邹琼，吴曦，张杨，万毅，陈长生*

    1.710032 陕西省西安市，空军军医大学军事预防医学系军队卫生统计学教研室 特殊作业环境危害评估与防治教育部重点实验室

    2.712046 陕西省咸阳市，陕西中医药大学公共卫生学院

    3.710032 陕西省西安市，空军军医大学卫勤训练基地

    糖尿病是最常见的人类疾病，已成为世界范围内重要的公共卫生问题[1]。糖尿病肾病(DN)是2 型糖尿病(T2DM)常见的慢性微血管并发症，也是世界范围内终末期肾病(ESRD)的主要原因。印度、中国及其他发展中国家受糖尿病影响的人数正在迅速增长，给患者和卫生保健系统造成了世界性的负担[2]。因此，实现DN 的早期诊断和治疗，有助于预防或延缓其发生、发展，从而提高患者的预期寿命[3]。

    为了更好地控制疾病的进程，诊断出更易患DN 的患者至关重要[3]。近年来，随着数据挖掘的发展，机器学习在糖尿病研究中发挥着越来越重要的作用[4]。其中K 近邻(KNN)、支持向量机(SVM)和反向传播神经网络(BPNN)模型是常见的数据挖掘模型。与SVM 等传统的机器学习算法相比，BP 神经网络具有良好的非线性映射能力、自适应性、容错性等优点[5]，但在实际应用中也存在一定缺陷，如易陷入局部极小值、结果存在随机性、网络收敛速度慢等[6]。因此，有必要改进标准的BP 神经网络算法。麻雀搜索算法(SSA)是XUE 等[7]受麻雀觅食和反捕食行为启发而提出的一种仿生智能优化算法，因其具有良好的灵活性和全局寻优能力，研究者们将其与BP 神经网络相结合以弥补其缺点，但目前多应用于电力工业、自动化技术等领域[8-9]。因此本研究将探索SSA 优化的BP(SSA-BP)神经网络应用于DN 的诊断预测中，以期提升模型预测的准确率，或可为DN 的早期筛查和诊断治疗提供理论依据/临床参考。

    1 对象与方法

    1.1 研究对象

    数据来源于KHODADADI 等[10]公开的伊朗133例糖尿病患者的并发症数据(https://data.mendeley.com/datasets/k62fdsnwkg/1)。数据集由133 例糖尿病患者(1型和2 型)的24 项信息组成：性别、年龄、BMI、糖尿病类型、糖尿病持续时间、空腹血糖(FBG)、糖化血红蛋白(HbA1c)、低密度脂蛋白(LDL)、高密度脂蛋白(HDL)、三酰甘油(TG)、治疗类型、他汀类药物类型、他汀类药物剂量、神经病变、肾病、视网膜病变、周围血管疾病、心血管疾病、足部溃疡、黎明效应、收缩压(SBP) ......