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］。……