基于体检大数据高血压病的BP神经网络发病预测模型建立及应用

宋华翠 辛铁君 戴翔 刘洋春子 张莹 高莉洁

【摘要】目的：分析某企业高血压主要危险因素，建立发病预测模型。方法：利用某企业2006-2016年体检的大数据，采用广义估计方程筛选高血压病的危险因素，采用BP神经网络模型建立高血压发病预测模型。结果：BP神经网络模型对各自变量对预测高血压的重要性依次为体检年龄、体重指数、性别、混合型高脂血症、饮酒习惯、高甘油三酯血症、吸烟习惯、饮食习惯，经过验证对高血压病有较好的预测能力。结论：BP神经网络模型能够较好的解决多因子复杂疾病预测问题，具有较好的预测效果。本研究对高血压病的主要危险因素的重要性排序，可对该疾病干预提供依据。

【关键词】BP神经网络;高血压;危险因素;变量

Abstract Objective： To analyze the main risk factors and incidence prediction of hypertension in an enterprise. Methods： Generalized estimation equations were used to analyze single-factor analysis and multi-factor analysis， and BP neural network model was used to analyze the physical examination data of 180363 hypertensive patients detected by 512，000416 persons. Results： The importance of the main risk factors of chronic diseases was ranked， and the importance of BP neural network model to the prediction of hypertension in each variable was medical examination age， body mass index， gender， mixed hyperlipidemia， drinking habits， and high triglyceride blood. Disease， smoking habits， eating habits. The ability to recognize high blood pressure is better than the ability to high blood pressure. Conclusion： The BP neural network model can better solve the multi-factor complex disease prediction problem， has a better prediction effect and the importance ranking of the main risk factors， and provides a basis for developing disease intervention.

Keywords： BP neural network， hypertension， risk factors， variables

前言

高血壓是心血管疾病的主要危险因素，近年来我国高血压患病率呈明显上升趋势，高血压是由多基因遗传和多种环境不良因素交互作用而成，其长期发展可导致动脉粥样硬化病情的发展及形成加速，引发心肌缺血、缺氧及坏死，形成冠心病。多个危险因素的联合作用导致了高血压疾病的发生，影响慢性病发生的危险因素它们之间往往存在复杂的非线性关系。BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。……