邱泓文謝恩綺2026-06-112026-06-112015-06-17https://203.71.86.71/handle/123456789/57236學位別：碩士 語文別：中文 指導教授：邱泓文 共同指導教授： 口試委員：邵于宣;張資昊 中文關鍵字：Guillain-Barré症候群;邏輯斯回歸;類神經網路 英文關鍵字：Guillain-Barrésyndrome;Logistic regression;Artificial neural network背景:Guillain-Barré 症候群是一個罕見的疾病,發病前期會出現上呼 吸道感染或腸胃炎的症狀,發病後會出現複視、四肢麻木無力。確診 Guillain-Barré 症候群,進行血漿換置術或靜脈注射免疫球蛋白,將近 80%病患於就診治療後完全恢復,10%-20%病患會留下永久性神經後 遺症,5%-10%病患會惡化衰竭死亡。 方法:研究應用邏輯斯回歸與類神經網路,建構 Guillain-Barré 症候 群預後之預測模型,並使用卡方檢定與 T 檢定分析預測因素與預後恢 復之相關性。 結果:研究樣本中,72 位 Guillain-Barré 症候群病患,共有 60 位預後 表現良好,預後恢復率達八成。預測因素分析結果,使用呼吸器輔助 與下肢 MRC 肌力評分為影響預後恢復的顯著性因素。應用邏輯斯回 歸方法建立預測模型,所有可能回歸法建立預測模型,預測準確率達 0.944,逐步選取回歸法建立預測模型,預測準確率達 0.93。研究樣 本經過調整,應用類神經網路方法建立預測模型,挑選測試組預測表現 100%的所有特徵值模組,預測準確率達 1,挑選測試組預測表現 96%的顯著特徵值模組,預測準確率達 0.858。研究後期將呼吸器輔 助之干擾變項移除,重新配適預測模型,其預測表現明顯下降。 結論:綜合比較四組模型,在選入預測因子之建模方法上,均呈現選 入所有預測因子之模型預測表現,優於選入顯著預測因子之模型預測 表現,在配適訓練預測模型之分析方法上,又以類神經網路分析方法, 建構之所有特徵值模組之預測表現最好。系所名稱：醫學資訊研究所thesis