基于BPNN的手足口病重癥化進(jìn)程中的相關(guān)因素變化及預(yù)測分析

馬曉梅，閆國立，劉　穎，孫春陽，隋美麗，任靜朝，郗園林，段廣才,

(1. 河南中醫(yī)學(xué)院基礎(chǔ)醫(yī)學(xué)院，河南鄭州　450046；2. 鄭州大學(xué)公共衛(wèi)生學(xué)院流行病學(xué)教研室，河南鄭州　450001；3. 新鄉(xiāng)醫(yī)學(xué)院分子診斷與醫(yī)學(xué)檢驗(yàn)技術(shù)河南省協(xié)同創(chuàng)新中心，河南新鄉(xiāng)　453003)

?

◇臨床研究◇

基于BPNN的手足口病重癥化進(jìn)程中的相關(guān)因素變化及預(yù)測分析

馬曉梅1，閆國立1，劉穎1，孫春陽1，隋美麗2，任靜朝3，郗園林2，段廣才2,3

(1. 河南中醫(yī)學(xué)院基礎(chǔ)醫(yī)學(xué)院，河南鄭州450046；2. 鄭州大學(xué)公共衛(wèi)生學(xué)院流行病學(xué)教研室，河南鄭州450001；3. 新鄉(xiāng)醫(yī)學(xué)院分子診斷與醫(yī)學(xué)檢驗(yàn)技術(shù)河南省協(xié)同創(chuàng)新中心，河南新鄉(xiāng)453003)

目的探討B(tài)P神經(jīng)網(wǎng)絡(luò)(BPNN)模型在兒童手足口病(HFMD)重癥化進(jìn)程預(yù)測中的應(yīng)用價(jià)值，為HFMD重癥病例早期識別提供參考依據(jù)。方法采用MATLAB7.0軟件對2013年4～6月河南鄭州某醫(yī)院收治的445例HFMD患兒臨床資料構(gòu)建BPNN模型，得出平均影響值(MIV)排序并歸一化；從中挑選32例符合重癥標(biāo)準(zhǔn)且自發(fā)病到重癥的病例作為重癥組，對照組納入60例普通病例，以較大MIV值的因素為變量重新整理數(shù)據(jù)，統(tǒng)計(jì)分析得出單個(gè)因素水平和綜合因素水平在重癥化期間的變化趨勢，闡述其與HFMD重癥早期識別的關(guān)系。結(jié)果在HFMD重癥化進(jìn)程中，精神差、頸強(qiáng)直、易驚的變化是先上升，重癥當(dāng)天及前一天平穩(wěn)且至最高，隨后下降；呼吸頻率、心率、嗜睡、熱程≥3d及血糖水平的變化是先升后降，重癥當(dāng)天最高；手足抖動(dòng)的變化是先升后降，重癥前一天最高；嘔吐呈下降趨勢；熱峰大致呈下降趨勢，重癥當(dāng)天略微回升，之后降至正常體溫；白細(xì)胞計(jì)數(shù)變化基本不大，均高于正常值范圍，在重癥次日恢復(fù)至正常值水平；綜合因素水平是先上升至重癥當(dāng)天并達(dá)到最高，之后下降。結(jié)論BPNN模型可用于分析HFMD重癥化進(jìn)程中的相關(guān)因素變化，可為重癥病例的早期識別提供參考依據(jù)。

BPNN；HFMD；重癥化；MIV

手足口病(hand-foot-mouthdisease,HFMD)由多種腸道病毒侵染3歲以下年齡組而流行的急性傳染病，病例常表現(xiàn)為發(fā)熱伴手、足、口腔、臀部的皮疹，在我國流行廣泛[1-4]。大多數(shù)患兒癥狀輕微，一周內(nèi)可自愈。少數(shù)患兒病情進(jìn)展迅速，發(fā)病1～5d累及腦干、肺、心肌等，致死率較高[1,5]。因此，掌握HFMD患兒重癥化發(fā)展規(guī)律，爭取最早時(shí)間識別重癥化，是HFMD研究的重點(diǎn)內(nèi)容之一。HFMD致病因素較多，各個(gè)因素間可能存在復(fù)雜非線性關(guān)系，給傳統(tǒng)統(tǒng)計(jì)分析方法帶來了很大的困難，但適合神經(jīng)網(wǎng)絡(luò)的應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)(backpropagationneuralnetwork,BPNN)是由大量簡單處理單元連接而成的自適應(yīng)動(dòng)力學(xué)系統(tǒng)，具有自學(xué)習(xí)、自組織、自適應(yīng)及很強(qiáng)的非線性函數(shù)逼近能力，無需套用某種理論框架，直接輸入數(shù)據(jù)，提供出比傳統(tǒng)模型更為豐富、真實(shí)的信息[6-8]。本研究基于BPNN模型對2013年4～6月河南鄭州某醫(yī)院收治的445例HFMD患兒住院資料分析HFMD重癥化進(jìn)程中相關(guān)因素變化趨勢，為重癥HFMD重癥早期識別提供決策依據(jù)。。

1　對象與方法

1.1對象2013年4～6月河南省鄭州市某醫(yī)院收治的445例HFMD患兒，其中重癥217例，普通病例228例，納入標(biāo)準(zhǔn)依據(jù)衛(wèi)生部頒發(fā)的《手足口病診療指南(2010年版)》[9]。所有患兒入院時(shí)間≤3d。

1.2調(diào)查方法及質(zhì)量控制參照《手足口病重癥或死亡病例個(gè)案調(diào)查表》[10]設(shè)計(jì)調(diào)查問卷，通過預(yù)調(diào)查及公共衛(wèi)生專家修改后統(tǒng)一調(diào)查問卷。內(nèi)容包括患兒及家庭一般人口學(xué)特征、臨床癥狀及生化室檢查等相關(guān)資料。經(jīng)專業(yè)現(xiàn)場培訓(xùn)的調(diào)查員在入院當(dāng)天采集患兒癥狀體征，以面訪調(diào)查的方式，在患兒入院3d之內(nèi)完成調(diào)查表。調(diào)查期間由課題組成員進(jìn)行督導(dǎo)。調(diào)查問卷完成后，由專人負(fù)責(zé)及時(shí)檢查、審核問卷。本次選取其中27個(gè)變量分析，分別為：性別(男/女)、年齡(月)、發(fā)熱(是/否)、熱峰(℃)、熱程≥3d(是/否)、精神差(是/否)、抽搐(是/否)、易驚(是/否)、嗜睡(是/否)、嘔吐(是/否)、手足抖動(dòng)(是/否)、肢體無力(是/否)、呼吸節(jié)律改變(是/否)、肺部啰音(是/否)、四肢發(fā)涼(是/否)、頸強(qiáng)直(是/否)、煩躁不安(是/否)、心率(次/min)、血糖水平(mmol/L)、呼吸頻率(次/min)、白細(xì)胞計(jì)數(shù)(×109/L)、中性細(xì)胞比率(%)、淋巴細(xì)胞比率(%)、胸部X線改變(是/否)、心電圖異常(是/否)、C反應(yīng)蛋白(mg/L)、降鈣素原(ng)。

1.3統(tǒng)計(jì)分析采用Epidata3.0軟件雙錄入調(diào)查表建立數(shù)據(jù)庫，由專業(yè)人員核查。應(yīng)用MATLAB7.0軟件mapminmax函數(shù)對445例重癥樣本歸一化到[0.1,0.9]。27個(gè)變量為輸入層，輕癥和重癥為輸出層，通過經(jīng)驗(yàn)公式確定隱含層為9，網(wǎng)絡(luò)結(jié)構(gòu)為27→9→1。為了推廣網(wǎng)絡(luò)泛化能力，設(shè)定訓(xùn)練樣本312例，測試樣本133例，約7∶3建立BPNN模型，隱含層及輸出層采用的傳輸函數(shù)分別為tansig和logsig，網(wǎng)絡(luò)訓(xùn)練函數(shù)設(shè)定為函數(shù)trainlm，最大訓(xùn)練步數(shù)10 000步，訓(xùn)練性能目標(biāo)1e-10，學(xué)習(xí)速率0.1，采用啟發(fā)式學(xué)習(xí)算法Levenberg-Marqusrdt算法；測試函數(shù)采用語句Testy=sim(net,Testx)，以分類正確率>90%作為滿足精度要求。從數(shù)據(jù)庫中挑選出32例符合重癥標(biāo)準(zhǔn)、數(shù)據(jù)采集與記錄比較完整且自發(fā)病到重癥的完整病例作為重癥組，輕癥組納入與重癥組發(fā)病天數(shù)相對應(yīng)的60例普通病例作為對照。以較大MIV值的因素為變量重新整理數(shù)據(jù)，把所有重癥病例的重癥當(dāng)天資料作為重癥當(dāng)天數(shù)據(jù)，依相對重癥發(fā)病天數(shù)對齊并整理相對應(yīng)資料，從而得到類似于一個(gè)自然發(fā)展為重癥的病例，把重癥組每天例數(shù)根據(jù)相對重癥發(fā)病天數(shù)分組：-4d(≥4d，重癥前4d及更早)12例，-3d(重癥前3d)26例，-2d(重癥前2d)32例，-1d(重癥前1d)32例，0d(重癥當(dāng)天)32例，1d(重癥次日)32例，輕癥組按照病程進(jìn)程分為第1～6天組，對應(yīng)樣本量例數(shù)為60、60、60、60、48、32。所有病例當(dāng)天某個(gè)因素?cái)?shù)據(jù)求平均后得到該單個(gè)因素水平；將BPNN模型訓(xùn)練的MIV值歸一化，假定第i個(gè)因素MIV值歸一化后為w(i)，N為總因素個(gè)數(shù)，z(j)定義為第j天的綜合因素水平，則z加權(quán)平均公式：

其中，v(i, j)為第j天第i個(gè)因素歸一化水平的平均大??；采用MATLAB7.0軟件計(jì)算所有天數(shù)單個(gè)因素、綜合因素水平，得到HFMD重癥化進(jìn)程不同因素的變化。

2　結(jié)　　果

2.1病例情況455例HFMD患兒中，重癥217例，男130例(59.9%)，女87例(40.1%)，平均年齡(24.14±6.06)月；普通病例228例，男123例(54%)，女105例(46%)，平均年齡(23.95±5.92)月；2組患兒在年齡和性別方面差異均無統(tǒng)計(jì)學(xué)意義(P>0.05)。

2.2BPNN模型分析結(jié)果應(yīng)用MATLAB7.0軟件設(shè)置參數(shù)程序訓(xùn)練樣本，保存全部訓(xùn)練結(jié)果。本次訓(xùn)練網(wǎng)絡(luò)、訓(xùn)練樣本分類正確率為100%，測試樣本分類正確率>90%。BPNN模型擬合較好，影響重癥HFMD因素MIV值順序?yàn)椋阂左@(0.495 3)、嘔吐(0.487 9)、頸強(qiáng)直(0.419 7)、手足抖動(dòng)(0.339 2)、精神差(0.258 5)、血糖升高(0.155 2)、白細(xì)胞計(jì)數(shù)(0.140 1)、熱程≥3d(0.133 5)、嗜睡(0.130 8)、熱峰(0.125 1)、心率(0.110 8)、呼吸頻率(0.100 3)、呼吸節(jié)律改變(0.072)、肢體無力(0.068)、淋巴細(xì)胞比率升高(0.067)、四肢發(fā)涼(0.063)、煩躁不安(0.049)、抽搐(0.036)、發(fā)熱(0.015)、性別(0.008)、月齡(0.002)、心電圖異常(<0.001)、肺部啰音(<0.001)、降鈣素原升高(<0.001)、中性細(xì)胞比率升高(<0.001)、胸部X線改變(<0.001)、C反應(yīng)蛋白升高(<0.001)。

2.3HFMD重癥化進(jìn)程中影響因素的變化

2.3.1HFMD單個(gè)因素重癥化進(jìn)程變化本研究分析MIV值結(jié)果中前12個(gè)影響力較大的因素，各因素水平(原始值)的平均大小在重癥化中的變化如圖1。

圖1單個(gè)因素水平重癥化進(jìn)程的變化

Fig.1Theseverityprocesschangesofthesinglefactor

圖中，紅色線代表重癥患兒隨相對重癥天數(shù)變化，黑色線代表輕癥組變化。分析可知，易驚、精神差、頸強(qiáng)直變化是先上升，重癥當(dāng)天及前1d平穩(wěn)且至最高，隨后下降。呼吸頻率、心率、嗜睡、熱程≥3d及血糖水平的變化是先升后降，重癥當(dāng)天最高；手足抖動(dòng)的變化是先升后降，重癥前1d最高；嘔吐呈下降趨勢；熱峰大致呈下降趨勢，重癥當(dāng)天略微回升，之后降至正常體溫；白細(xì)胞計(jì)數(shù)變化基本不大，均高于正常值范圍，重癥次日恢復(fù)至正常值水平。

2.3.2HFMD綜合因素水平重癥化進(jìn)程的變化綜合因素水平是先上升至重癥當(dāng)天達(dá)到最高，之后下降(圖2)。

圖2綜合因素水平重癥化進(jìn)程的變化

Fig.2Theseverityprocesschangesofthecomprehensivefactorslevel

3　討　　論

傳統(tǒng)的統(tǒng)計(jì)分析方法在應(yīng)用時(shí)要考慮很多“適應(yīng)”條件，如資料類型與分布特征、設(shè)計(jì)方案、研究因素與水平數(shù)、樣本量大小等因素，如果資料不符合則會(huì)影響統(tǒng)計(jì)分析研究結(jié)果及結(jié)論，因此選擇適宜的數(shù)據(jù)分析方法就顯得非常重要。與傳統(tǒng)統(tǒng)計(jì)方法相比，BPNN模型具有一定的人腦功能—智能，直接從數(shù)據(jù)中去尋找并識別信息，不依賴于資料的分布形式，不受任何限制的不斷學(xué)習(xí)樣本和訓(xùn)練樣本調(diào)整自身特性去“適應(yīng)”樣本，以任意精度逼近變量間的任何關(guān)系，容錯(cuò)能力較強(qiáng)，輸出信息完整有序并且接近于所研究疾病的真實(shí)情況，在探索變量間未知關(guān)系或分析因子間復(fù)雜關(guān)系方面處于優(yōu)勢地位，為HFMD因果推斷提供了一種新型思維方式[11-12]。本研究首次將BPNN模型應(yīng)用于探討HFMD重癥化，研究提示，易驚、頸強(qiáng)直、精神差、嘔吐、手足抖動(dòng)、血糖升高、熱程≥3d、嗜睡、白細(xì)胞≥15×109/L等與HFMD患兒重癥化密切相關(guān)，符合《手足口病診療指南(2013年版)》重癥病例早期識別標(biāo)志，與很多研究結(jié)果一致[13-15]。

同時(shí)，根據(jù)HFMD重癥化中各個(gè)相關(guān)因素曲線的變化幅度、振蕩范圍和曲線相對間隔大小的分析，也可得出單個(gè)因素與HFMD重癥化的相關(guān)程度。易驚、頸強(qiáng)直、嘔吐、嗜睡、手足抖動(dòng)、血糖水平、白細(xì)胞計(jì)數(shù)、熱程≥3d曲線變化趨勢在重癥組和輕癥組區(qū)別明顯，可以推斷是HFMD重癥化重要影響因素；精神差在重癥化早期難以識別重癥和輕癥，但在重癥當(dāng)天變化明顯；其中，易驚、頸強(qiáng)直、嘔吐、嗜睡、手足抖動(dòng)及精神差說明神經(jīng)系統(tǒng)受累，神經(jīng)系統(tǒng)病變參與重癥化進(jìn)程；嘔吐加劇可提示發(fā)生心肺衰竭[16]；高血糖、白細(xì)胞≥15×109/L、熱程≥3d可提示患兒短時(shí)間內(nèi)發(fā)展為危重癥；發(fā)熱是一種人體防御機(jī)制適應(yīng)內(nèi)外環(huán)境的代償性反應(yīng)，對人體有利。但是，發(fā)熱持續(xù)過久，對小兒健康威脅很大，本研究將發(fā)熱體現(xiàn)在熱峰和熱程兩個(gè)方面。熱峰在重癥組和輕癥組發(fā)病早期表現(xiàn)一致，均是高熱(體溫>38.5 ℃)，但隨著病情進(jìn)展呈下降趨勢，而重癥組HFMD患兒仍在38 ℃徘徊并在重癥當(dāng)天回升，之后下降至正常小兒體溫，這也可作為區(qū)別重癥化的一個(gè)明顯的標(biāo)志；熱程≥3d表明患兒持續(xù)高熱不退，刺激體溫調(diào)節(jié)中樞，代謝加快，機(jī)體作出防御性反應(yīng)以抵御疾病的侵襲，氧消耗增多、消化道分泌減少、心跳加快、心臟超負(fù)荷、大腦皮質(zhì)過度興奮，患兒出現(xiàn)多種嚴(yán)重癥狀，如精神差、煩躁、嗜睡、神志不清、胃腸道紊亂等。同時(shí)，激活機(jī)體免疫系統(tǒng)，主要是一些炎性細(xì)胞因子，交感神經(jīng)興奮呈現(xiàn)類似“瀑布樣反應(yīng)”；呼吸頻率和心率均在重癥當(dāng)天達(dá)到最高，表現(xiàn)為呼吸急促、困難或節(jié)律改變，脈搏細(xì)速且在重癥前加快。以上所述，在HFMD重癥化進(jìn)程中，僅憑單個(gè)因素?zé)o法準(zhǔn)確區(qū)分重癥、輕癥病例，也不能僅憑單個(gè)因素進(jìn)行病情進(jìn)展預(yù)測，但當(dāng)其中某單個(gè)因素水平變化較大或次數(shù)頻繁時(shí)，需密切注意并及時(shí)采取對癥措施。

在HFMD重癥化進(jìn)程中，綜合因素水平的變化是早期變化明顯，在重癥前1d和重癥當(dāng)天變化略微，重癥當(dāng)天最高，隨后下降。表明患兒病情進(jìn)展迅速、變化快，當(dāng)感染嚴(yán)重而患兒抵抗力較弱時(shí)，病情會(huì)驟然暴發(fā)，病情危重甚至危及生命。為此，具有持續(xù)高熱不退、精神差、嘔吐、易驚、手足抖動(dòng)、外周血白細(xì)胞計(jì)數(shù)明顯升高、呼吸和心率加快等特征，尤其是3歲 以下的患者，應(yīng)密切關(guān)注患兒病情變化，加強(qiáng)保護(hù)心、腦、肺等重要臟器功能，并告知患者及家屬立即前往HFMD重癥病例定點(diǎn)醫(yī)院就診。

當(dāng)臨床上出現(xiàn)HFMD新發(fā)病例時(shí)，在接診中要仔細(xì)詢問病史，著重詢問周邊有無類似病例及接觸史、治療經(jīng)過等，注意皮疹、生命體征、神經(jīng)系統(tǒng)及肺部體征。對該病例進(jìn)行早期識別可采用以下兩種方法進(jìn)行分析，當(dāng)基于單個(gè)因素水平診斷時(shí)，需要在同一天內(nèi)通過同時(shí)多次觀察并記錄該病例多個(gè)相關(guān)因素水平，然后對每一因素求平均，得到該病例相關(guān)因素當(dāng)天水平情況。基于該因素水平和本文分析結(jié)果對該病例作出早期綜合診斷；當(dāng)基于綜合因素水平的診斷時(shí)，仔細(xì)辨別并收集上述12個(gè)相關(guān)因素同一天內(nèi)數(shù)個(gè)時(shí)間點(diǎn)的水平，進(jìn)行歸一化且求平均，然后按照上述過程所得公式計(jì)算綜合因素水平，將計(jì)算所得數(shù)值和綜合因素水平圖中不同天數(shù)值相對應(yīng)，以此推斷HFMD患兒距離發(fā)展為重癥病例的間隔時(shí)間長短，根據(jù)推斷的重癥化病情進(jìn)展情況，有針對性地采取有效措施，如提前加強(qiáng)對患兒生命體征變化的監(jiān)測，從而達(dá)到提高治愈率的目的。

[1]MAOQ,WANGY,LIANGZ,etal.Hand,foot,andmouthdiseaseinmainlandChina[J].LancetInfectDis, 2014, 14(11):1042-1052.

[2]LIUSL,PANH,LIUP,etal.Comparativeepidemiologyandvirologyoffatalandnonfatalcasesofhand,footandmouthdiseaseinmainlandChinafrom2008to2014[J].RevMedVirol, 2015, 25(2):115-128.

[3]WANGY,ZOUG,XIAA,etal.Enterovirus71infectioninchildrenwithhand,foot,andmouthdiseaseinShanghai,China:epidemiology,clinicalfeatureanddiagnosis[J].VirolJ, 2015, 12(3):83

[4] 隋美麗，馬曉梅，段廣才，等. 重癥手足口病患兒實(shí)驗(yàn)室指標(biāo)的判別分析[J]. 西安交通大學(xué)學(xué)報(bào)(醫(yī)學(xué)版), 2014, 35(4):504-508.

[5]CHENGP,WUJB,WANGJJ,etal.Epidemiologicalcharacteristicsandinfluentialfactorsofhand,footandmouthdisease(HFMD)reinfectioninchildreninAnhuiprovince[J].EpidemiolInfect, 2016, 144(1):153-160.

[6]LIGORT,PATERL,BUSZEWSKIB,etal.Applicationofanartificialneuralnetworkmodelforselectionofpotentiallungcancerbiomarkers[J].JBreathRes, 2015, 9(2):1-8.

[7] 朱大奇. 人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用[M]. 北京: 科學(xué)出版社, 2006:15-18.

[8]SHIHY,LEEKT,LEEHH,etal.Comparisonofartificialneuralnetworkandlogisticregressionmodelsforpredictingin-hospitalmortalityafterprimarylivercancersurgery[J].PloSone, 2012, 7(4):e35781.

[9] 衛(wèi)生部. 手足口病診療指南(2010年版)[J]. 柳州醫(yī)學(xué), 2012, 25(2):140-143.

[10] 衛(wèi)生部. 手足口病預(yù)防控制指南(2009版)[J]. 全科醫(yī)學(xué)臨床與教育, 2010,8(2):125-133.

[11]DINGH,LUQ,GAOH,etal.Non-invasivepredictionofhemoglobinlevelsbyprincipalcomponentandbackpropagationartificialneuralnetwork[J].BiomedOptExpress, 2014, 12(5):1145-1152.

[12]KUPUSINACA,STOKICE,DOROSLOVACKIR.Predictingbodyfatpercentagebasedongender,ageandBMIbyusingartificialneuralnetworks[J].ComputMethodsProgramsBiomed, 2014, 113(2):610-619.

[13] 高媛媛，楊思達(dá)，陶建平，等. 累及神經(jīng)系統(tǒng)手足口病患兒臨床特征及危重癥危險(xiǎn)因素分析[J]. 中國循證兒科雜志, 2010, 5(2):135-140.

[14]FANGY,WANGS,ZHANGL,etal.Riskfactorsofseverehand,footandmouthdisease:ameta-analysis[J].ScandJInfectDis, 2014, 46(7):515-522.

[15]PANJ,CHENM,ZHANGX,etal.Highriskfactorsforseverehand,footandmouthdisease:amulticenterretrospectivesurveyinAnhuiProvinceChina, 2008-2009[J].IndianJDermatol, 2012, 57(4):316-321.

[16]SONGC,YIBINGC,GUOY,etal.Riskfactorsofseverehand,footandmouthdiseasecomplicatedwithcardiopulmonarycollapse[J].InfectDis, 2015, 47(7):453-457.

(編輯韓維棟)

ApplicationofBPNNintheanalysisandpredictionofrelativefactorsoftheaggravationprogressofseverehand-foot-mouthdisease

MAXiao-mei1,YANGuo-li1,LIUYing1,SUNChun-yang1,SUIMei-li2,RENJing-chao3,XIYuan-lin2,DUANGuang-cai2,3

(1.SchoolofBasicMedicine,HenanUniversityofTraditionalChineseMedicine,Zhengzhou450046;2.DepartmentofBiostatisticsandEpidemiology,CollegeofPublicHealthofZhengzhouUniversity,Zhengzhou450001; 3.XinxiangMedicalCollegeMolecularDiagnosticsandMedicalInspectionTechnologyofCollaborativeInnovationCenterinHenanProvince,Xinxiang453003,China)

ObjectiveToexplorethevalueofbackpropagationneuralnetwork(BPNN)modelappliedtopredicttheaggravationofchildhand-foot-mouthdisease(HFMD)toprovidereferenceforearlyidentificationofsevereHFMD.MethodsByusingthesoftwareMATLAB7.0weconstructedtheBPNNmodelon455childrenwithHFMDwhowereadmittedbyahospitalinZhengzhouduringAprilandJune2013.Themeanimpactvalues(MIV)werecalculatedandnormalized.Oftheseschildren, 32whometthecriteriaofsevereHFMDandtheonsetofsymptomstoseverecasesservedastheseveregroup,and60mildcaseswereinthecontrolgroup.ThedatawererearrangedbythelargeMIVfactors,thevariationtrendbetweenthelevelofsinglefactorandcomprehensivefactorswereobtainedbystatisticalanalysis,andwefurtherexpoundedontherelationshipbetweenthissinglefactorlevelandearlyidentificationofsevereHFMD.ResultsDuringtheseverityprogressofHFMD,thechangesofpoorspirits,stiffneckandeasytopanicincreasedfirst,reachedthepeakbetweenthedaybeforeseverityandtheseverityday,andthendecreased.Thechangesofrespirationfrequency,heartrate,somnolence,daysofhighfever≥ 3daysandbloodsugarlevelincreasedfirstandthendecreased,untilreachedthepeakontheseverityday.Thechangeofhandandfoottremblingincreasedandreachedthepeakthedaybeforeseverity.Vomitingwasofadownwardtrend;heatpeakchangewasofanapproximatelydecliningtrend,butrecoveredslightlyontheseverityday,andthendroppedtothenormaltemperaturerange.Thewhitecellcounthadlittlechangebutwashigherthanthenormalrange,and< class="emphasis_italic">returned

tothenormallevelontheseconddayafterseverity.Thecomprehensivefactorslevelelevateduntiltheseveritydayandthendropped.ConclusionTheBPNNmodelcanbeusedfortheanalysisofrelatedfactorsinfluencingtheaggravationofHFMD,thusprovidingreferenceforearlyidentificationofsevereHFMD.

backpropagationneuralnetwork(BPNN);hand-foot-mouthdisease(HFMD);aggravation;MIV

2015-07-19

2015-10-08

國家自然科學(xué)基金資助項(xiàng)目(No.81172740)

段廣才.E-mail:gcduan@zzu.edu.cn

R511

A

10.7652/jdyxb201605022

SupportedbytheNationalNaturalScienceFoundationofChina(No.81172740)

優(yōu)先出版：http://www.cnki.net/kcms/detail/61.1399.R.20160805.1000.010.html(2016-08-05)