李纯净，丁 雪，李 芸，屈红雁

(长春工业大学 数学与统计学院， 吉林 长春 130012)

0 引 言

糖尿病是以高血糖为特征的终身性、代谢性疾病，近年来，糖尿病的患病人数大幅增多。据国际糖尿病联盟(International Diabetes Fed-eration， IDF)报告[1]，2017年全世界有4.51亿的糖尿病患者，其中约有500万人死于糖尿病，年龄在60岁以下的占36.5%[2]。糖尿病死亡率上升的一个重要原因是并发症导致的，因此,研究糖尿病并发症的发展机理及其影响因素十分重要。

糖尿病并发症的预测模型最早是由英国Robert Turner[3]于1998年对Ⅱ型糖尿病的不同治疗进行多中心随机治疗研究中提出的糖尿病预测模型(UKPDS Models)。常用的最基本Logistic回归模型用于筛选糖尿病患者，由Tabaei B P等[4]提出。Cederholm J等[5]建立Cox回归模型检测指标和糖化血红蛋白。

国内对糖尿病的研究起步比较晚。2006年李戈[6]利用Logistic回归筛选变量建立了预测糖尿病并发症的学习向量量化神经网络模型。2008年刘奇才等[7]运用人工神经网络方法科学预测糖尿病患者并发症的发展趋势。临床数据大多数是删失数据，对于这一类型的数据，常用的Cox模型是对风险率进行建模，部分线性模型则针对生存时间进行建模。

文中采用糖尿病临床数据为右删失数据，所以采用部分线性模型处理相对操作简单，且估计精确[7]。利用部分线性模型对糖尿病数据进行统计分析，主要探究糖尿病并发症----心血管疾病的发展机理及其影响因素。相比于其他模型，部分线性模型主要由两部分组成，即线性部分和非线性部分，这是部分线性模型的主要优点。……