BP神经网络模型与Logistic 回归模型在精神分裂症患者复发影响因素分析中的比较

精神分裂症患者随访1 年、1～1.5 年、3 年的复发率分别为28%、43%、54%

。 精神分裂症复发会导致患者明显的精神功能障碍、行为退化和社会功能衰退，不但给其造成身心痛苦，也给社会安宁与经济带来巨大损失。 多种因素与精神分裂症复发有关，包括家族史、经济水平、服药依从性、自知力、社会支持、应激生活事件、睡眠质量等

。 目前有关精神分裂症患者复发的研究较多，主要是通过回归分析筛选复发的影响因素，但是回归模型有一定的局限性，例如不能处理非线性数据、对较多影响因素的处理能力弱、只适用于定性及半定量资料、对影响因素不明的疾病或影响因素资料难以收集全面等

。 误差反向传播网络（以下简称BP 神经网络），对数据资料分布没有限制，能充分利用资料信息，可以识别变量间复杂的非线性关系。 BP 神经网络由输入层、一个或多个隐藏层和输出层组成，是一种按误差逆传播算法训练的多层前馈网络，具有很强的自组织、自适应能力，且有高度的容错性；现已被用于预测乳腺癌患病风险、预测儿童甲状腺疾病等多个领域

。本研究旨在将BP 神经网络引入精神分裂症患者复发的影响因素， 以期为更好地判断精神分裂症患者的预后、有针对性地拟定疾病干预方案提供理论参考。

1 对象与方法

1.1 研究对象 采用便利抽样法，选取2020 年6—12 月湖南省脑科医院门诊的精神分裂症患者作为受试对象。 纳入标准：（1）年龄18～60 岁；（2）符合国际疾病分类（第10 版）（International Classification of Disease-10th Edition, ICD-10）精神分裂症诊断标准

； （3）接受常规抗精神病药物治疗≥6 个月；（4）签署知情同意书，并能配合完成调查。排除标准：（1）合并严重躯体疾病或感染性疾病；（2）妊娠期或哺乳期妇女；（3）物质滥用。

根据横断面研究样本量计算公式对所需样本量进行估算：n=u

pq/δ

； 其中n 为估计样本含量，p 为预期率，q=1-p，检验水准α=0.05，u

=1.96，容许误差δ 为0.1 p。 有研究显示精神分裂症复发率为55%

，得出所需样本量为315。 考虑到精神疾病的特殊性，需要克服患者的不依从性、无效问卷以及失访率，估算样本量为378 例，本研究实际纳入385 例。本研究已经过宁夏医科大学伦理委员会批准（宁医大伦理第2018-247 号）。

1.2 研究工具

1.2.1 一般资料调查问卷 根据以往文献报道的精神分裂症复发影响因素

自行编制，包括年龄、性别、居住地、有无配偶、受教育年限、职业类型、家庭人均月收入、病程、抗精神病药物用药情况、精神疾病家族史。 其中病程、抗精神病药物用药情况、精神疾病家族史从病例系统中收集。

1.2.2 服药依从性量表 （Medication Adherence Report Scale, MARS） 由Thompson 等

于2000 年编制，用于评估精神分裂症、双相情感障碍、抑郁症、分裂型精神障碍、 药物性精神障碍患者的服药依从情况，内部一致性信度为0.75。 Kao 等于2010 年汉化，评估精神分裂症、分裂型精神障碍患者的服药依从情况。该量表为自评量表，包括10 个条目，每个条目有“是”和“否”2 个选项，除条目7、条目8 回答“是”记1 分外，其他条目均回答“否”记1 分。得分越高，服药依从性越好

。 该量表在本研究正式调查中的Cronbach α 系数为0.625。

3.1.1 自知力与治疗态度 本研究BP 神经网络模型的结果显示， 自知力与治疗态度是精神分裂症复发的首要影响因素。究其原因，当精神分裂症患者自知力缺损时，对自身精神状态的认识能力很差，部分患者发病时否认自己为病人，治疗态度很差，甚至拒绝治疗，造成病情复发而反复入院

。 而有自知力的精神分裂症患者能够正确认知其自身疾病，关注精神症状的发展和变化，对待治疗的态度也会变得非常积极，主动配合医生坚持服药治疗并关注疾病转归。 而在二分类Logistic 回归分析中，相较于完全自知力，部分自知力的患者复发的可能性更高；大部分自知力的患者无统计学意义；无自知力的患者未进入回归方程，可能是与非复发组中没有无自知力的患者有关。

1.2.4 社会支持评定量表 （Social Support Rating Scale, SSRS） 由肖水源

于1986 年编制。 该量表为自评量表，包括10 个条目和3 个维度（客观支持、主观支持和对社会支持的利用度）。 其中条目5 分A，B，C，D 4 项计总分，每项从无到全力支持分别计1～4 分；条目6、条目7 有几个来源就计几分，无任何来源则计0 分；其余条目每条只选1 项，选择1、2、3、4 项分别计1、2、3、4 分。 总分12～64 分， 得分越高，表明受试者的社会支持水平越高。该量表在本研究正式调查中的Cronbach α 系数为0.642。

1.2.5 社会再适应评定量表 （Social Readjustment Rating Scale, SRRS） 由Holmes 和Rache

于1967年编制，张瑶等于1989 年汉化，用于评估健康人群和患有心身疾病的人群。 该量表为自评量表，包括43 条中国较常见的生活事件（例如离婚、生病、失业等），根据生活事件的严重程度，这些条目的权重从11 到100 分不等。 计算压力指数总分，总分越高，表示个体承受的精神压力越大。 其中，＜150 分为轻度压力、150～299 分为中度压力、＞300 分为重度压力。

随着信息技术的快速发展，“互联网+”已经渗透到社会生活的各个方面，“互联网+教育”已经成为当前教育发展的新模式。这种新模式既改变了传统的教与学的过程以及教师的主体地位，也改变了高校的教育管理与决策。在此背景下，教师面临着新的课题和挑战：信息技术、大数据、微课、慕课、云技术的出现等，大有颠覆传统课堂、迎来课堂教学革命的势头。因此，作为高校教师，必须在教学方式和方法上与时俱进，不断更新自己的专业知识和能力，否则就会被时代所淘汰。

1.2.6 匹兹堡睡眠指数量表 （Pittsburgh Sleep Quality Index Scale, PSQI） 由Buysse 等

于1989年编制，用于评估睡眠好、睡眠差的人群和抑郁症患者，内部一致性信度为为0.83。 刘贤臣等于1996 年汉化后评估正常成人、大学生、失眠症、抑郁症和神经症的人群。该量表为自评量表，共18 个条目，分为7 个维度，即睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物和日间功能障碍。 每个维度计0～3 分，总分为0～21 分，得分越高，表示受试者的睡眠质量越差。 该量表在本研究正式调查中的Cronbach α 系数为0.743。

3.1 本组精神分裂症患者复发影响因素

1.2.7 简明精神病量表 （Brief Psychiatric Rating Scale, BPRS） 由Overall 和Gorham

于1962 年编制， 用于评定精神分裂症患者的症状严重程度及复发情况，各条目评测者间信度为0.56～0.87，陈佩璋等于1982 年汉化。 该量表为他评量表，本研究采用其中的概念紊乱、 幻觉和不寻常的思维内容3 个条目来衡量复发

。 当满足以下任何一项都可以定义为复发：（1）1 个条目为5 分时， 其他2 个条目中的任何1 个条目得分增加2 分；（2）3 个条目中的任何1 个条目为5 分并且持续时间不少于14 d；（3）任何1个条目得分达到6 或7 分。

1.3 调查方法 本研究团队由1 名有10 年以上临床经验的精神科医生和1 名精神科临床护士组成。所有人均接受过筛选标准、问卷内容、指导语、评估顺序和评估方法方面的统一培训。在研究之前，根据纳入排除标准对精神分裂症患者进行筛查， 然后由精神科医生判定患者的复发情况及症状的严重程度。 研究人员向符合要求的受试对象解释研究的内容和意义，征得其知情同意并签署同意书后，完成问卷的填写。 问卷包括2 部分：（1）一般资料调查表在受试对象填写后再通过查阅病历系统检查核实；（2）服药依从性、社会支持、应激生活事件、睡眠质量量表由受试者自行填写；自知力与治疗态度问卷为他评量表，由研究人员访谈患者后评分。 共发放问卷400份，回收有效问卷385 份，有效回收率为96.3%。

2 结果

2.1 一般资料 385 例精神分裂症患者，年龄（30.13±9.87）岁；其中，男性198 例（51.4%），女性187 例（48.6%）； 居住地多为城市，236 例（61.3%）；116 例（30.1%）有配偶；受教育年限：<9 年113 例（29.4%），9～12 年133 例（34.5%），＞12 年139 例（36.1%）；职业类型：无工作183 例（47.5%），脑力劳动者92 例（23.9%），体力劳动者110 例（28.6%）；家庭人均月收入：＜1 000 元63 例（16.4%），1 000～3 000 元149 例（38.7%）；＞3 000 元173 例（44.9%）；病程：＜5 年192例（49.9%），≥5 年193 例（50.1%）；抗精神病药用药情况：无用药25 例（6.5%），单一用药118 例（30.6%），联合用药242 例（62.9%）；58 例（15.1%）有精神疾病家族史。

是的，他知道，刚才被拍下的那名少女，并非他的顾客，但他迟疑了一下，还是报出四张照片的价钱。他每个月都要来湖村给人拍照，这几个姑娘算得上他的熟客，而名叫夏小凡的，每次都跟着，不远不近，好像是看热闹，又好像对拍照这回事，充满好奇与渴望。也许是没钱，也许是害臊，她从未露出只言片语，请他替她拍一张。

2.3.5 二分类Logistic 回归模型与BP 神经网络模型性能比较 采用灵敏度、 特异度、 约登指数和ROC 曲线来衡量模型的性能。 灵敏度和特异度取值越接近1 则效果越好。 ROC 曲线以灵敏度为纵坐标，以（1-特异度）为横坐标，其曲线下面积（AUC）的取值>0.7 时诊断价值较高，AUC 越大则效果越好。 本训练集中，BP 神经网络模型预测准确性（85.5%）和灵敏度（81.9%）均低于Logistic 回归模型的预测准确性（85.9%）和灵敏度（85.9%），而BP 神经网络模型的特异度（90.0%）和约登指数（0.719）均高于Logistic回归模型的特异度（85.8%）和约登指数（0.717）。 在测试集中，BP 神经网络模型的预测准确性（87.1%）、特异度（89.4%）和约登指数（0.734）均高于Logistic回归模型的预测准确性（84.5%）、特异度（81.8%）和约登指数（0.698），而Logistic 回归模型灵敏度高于BP 神经网络模型灵敏度。 Logistic 回归模型AUC 为0.934 高于BP 神经网络模型的AUC 0.921。 见表5、表6、图2、图3。

单因素分析结果显示：不同性别、年龄、居住地、配偶状态、受教育年限、职业类型、家庭人均月收入、用药情况、 病程的精神分裂症患者， 其复发情况比较，差异均无统计学意义（P＞0.05）；不同精神疾病家族史、自知力与治疗态度、睡眠质量、应激生活事件、服药依从性和社会支持的精神分裂症患者， 其复发情况比较，差异均有统计学意义（P＜0.05）。 见表1。

我说，且不说他们一下子拿不出那么多钱，就算勉强拿得出，我也不能逼他们拿。老人家存点钱容易吗？咱们怎么能不顾他们的感受？

2.3 精神分裂症复发影响因素分析

在第三学段，（1）概念引入，6个版本均由生活素材引入概念，其中冀教版和青岛版在生活素材和抽象概念之间有“数学化”的过渡内容．（2）概念描述，6个版本均给出概念的文字定义，并结合平行四边形图形说明概念的符号表示方法．特别地，北京版和青岛版结合图形，以符号语言阐释了定义．（3）概念应用，6个版本均将平行四边形定义应用于部分性质、判定及相关例题的证明．

2.3.1 本组精神分裂症患者复发影响因素的二分类Logistic 回归分析 以精神分裂症患者是否复发为因变量（复发=1，非复发=0），以单因素分析中有统计学意义的6 个变量（精神病家族史、自知力与治疗态度、睡眠质量、服药依从性、社会支持、应激生活事件）为自变量，进行二分类Logistic 回归分析。 结果显示，有精神病家族史、中重度应激生活事件、部分自知力、 睡眠质量是精神分裂症患者复发的危险因素（P＜0.05）；服药依从性、社会支持是精神分裂症复发的保护性因素（P＜0.05）。 见表2。

3.1.3 社会支持 本研究BP 神经网络模型的结果显示， 社会支持是精神分裂症复发的影响因素；Logistic 回归分析结果显示，社会支持水平高是精神分裂症复发的保护性因素。 这可能是由于有效的社会支持系统可以降低精神分裂症患者的孤独感，并增强耐受、应付应激事件的能力，能够逐渐适应并参与社会。而目前社会对精神分裂症的认识并不足，患者所获得的社会支持往往较低， 容易受到周围人群及其社会的偏见和歧视，具体表现为学业、就业、婚姻等方面，患者会有很强的感知病耻感、自我效能感降低、自信心缺乏和社会退缩等表现

，这些会给患者造成严重的心理负担，因此对患者造成不良应激，增加疾病复发的可能。

2.3.3 训练集与测试集精神分裂症患者的一般资料比较 单因素分析结果显示：不同性别、年龄、配偶状态、受教育年限、职业类型、家庭人均月收入、病程、 用药情况、 精神疾病家族史的精神分裂症患者，其训练集与测试集比较，差异均无统计学意义（P＞0.05）；只有不同居住地的精神分裂症患者，其训练集与测试集比较，差异有统计学意义（P＜0.05）。见

2.3.4 精神分裂症复发影响因素的重要性排序 在BP 神经网络模型输出中进行自变量重要性分析，结果显示， 按疾病复发影响因素重要性排序依次是自知力和治疗态度、服药依从性、社会支持、睡眠质量、应激生活事件、精神疾病家族史。 见表4。

2.2 本组精神分裂症患者复发情况及不同特征精神分裂症患者复发情况的比较 本组385 例精神分裂症患者， 根据简明精神病评定量表进行复发判定

，199例为复发。根据是否复发分为2 组，其中复发组199 例（51.7%），非复发组186 例（48.3%），比较2 组精神分裂症患者的一般资料及自知力和治疗态度、睡眠质量、应激生活事件压力、服药依从性和社会支持的差异。

3 讨论

青岛理工大学[1]对本科层次的汽车拆装实训进行了深入探讨，并对该课程专科与本科不同层次的教学进行了对比分析，认为本科层次的教学应由“术”提升到“法”的层面。

1.2.3 自知力与治疗态度问卷（Insight and treatment attitude questionnaire, ITAQ） 由McEvoy 等

于1989 年编制，用于评估精神分裂症患者对疾病的认识和治疗态度。 张敬悬等于1994 年汉化。 该量表为他评量表，共11 个条目，从没有认识至全部认识分别赋值0～2 分。总分为0～22 分，其中0 分代表无自知力，1～11 分代表存在部分自知力，12～21 分代表存在大部分自知力，22 分代表存在完全自知力。 该量表本研究正式调查中的Cronbach α 系数为0.855。

3.1.2 服药依从性 本研究BP 神经网络模型的结果显示， 服药依从性是精神分裂症复发重要的影响因素；Logistic 回归分析结果显示， 服药依从性好是精神分裂症复发的保护性因素。究其原因，目前精神分裂症院外治疗主要以药物治疗为主， 部分精神分裂症患者自我感觉良好，自觉病情已经改善，自行减少用药剂量，或认为持续用药对机体会有不良反应，所以在病情得到控制后自行减药； 部分患者因为医嘱中药物价格过高而自行更换为价格较低的同类型药物，导致药效降低；也有患者认为自身病情已经完全缓解，完全可以正常工作生活，认为药物长期使用对身体会有不良影响，所以自行停止用药

。

2.3.2 BP 神经网络模型的建立 以精神分裂症患者复发状况为输出变量， 以单因素分析中有统计学意义的精神病家族史、 自知力与治疗态度、 睡眠质量、服药依从性、社会支持、应激生活事件6 个变量为输入变量，以269 例样本为训练集、116 例样本为测试集进行BP 神经网络模型拟合。 隐藏层数为1，其中包含3 个节点H(1:1)、H(1:2)和H(1:3)，激活隐藏层函数为双曲正切函数， 激活输出层函数为Softmax 函数。 见图1。

3.1.4 睡眠质量 本研究BP 神经网络模型的结果显示， 睡眠质量是精神分裂症复发的影响因素；Logistic 回归分析结果中，睡眠质量差是精神分裂症复发的危险因素。 这可能是因为精神分裂症患者常伴有焦虑、抑郁、紧张等负面情绪，也会存在感知觉障碍、思维障碍和情感障碍的症状，这些负面情绪和症状不仅影响患者的预后， 还会引起患者出现入睡困难、睡眠浅、睡眠过程中易惊醒等多种睡眠障碍症状

，而长期睡眠障碍也会导致患者大脑功能紊乱、加重患者负面情绪，以此恶性循环，增加了疾病复发的可能性。

她低着头站在角落里，刘海混合着汗水弯弯曲曲地贴在额头上，偌长的漆黑睫毛盖过眼睛，她紧抿着嘴唇，饱满的双唇似乎过度隐忍着情绪，呈现出神秘的紫色，白大褂被扯破了大半，似一张哭泣的人脸，狼狈不堪。

3.1.5 应激生活事件 在本研究中，BP 神经网络模型结果显示应激生活事件是疾病复发的影响因素；Logistic 回归分析结果显示以受到轻度应激水平的患者为参照， 受到中度和重度应激水平的患者复发可能性分别是其3.144 倍和14.075 倍。 分析可能原因是精神分裂症患者患病后由于疾病对其思维方式、情感、行为模式有影响，患者的精神状态处于薄弱状态，同时，患者与外界沟通减少，对生活、工作缺乏信心，对各种事件的适应性下降，如失业、丧偶、亲人病故、家庭矛盾、同事矛盾、朋友矛盾等，对刺激的承受力也下降，常见的症状表现为狂躁、焦虑、抑郁等不良情绪

，使得患者身心经常处于应激状态，且无法采用正确的方式面对及处理， 最后积累的应激事件越多，疾病就越容易复发。

“众人拾柴火焰高”，各种场所一些错误的公示语可能无意中被英语爱好者看到，他们可以去管理部门反映问题所在。同时管理部门给予适当的奖励，激发英语专业人士的热情。

3.1.6 精神疾病家族史 在本研究BP 神经网络模型结果显示， 精神疾病家族史是疾病复发的影响因素；Logistic 回归分析结果显示以无精神疾病家族史的患者为参照， 有精神疾病家族史的患者复发可能性是其6.942 倍。 遗传因素在精神分裂症的发病和复发中起了重要作用，这与下丘脑体积大小有关，下丘脑主要调节进食、性行为、愤怒和应激反应，精神分裂症患者的非精神病一级亲属的下丘脑体积明显较大，因此患者的下丘脑体积明显比常人大，且在多次复发的精神分裂症患者中表现更明显

。

3.2 二分类Logistic 回归模型和BP 神经网络模型预测结果对比 总体来说本研究中两种模型比较结果相差不大， 在训练集中，BP 神经网络模型在预测准确性和灵敏度方面低于Logistic 回归模型， 在特异度和约登指数方面高于Logistic 回归模型； 在测试集中，BP 神经网络模型在预测准确性、 特异度和约登指数高于Logistic 回归模型，在灵敏度方面低于Logistic 回归模型；根据ROC 曲线下面积得到Logistic回归预测模型稍优于BP 神经网络模型。 这与多数研究结果不一致， 在预测慢性阻塞性肺疾病的应用研究中得到BP 神经网络模型效果优于Logistic 回归模型

的结果，且张丹丹等

利用2 种模型预测儿童急性淋巴细胞白血病患病风险的研究， 得到BP神经网络模型效果更好的结论。 以上研究结果与本研究结果不一致， 可能是由于不同抽样方法引起的抽样误差不同， 以及不同地区和不同疾病所得到的结果均有可能不同。

实验取选矿废水3桶，经检测其COD浓度范围为50～60mg/L，pH为7左右，并且无重金属无硫化物超标。分别在桶密闭、桶自然敞口、桶内持续曝气等三种环境下进行，定时检测桶内水的COD浓度变化情况。

4 本研究局限性

本研究的局限之处在于：（1）纳入的患者只来自一个地区一家医院，不具有代表性，未来研究对象可以从多个地区多家医院进行选择；（2）调查是以问卷和访谈的形式进行的， 同时调查的内容是患者从填写问卷当天到之前一段时间的情况， 因此可能存在回忆偏倚；（3）由于研究时间的限制，无法确定前因后果之间的时间关系， 今后的研究可以从事件与相关因素之间的关系这方面进行前瞻性研究。（4）在研究中未得到BP 神经网络模型整体性能优于Logistic回归分析模型的结果， 未来的研究中还应增加样本量，保证研究的准确性。

[1] Alvarez-Jimenez M, Priede A, Hetrick SE, et al. Risk Factors for Relapse Following Treatment for First Episode Psychosis: A Systematic Review and Meta-analysis of Longitudinal Studies[J]. Schizophr Res, 2012, 139(1-3):116-128.DOI:10.1016/j. schres.2012.05.007.

[2] 刘东玮,杨丽艳,周郁秋.精神分裂症患者精神残疾严重程度预测因素分析[J].护理学报, 2019, 26(16):1-5.DOI:10.16460/j.issn1008-9969.2019.16.001.

[3] 杨浩明,马培栋,丁红运. 精神分裂症患者服药依从性和恢复期复发的影响因素及预防[J].中国健康心理学杂志,2021,29(6):816-821. DOI:10.13342/j.cnki.cjhp.2021.06.004.

[4] 唐雨萌,张岚,李茜,等.神经网络模型和logistic 回归在预测慢性阻塞性肺疾病中的应用研究[J].公共卫生与预防医学,2021,32(2):12-16.DOI:10.3969/j.issn.1006-2483.2021.02.003.

[5] 田娟,朱姝婧,陆强,等. 基于BP 神经网络预测儿童甲状腺疾病的模型研究[J]. 中国医学物理学杂志, 2020,37(10):1340-1344.DOI:10.3969/j.issn.1005-202X.2020.10.022.

[6] 李小强,莫淼,吴菲,等.基于问卷调查的上海女性乳腺癌人工神经网络预测模型[J].肿瘤,2018,38(9):883-893. DOI:10.3781/j.issn.1000-7431.2018.33.163.

[7] 范肖冬,汪向东,于欣等译.ICD-10 精神与行为障碍分类[M].北京:人民卫生出版社,1993:7-9.

[8] 沈渔邨.精神病学[M].5 版.北京:人民卫生出版社,2009:512-517.

[9] 张开国,黄安延,黄燕虹.首发住院精神分裂症患者未治疗期的影响因素及其与临床疗效的相关性研究[J].国际精神病学杂志,2020,47(2):262-266. DOI:10.13479/j.cnki.jip.2020.02.021.

[10] Thompson K, Kulkarni J, Sergejew AA. Reliability and Validity of a New Medication Adherence Rating Scale(MARS) for the Psychoses[J]. Schizophr Res, 2000,42(3):241-247. DOI:10.1016/s0920-9964(99)00130-9.

[11] McEvoy JP, Apperson LJ, Appelbaum PS, et al. Insight in Schizophrenia.Its Relationship to Acute Psychopathology[J].J Nerv Ment Dis,1989,177(1):43-47.DOI:10.1097/00005053-198901000-00007.

[12] 肖水源.《社会支持评定量表》的理论基础与研究应用[J].临床精神医学杂志,1994,4(2):98-100.

[13] Holmes TH, Rahe RH. The Social Readjustment Rating Scale[J]. J Psychosom Res, 1967,11(2):213-218. DOI:10.1016/0022-3999(67)90010-4.

[14] Buysse DJ, Reynolds CF, Monk TH, et al. The Pittsburgh Sleep Quality Index: A New Instrument for Psychiatric Practice and Research[J]. Psychiatry Res, 1989,28(2):193-213. DOI: 10.1016/0165-1781(89)90047-4.

[15] Overall JE, Gorham DR. The Brief Psychiatric Rating Scale[J]. Psychological Reports, 1962,10(3):799-812. DOI:10.2466/pr0.1962.10.3.799

[16] Ventura J, Nuechterlein KH, Green MF, et al. The Timing of Negative Symptom Exacerbations in Relationship to Positive Symptom Exacerbations in the Early Course of Schizophrenia[J]. Schizophr Res, 2004,69(2-3):333-342.DOI:10.1016/s0920-9964(03)00096-3.

[17] 张子旬. 湖北地区精神分裂症患者康复现状及其影响因素分析[D]. 武汉:武汉科技大学,2020.

[18] 马玉娟,鲁陆,邓永宜. 门诊精神分裂症患者服药依从性的相关因素研究[J]. 检验医学与临床,2017,14(16):2405-2407. DOI:10.3969/j.issn.1672-9455.2017.16.027.

[19] 巫秋玲,唐秋碧. 精神分裂症病人病情复发与社会支持的研究[J]. 全科护理,2017,15(28):3470-3472. DOI:10.3969/j.issn.1674-4748.2017.28.006.

[20] 王兆平. 精神分裂症患者睡眠障碍发生情况及其影响因素探讨[J]. 世界睡眠医学杂志,2020,7(2):361-362. DOI:10.3969/j.issn.2095-7130.2020.02.074.

[21] 徐孟松,符彬,邹军辉. 精神分裂症患者治愈后复发的相关影响因素调查分析[J]. 中国农村卫生事业管理,2017,37(12):1553-1555. DOI:10.3969/j.issn.1005-5916.2017.12.055.

[22] Goldstein JM, Seidman LJ, Makris N, et al. Hypothalamic Abnormalities in Schizophrenia: Sex Effects and Genetic Vulnerability[J]. Biol Psychiatry,2007,61(8):935-945. DOI:10.1016/j.biopsych.2006.06.027.

[23] 张丹丹,赵亮,曾强,等. 神经网络模型在儿童ALL 患病风险预测中的应用[J]. 公共卫生与预防医学, 2018,29(4):76-79. DOI:10.3969/j.issn.1006-2483.2018.04.020.