使用人工神经网络预测伊朗成年人的代谢综合征：基于人口统计学、生活方式和临床指标与逻辑回归的比较分析

《BMC Research Notes》：Predicting metabolic syndrome in Iranian adults using artificial neural networks: a comparative analysis with logistic regression based on demographic, lifestyle, and clinical indicators

　　

摘要

目的

代谢综合征（MetS）是心血管疾病和2型糖尿病的主要风险因素，给伊朗的医疗系统带来了巨大的经济和公共卫生负担。本研究旨在使用人工神经网络（ANN）对伊朗成年人的代谢综合征风险进行分类，并将其性能与基于人口统计学、生活方式和临床指标的逻辑回归模型进行比较。

结果

这项横断面研究的数据来源于Fasa队列，该队列属于PERSIAN队列的一部分，共纳入了10,004名35至70岁的成年人。代谢综合征的诊断依据是修订后的ATP III标准，输入变量的选择通过范围审查确定。研究使用了SPSS 27版本实现了基于多层感知器的人工神经网络模型以及多元逻辑回归和层次逻辑回归模型。模型性能通过接收者操作特征曲线下面积（AUC）、敏感性、特异性和准确性在测试集上进行评估。代谢综合征的患病率为21.4%，女性中的患病率更高（30.4%）。甘油三酯-葡萄糖（TyG）指数、内脏脂肪指数（VAI）和腰围被确定为最强的独立预测因子。两种模型的区分性能相当，AUC值在0.907到0.909之间。人工神经网络在识别高风险个体方面表现出更高的敏感性（68.3% vs 54.3%），但特异性较低（90.9% vs 94.0%），导致总体准确性也相似（85.9% vs 85.4%）。