| 摘要 | 第4-8页 |
| Abstract | 第8-13页 |
| 英文缩略语 | 第14-19页 |
| 第一部分：骨密度与肾脏功能指标血清尿酸和e GFR关系的横向研究 | 第19-36页 |
| 1 前言 | 第19-21页 |
| 2 材料及方法 | 第21-24页 |
| 2.1 研究对象 | 第21页 |
| 2.2 研究方法 | 第21-24页 |
| 2.2.1 基础数据收集 | 第21-22页 |
| 2.2.2 骨密度检测 | 第22页 |
| 2.2.3 血液生化检测和估计的肾小球滤过率 | 第22-23页 |
| 2.2.4 统计学方法 | 第23-24页 |
| 3 结果 | 第24-30页 |
| 3.1 不同骨密度组临床资料和血液生化指标的比较结果 | 第24-25页 |
| 3.2 肾脏指标与临床资料和其他血液生化指标间的关系 | 第25-27页 |
| 3.3 LBMD与肾脏指标e GFR和SUA间的多元线性回归分析 | 第27-28页 |
| 3.4 以LBMD降低（包括骨密度减少和骨质疏松症）为因变量的二元Logistic回归分析 | 第28-30页 |
| 4 讨论 | 第30-35页 |
| 5 结论 | 第35-36页 |
| 第二部分：基于人群建立BP神经网络模型对骨密度变化进行预测探讨 | 第36-52页 |
| 1 前言 | 第36-38页 |
| 2 材料和方法 | 第38-42页 |
| 2.1 研究对象 | 第38页 |
| 2.2 实验材料和设备 | 第38页 |
| 2.3 研究方法 | 第38-40页 |
| 2.3.1 基础数据收集 | 第38-39页 |
| 2.3.2 骨密度检测 | 第39页 |
| 2.3.3 血液生化检测和估计的肾小球滤过率 | 第39页 |
| 2.3.4 酶联免疫吸附试验ELISA法检测 | 第39-40页 |
| 2.4 指标及量化 | 第40页 |
| 2.5 人工神经网路模型建立 | 第40-41页 |
| 2.5.1 样本分组 | 第40页 |
| 2.5.2 建立BP神经网络模型 | 第40页 |
| 2.5.3 训练BP神经网络模型 | 第40-41页 |
| 2.6 统计学方法 | 第41页 |
| 2.7 质量控制 | 第41-42页 |
| 3 结果 | 第42-47页 |
| 3.1 非条件单因素Logistic回归对预测骨质疏松评价指标的筛选 | 第42-43页 |
| 3.2 非条件多因素Logistic回归模型对是否是骨质疏松症进行预测 | 第43-44页 |
| 3.3 建立BP神经网络模型 | 第44-45页 |
| 3.3.1 利用BP神经网络模型进行预测 | 第44-45页 |
| 3.4 Logistic回归模型与BP神经网络模型对是否是骨质疏松症进行预测结果比较 | 第45-47页 |
| 3.4.1 预测结果的比较 | 第45页 |
| 3.4.2 ROC曲线面积比较 | 第45-47页 |
| 4 讨论 | 第47-51页 |
| 5 结论 | 第51-52页 |
| 本研究创新性的自我评价 | 第52-53页 |
| 参考文献 | 第53-62页 |
| 综述 | 第62-74页 |
| 参考文献 | 第69-74页 |
| 攻读学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 个人简介 | 第76页 |
