Shi HY，et al. J Neurosurg，2013，118（4）：746-752

目的：大多数人工神经网络（ANN）模型和Logistic回归模型的重复性问题尚未解决。本研究旨在比较人工神经网络和Logistic回归模型对颅脑创伤（TBI）术后住院死亡率预测的准确性。方法：作者回顾了1998—2009年台湾手术治疗的16 956例TBI患者，1000组ANN和Logistic回归模型均采用配对t检验计算并比较受试者动作特征曲线（AUC）下面积、Hosmer-Lemeshow统计数据和准确率。此外还进行了全局敏感度分析来评估人工神经网络模型输入参数的重要性并将各变量按重要性大小进行了排序。结果：95.15%病例的准确率、43.68%病例的Hosmer-Lemeshow统计和89.14%病例的AUC均显示人工神经网络模型对住院死亡率的预测要优于Logistic回归模型的预测。住院死亡率的全局敏感度分析也显示人工神经网络模型最有影响力最敏感的参数是外科收容量，其次分别为住院量、Charlson并发症指数评分、住院天数、性别和年龄。结论：此研究提倡继续使用人工神经网络模型来预测神经外科的住院死亡率，但其临床有效性仍需进一步证实。