基于贝叶斯网络的膝骨关节炎患病风险定量预测研究

摘要：

目的:膝骨关节炎(Knee Osteoarthritis,KOA)初早期症状不明显,存在大量膝关节已然病变、但未发现病情的患者.通过简便、易测的体质指标,建立KOA患病风险的定量预测模型,有助于实现大范围的KOA筛查.方法:按年龄、性别比例在南京市2个街道分层抽取1 045名居民,进行KOA诊断与体质测试,测试指标包括性别、年龄、身高、体重、BMI、大腿围、30 s坐站、膝关节屈曲度、闭眼单脚站、计时起立行走.在GeNle 2.3软件中,通过贝叶斯网络学习建立KOA与上述指标间的数学模型,建模步骤包括数据离散化处理、基于爬山算法与K2算法的结构学习、基于最大期望算法的参数学习、模型验证与敏感度分析等.结果:10个指标在"未患KOA"与"患KOA"之间的组间差异均存在统计学意义(P＜0.01).建立的数学模型包括11个节点和19条有向线段,确定任意一个或多个节点的状态都可以预测KOA的患病概率.模型中,性别、BMI、体重、30 s坐站、膝关节屈曲度是与KOA直接关联或敏感度较高的节点,这些指标的预测价值较高.模型的准确率为78.9％,ROC曲线下面积为0.722.结论:构建了定量预测KOA患病风险的贝叶斯网络模型,模型的预测性能良好,具有推广应用优势.

关键词：膝骨关节炎、贝叶斯网络模型、患病概率、患病风险预测、体质测试

所属期刊栏目：47

分类号：TP391;R493;O242.2

资助基金：国家重点研发计划;江苏省体育局重大体育科研课题精准运动处方促进社区慢性疾病管理的干预研究与路径探索项目

在线出版日期：2024-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：124-132