主成分改进的Logistic回归方法探讨及其应用

目的探讨使用主成分分析处理Logistic回归中共线性问题的方法及其在医学科研中的应用。方法采用多重线性回归中的共线性诊断方法诊断Logistic回归模型的共线性，使用主成分分析处理Logistic回归中的共线性问题，全部计算采用SAS软件。结果在216例高血压脑出血患者的预后影响因素分析中，使用主成分改进的Logistic回归，各估计系数的标准误均有所减小，提示模型结构较为稳定，其结果的可靠性更高。结论使用主成分改进的Logistic回归进行多重共线性的诊断和处理是有效及可行的。     

Logistic回归模型多重共线性诊断及在医学中的应用

介绍医学研究中适用的几种诊断Logistic回归模型共线性的方法,并进行拟合分析,结果表明,诊断方法确能有效发现自变量观察矩阵之间的多重共线性,便于医学研究者正确合理地建立Logistic回归模型,提高结果的可靠性。     

早期可疑异位妊娠经阴道超声的多因素分析

目的探讨经阴道超声检查（TVS）结合多变量Logistic回归分析法对早期异位妊娠（EP）的诊断价值。方法运用TVS检测和观察97例确诊的早期EP患者的子宫内膜厚度、对称性、回声、形态等二维声像图特征,进行单、多因素Logistic回归分析和ROC曲线分析,找出有意义的变量和建立预测方程。结果子宫内膜三线状改变及内膜厚度≤9mm是有意义的超声诊断变量,OR值分别为299.59和34.139,多变量Logistic预测方程的建立比单独应用单一变量拥有更大的曲线下面积,能够更好地鉴别诊断EP。结论TVS对EP的早期诊断敏感性较高。TVS结合多变量Logistic回归分析能克服用单一变量指标作为诊断和鉴别诊断标准时敏感性较低的问题,能更准确地预测EP。     

剪切波弹性成像在甲状腺结节良恶性鉴别诊断中的Logistic回归分析

目的 应用Logistic回归模型评价剪切波弹性成像(SWE)技术在甲状腺结节良恶性鉴别诊断中的价值。方法 对239例患者行常规超声及SWE检查,建立Logistic回归模型,绘制ROC曲线,评价回归模型的预报准确性,通过比较各超声特征变量的似然比,评价SWE技术在甲状腺结节良恶性中的鉴别诊断价值。结果 经过Logistic回归分析,进入回归模型有统计学意义的超声特征变量包括边界、钙化、弹性模量最大值(Emax)及平均值(Emean)。Logistic回归模型对甲状腺结节定性诊断正确率为91.60%,敏感性为92.90%,特异性为89.90%。结论 SWE对甲状腺结节的良恶性鉴别诊断有价值。     

Logistic回归分析在心肺复苏预后中的应用研究

目的探究Logistic凹归分析在心肺复苏预后中的应用。方法将161例患者随机分为两组,分析组120例,验证组41例,先进行单变量的分析,分析对预后有影响的每个变量,P〈0．01表明存在统计学差异。继而使用Logistic对单变量分析有意义的变量进行多变量分析,计算出每个因素的OR值和独立影响因素。结果Logistic回归分析预测造成复苏失败的凶素有年龄、基础病、停跳原因、初始心电图。结论Logistic回归分析是一种研究心肺复苏预后较好的方法,使得预测模型更为方便和简单。     

临床医学研究中的统计知识概述(八)

12．4 Logistic回归 Logistic回归是分析疾病与致病因素间联系的统计方法，是以疾病发生概率为应变量，影响疾病发生因素为自变量的回归分析方法，应变量可以是两类或多类变量。     

基于集成学习算法构建前列腺癌预测模型

目的：利用机器学习算法建立前列腺癌诊断预测模型,为前列腺癌患者的穿刺术前诊断提供参考。方法：收集2017年1月-2018年12月中国医科大学附属盛京医院泌尿外科接受前列腺穿刺的255例患者的临床信息作为变量,采用Logistic多因素分析、信息增益率两种方法筛选研究变量,应用十折交叉验证划分训练集和测试集,采用多种机器学习算法（RF,SVM,Logistic,Naive Bayes）建立前列腺癌诊断模型,收集2019年1-6月的75例患者作为验证集,进一步评估模型性能和临床应用的可能性。结果：应用信息增益率筛选变量所建立的模型性能优于Logistic多因素回归分析。在4种机器学习算法中,Naive Bayes算法AUC最高,在试验集和验证集上分别为0.826和0.797。RF算法的Precision最高,在试验集和验证集上分别达到0.839和0.791。结论：基于前列腺穿刺患者的多种临床信息,通过机器学习方法建立诊断预测模型具有较高的准确率,能够为前列腺癌的诊断提供一定参考。     

单核苷酸多态性数据的卡方及Logistic回归分析在SPSS统计软件中的实现

目的用SPSS11·0(statistical package fou social sciences)分析软件对贲门癌抑癌基因Ras相关区域家族1A多态性资料进行卡方分析,并用logistic回归分析计算不同基因型的优势比(odds ratio),以期为采用二分类因变量实验设计模型的临床与基础科研工作者提供可借鉴的统计学分析方法。方法应用SPSS11·0中二分类Logistic回归分析方法对病例-对照研究资料进行二值多元(非条件)Logistic回归分析。用单因素分析对自变量进行筛选,再对有显著性意义的自变量做多因素Logistic回归分析。结果可以得到影响患病与否的自变量,并可得到相应修正后的危险度。结论遗传学研究中的基因单核苷酸多态性(SNP)数据,属于因变量为分类变量的多变量资料,可归结于统计中的病例-对照研究资料,可以用Logistic回归分析探究其多态性意义,同时还可进行不同基因型危险度分析。应用SPSS统计软件易于实现该类数据的统计分析。     

甲状腺微小乳头状癌彩超征象危险因素的Logistic回归分析

目的:探讨甲状腺微小癌的超声诊断危险因素与临床价值。方法:以手术病理结果为金标准,对术前行超声检查的123个甲状腺微小结节患者进行Logistic回归分析,筛选出与甲状腺微小癌相关度较高的超声特征参数,并建立Logistic回归方程。结果:Logistic回归分析显示最后进入方程模型的4个参数分别为形态不规则、边界模糊、内部低回声、内部微小钙化,它们与甲状腺微小癌有较高相关性(P<0.05)。结论:以形态、边界、内部钙化与结节内部回声4个诊断参数变量建立的Logistic回归模型有助于甲状腺微小癌的早期诊断。     

用Logistic回归分析评价肝癌筛检模式

目的：评价肝癌高危人群周期性筛检模式的效益。方法：将筛检史变量应用因子模型中主成分法转化成彼此独立的综合指标，然后用Logistic回归模型分析综合指标对肝癌病例生存期的影响。结果：3个综合指标均进入Logistic回归模型。结论：该筛检模式可以比临床提早发现病例，这些病例如得到及时治疗，其生存期有望延长。     

甲状腺结节的超声声像图多元回归分析

目的:探讨超声多元参数对甲状腺良恶性结节判别的意义,以筛选鉴别结节良恶性的敏感指标。方法:对301个经病理确诊甲状腺结节的超声声像图参数进行多元逐步回归分析。结果:经逐步回归的多变量二分类Logistic回归分析,引入方程的4个超声检查指标包括结节是否伴有微小钙化、结节内部回声、包膜的完整性以及结节的边界。结论:以超声特征诊断甲状腺结节的Logistic回归模型有助于鉴别甲状腺良、恶性病变。     

影响颅内血肿微创清除术治疗高血压脑出血的远期疗效及预后分析

目的探讨颅内血肿微创清除术治疗高血压脑出血预后的因素。方法107例高血压脑出血患者接受微创术以6个月时Barthel(BI)评分作为疗效标准,分为二组,预后良好组BI>60分,预后不良组BI≤60分或死亡,对影响疗效的因素进行统计学分析。结果单因素分析显示出血量、出血破入脑室、发病-手术时间是影响预后的独立预测因素。结论出血量、出血破入脑室、发病-手术时间是影响预后的独立危险因素。     

血清PSA水平联合患者年龄及直肠超声特征的Logistic回归模型对前列腺癌的预测

目的探讨血清PSA水平联合患者年龄及直肠超声特征的Logistic回归模型对前列腺癌的预测价值。方法分析本院386例前列腺疾病患者的临床检查资料,以穿刺病理检查为确诊标准。对血清PSA水平联合患者年龄及直肠超声检查结果与穿刺病理结果进行统计分析,建立相关Logistic回归模型。结果血清PSA水平联合患者年龄及直肠超声特征的Logistic回归模型对前列腺癌的诊断准确度、特异度及敏感度分别为85．37％、93．51％及65．40％,阳性预测值及阴性预测值分别为83．74％及85．35％。结论血清PSA水平联合患者年龄及直肠超声特征的Logistic回归模型对前列腺癌的诊断预测结果较好,可提高前列腺癌的诊断率。     

偏最小二乘回归及其应用

目的：研究用于多重共线性严重，尤其解释变量个数多、样本量少数据资料的一种新的稳健统计分析方法：偏最小二乘(partial least square,PLS)．方法：采用实证方式比较PLS与一般最小二乘(ordinary least square,OLS)逐步回归的优劣．结果：实例分析表明，PLS对数据的拟合度和预测精度均优于另一个常用于处理多重共线性的统计方法：OLS逐步回归．结论：PLS是一种数据“软”建模的稳健统计方法．它无需剔除任何解释变量或样本点，具有简单稳健、易于定性解释、预测精度较高等优点，通常用于数据探索性分析，或处理多重共线性严重资料，尤其当解释变量个数宏、样本量小时很有效；其缺点主要是无法对解释变量与反应变量之间的关系作出精确的定量解释．     

Logistic回归与ROC曲线分析应用于急性白血病初诊

目的运用logistic逐步回归与ROC曲线分析对白血病中不同项目缮合进行统计，建立急性白血病的初诊方程，以提高其诊断的准确性和特异性。方法本院初诊的白血病患者同步测定WBC、PLT、LDH、HGB，并统计每患者造血三系的变化（有一系异常则为VI，两系异常则为VII，三系异常则为VIII），采用logistic逐步回归，筛选鉴别诊断急性血液病中的相关指标，对不同组合进行综合分析，通过ROC曲线分析临床性能，最后得相应的数学模型即回归方程。结果LDH、WBC、PLT、VIII得出的方程是：P=1／[1＋e^-（-3.451x＋0.005xl＋0.108x2-0.08x3＋2.016x4）]，其灵敏度为84．6％，特异度为92．3％。结论运用ROC曲线和logistic回归综合分析不同项目组合简单有效，大大提高了诊断的科学性、准确性。     

配对Logistic回归及其QUICK BASIC语言程序应用初步研究

本文以实例介绍QUICK BASIC语言支持下配对Logistic回归分析程序的应用及其特点,并对资料的设计要点、收集与编制供电子计算机分析用的资料整理表提出了要求。讨论,并提出了一次研究中配对对子需80～100对,其可疑危险因素(即变量个数)宜控制在30个以内,此外、强调了非定量资料数量化问题应趋向于统一的取值依据。     

食管贲门癌术后急性呼吸衰竭的危险因素分析

目的探讨导致食管癌和贲门癌术后发生急性呼吸衰竭（ARF）的危险因素。方法收集海南省人民医院自2000年以来手术治疗的204例食管癌和贲门癌患者的临床资料,采用单因素和多因素Logistic回归分析方法分析,筛选出可能导致食管癌和贲门癌术后发生ARF的危险因素。统计分析采用SPSS11.5软件,P〈0.05为差异有统计学意义。结果术前有肺部合并症、术前合并糖尿病、术前肺功能中重度损害、手术持续时间〉4h、术后二次开胸手术五个变量的偏回归系数分别为：1.633、2.381、3.185、1.610、4.827（P〈0.05）,而术后镇痛的偏回归系数为-2.373（P〈0.05）。结论食管癌、贲门癌术后发生急性呼吸衰竭是由多种因素共同作用所致,在对手术风险评估时应尤其注意术前有肺部合并症、术前合并糖尿病、术前肺功能中重度损害、手术持续时间长、术后二次开胸手术等这几个危险因素。     

冠心病风险因素识别及其预测模型构建

目的：利用逻辑回归分析识别冠心病发作的危险因素,使用常见机器学习算法构建冠心病风险预测模型,为冠心病的早期预防与筛查提供理论参考。方法：通过对Kaggle发布的冠心病数据进行预处理和特征筛选后进行逻辑回归分析识别主要危险因素,选用逻辑回归、支持向量机、线性判别分析、决策树和随机森林5种常见机器学习算法进行冠心病发病预测。结果：性别、年龄、平均每日吸烟量、总胆固醇水平、收缩压和血糖水平是10年内冠心病发作的主要危险因素。选用的5种机器学习算法准确率与稳定性良好。与基于统计的线性判别分析相比,决策树与随机森林并未表现出明显的优越性。结论：机器学习技术适用于冠心病发作风险的预测,能够为冠心病的防控提供参考依据。