MMPC-Tabu混合算法的贝叶斯网络模型在高脂血症相关因素研究中的应用

摘要：

目的 本研究采用MMPC-Tabu混合算法构建山西省高脂血症的贝叶斯网络模型,研究高脂血症及其相关因素间的网络关系及相关程度,并通过贝叶斯网络对高脂血症进行患病风险推理,为慢病影响因素分析提供更合理的建模方法.方法 采用logistic回归对山西省18岁以上居民高脂血症的调查数据进行变量初步筛选,再以MMPC-Tabu混合算法和极大似然估计法构建贝叶斯网络.结果 2013年山西省高脂血症患病率为42.6％(95％CI:41.1％ ～44.1％).将logistic回归初筛与高脂血症有关的9个变量,采用MMPC-Tabu算法构建高脂血症的贝叶斯网络模型,结果显示:中心性肥胖和BMI与高脂血症直接相关,是高脂血症的父节点,即它们与高脂血症的发生有关;高血压、身体活动、性别、年龄、地区、糖尿病通过影响中心性肥胖和BMI间接影响高脂血症的发生.结论 贝叶斯网络可以反映因素与疾病整体联动效应,揭示高脂血症直接和间接相关的因素和关联强度,同时阐明除高脂血症以外的其他影响因素间的关系,可为慢性病与相关因素的研究提供合理的方法.

关键词：贝叶斯网络、最大最小父子集——禁忌搜索、高脂血症

所属期刊栏目：39

分类号：R195.1(保健组织与事业（卫生事业管理）)

资助基金：国家自然科学基金;山西省重点研发计划项目

在线出版日期：2022-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：345-350,355