[01197160]基于神经网络的婴幼儿腹泻求医状态生存分析方法研究

一、课题来源与背景 本项目为兰州市2017年科技计划项目, 项目编号：2017-4-65。 二、技术原理及性能指标 目前腹泻依然是全球5岁以内儿童死亡最主要的原因之一。据估计,全球每年1.73亿的腹泻事件发生在5岁以内的儿童中,大约70万的儿童死亡是由腹泻所引起,其中72%的死亡发生在2岁以内的儿童中。在中国,据估计每年大约有4万5岁以内儿童死于腹泻。儿童求医行为是指看护人感觉到儿童有患病危险或相关的健康问题时采取寻求医疗帮助的观念、表现和行动。本质上,儿童求医行为是一个受看护人或家庭行为、社会准则和期望以及健康服务者的相关特征和行为所控制的决策过程。不求医、不及时求医或贫乏的病例管理可导致大约70%的腹泻和急性呼吸道感染患儿死亡。因此,合理地评价儿童腹泻求医行为对于制定合理的婴幼儿腹泻综合防治策略很有必要,而准确地估计婴幼儿腹泻求医时间对于合理地评价儿童求医行为是一个重要的关键点。 人工神经网络是在现代神经科学研究成果基础上提出了一种抽象数学模型,它以某种简化、抽象和模拟的方式,反映了大脑功能的若干基本特征。它能够自动在海量数据中识别、捕捉和提取隐藏规律,并将其包含在神经元之间的连接权值中。BP网络是一种使用较频繁的人工神经网络模型。一般由输入层、输出层和隐层（可以是多层）组成,包括正向传播和反向传播两部分。正向传播用于网络计算,对某一输入求出其输出;反向传播用于逐层传递误差,修改连接权值和阈值。BP网络把样本的输入、输出问题变成一个沿梯度下降算法的非线性优化问题,并通过迭代运算求解使得网络具有学习记忆功能。BP网络能够逼近任意一种非线性分布,因此,在各个领域的分类预测等方面得到了广泛的应用。遗传神经网络克服了BP网络的缺陷,在解决复杂问题方面,得到了更加广泛的应用。然而,运用神经网络进行生存分析的研究尚未见相关报道。本研究拟将神经网络模型运用于婴幼儿腹泻求医状态的生存分析中,为该问题的分析与解决提供了新的方法和思路。 三、技术的创造性与先进性 本研究拟将神经网络模型运用于婴幼儿腹泻求医状态的生存分析中,为建立婴幼儿腹泻不良求医行为预测预警机制提供了新的方法和思路,具体的研究发现为合理地制订婴幼儿腹泻求医行为干预策略提供重要的科学依据。 四、技术的成熟程度,适用范围和安全性 本项目以婴幼儿腹泻求医状态生存分析方法为切入点,首次将神经网络模型运用于婴幼儿腹泻求医状态的生存分析,找到了对求医时间预测的最佳模型,这为判断该人群中婴幼儿腹泻的求医水平,确定高风险人群提供了重要的理论依据。 五、应用情况及存在问题 本项目研究成果为准确预测婴幼儿腹泻就医时间提供了一种新方法,为评价婴幼儿腹泻求医及时性提供了理论依据。 六、历年获奖情况 无。