集(191例)。以sGFR作為標準值訓練460例患者數據,建立估算GFR的RBF神經網絡,用191例測試集數據驗證該模的腎臟疾病膳食改良(Modification of Diet 型,并利用其估計GFR得到eGFRRBF。GFR還由4變量in Renal Disease,MDRD)方程和6變量的MDRD方程估計分別得到eGFR4、eGFR6。在各CKD分期組間及組內比較GFR,分析
4、eGFRRBF、 eGFR4、eGFR6與sGFR的相關性及這3種方法估算的eGFR在偏差、絕對偏差、絕對偏離率、15%、30%、50%符合率以及偏差均值、95%一致性區(qū)間等方面的差異,描述各種評估GFR方法的準確度和精確度,來評價RBF神經網絡在評估CKD患者GFR方面的性能。
結果:eGFR與sGFR的相關性分析顯示,eGFR4、eGFR6和eGFRRBF與sGFR均呈密切相關關系(r=0.894、0.910、0.912)
5、(P<0.05),CKD2-5期的eGFRRBF值與sGFR值無明顯差異(P>0.0125),CKD1期的eGFRRBF值小于sGFR值(P<0.0125),CKD4期的eGFR4值和eGFR6值明顯低于sGFR值(P<0.0125),其他各期的eGFR4值和eGFR6值與sGFR值的差異無統(tǒng)計學意義(P>0.0125),說明RBF神經網絡能夠很好的評估CKD2-5期患者的GFR,結果與99mTc-DTPA腎動態(tài)顯像法無明顯差異,但是卻
6、低估了CKD1期患者的GFR,而4變量的MDRD方程和6變量的MDRD方程能夠較好的估計CKD1-3期及CKD5期患者的GFR,卻低估了CKD4期患者的GFR。
在估算GFR的準確性方面,eGFRRBF與sGFR的偏差中位數絕對值、絕對偏差中位數及eGFRRBF偏離sGFR的絕對偏離率均顯著低于eGFR4與sGFR和eGFR6與sGFR(P<0.0167),eGFRRBF在sGFR的15%、30%和50%的百分比比eGFR4和
7、eGFR6高,尤其是在CKD2期、4期,說明RBF神經網絡能夠為CKD2期、4期患者提供比4變量的MDRD方程和6變量的MDRD方程更準確的GFR估計值。
在估算GFR的精確性方面,eGFRRBF與sGFR偏差的四分位間距、絕對偏差的四分位間距和95%一致性區(qū)間均比eGFR4與sGFR和eGFR6與sGFR小,尤其是對于CKD1-3期,這表明RBF神經網絡尤其能夠為CKD1-3期患者提供更精確的GFR估計值。
另外,
8、對于CKD5期,eGFRRF與sGFR的偏差中位數絕對值、絕對偏差中位數、偏差均值及eGFRRBF偏離sGFR的絕對偏離率均明顯大于eGFR4與sGFR和eGFR6與sGFR(P<0.0167),eGFRRBF與sGFR的偏差四分位間距、絕對偏差四分位間距及95%一致性區(qū)間長度均大于eGFR4與sGFR和eGFR6與sGFR,同時eGFRRBF的15%符合率、30%符合率、50%符合率也比eGFR4和eGFR6顯著低(P<0.0167)
9、,而eGFR4與sGFR和eGFR6與sGFR的差異無統(tǒng)計學意義(P>0.0167),這說明4變量的MDRD方程和6變量的MDRD方程能夠為CKD5期患者提供比RBF神經網絡更準確和更精確的GFR估計值。
結論:1、RBF神經網絡能夠很好的評估CKD2-5期患者的GFR,結果與99mTc-DTPA腎動態(tài)顯像法無明顯差異,尤其為CKD2期患者提供了比4變量的MDRD方程和6變量的MDRD方程更準確和更精確的GFR估計值,但是卻低
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- Cystatin C聯合肌酐評估慢性腎臟病腎小球濾過率的準確性.pdf
- 腎小球濾過率在糖尿病并慢性腎臟病中的應用價值.pdf
- 幾種腎小球濾過率測定方法在慢性腎臟病中的臨床應用及評價.pdf
- 不同腎小球濾過率評估方程在慢性腎臟病患者中的臨床實用性探討.pdf
- 改進的RBF神經網絡在腎小球濾過率估算中的應用.pdf
- 腎小球濾過率公式
- 腎小球濾過率公式
- 腎小球濾過率公式
- 不同腎小球濾過率估測公式在老年慢性腎臟病患者中適用性的比較.pdf
- 徑向基函數神經網絡的優(yōu)化研究.pdf
- 徑向基函數神經網絡學習算法研究.pdf
- Cystatin C與其他內源性標志物在輕-中度慢性腎臟病患者腎小球濾過率評估中的比較研究.pdf
- 腎臟惡性腫瘤對腎小球濾過率(GFR)的影響因素.pdf
- 徑向基函數神經網絡的學習算法研究.pdf
- 改進神經網絡算法及其在慢性腎臟病智能診斷中的應用.pdf
- 基于徑向基函數神經網絡的應用研究.pdf
- 基于徑向基函數神經網絡的車牌識別研究.pdf
- 慢性腎臟病營養(yǎng)狀態(tài)評估研究.pdf
- Sum-of-Product神經網絡和徑向基函數神經網絡的逼近能力研究.pdf
- 99mTc-DTPA Gates法測量腎小球濾過率修正公式在慢性腎臟病患者中的適用性研究.pdf
評論
0/150
提交評論