杭州市上城区成年人高血压影响因素的分类树研究

目的应用分类树模型分析杭州市上城区成年人高血压相关影响因素,为社区高血压精准防控提供依据。方法对2 762名≥18岁上城区社区居民进行问卷调查、体格检查和实验室检测,应用卡方自动交互检测(CHAID)法建立高血压分类树模型筛选相关因素,采取模型错分概率Risk统计量及受试者工作特征曲线(ROC)下面积对模型进行评估。结果 2 762名≥18岁社区居民中,高血压患者956例,高血压患病率为34.61%,标化患病率为15.83%。分类树模型共4层37个节点,从全部19个变量中筛选出年龄、BMI、中心型肥胖、血脂异常、高血压家族史、糖尿病、吸烟、被动吸烟8个解释变量,其中年龄是最重要的因素,高血压患病率随着年龄的增长而升高;模型显示,在不同年龄层下,高血压影响因素不尽相同。模型错分概率Risk统计量为0.224,利用预测概率绘制的ROC曲线下面积为0.713(95%CI:0.694～0.731),模型拟合效果较好。结论杭州市上城区居民高血压患病率较高,分类树模型不仅可以有效地挖掘高血压相关因素,且能定义不同的亚人群,对精准防控有较高的应用价值。     

应用分类树模型构建缺血性脑卒中发病风险的预测模型

目的应用分类树模型构建缺血性脑卒中发病风险的预测模型,并评价其应用价值。方法采用1:1配比病例对照研究设计,选择深圳市2所综合性医院的309名缺血性脑卒中患者为病例组,同时选择按年龄、性别匹配的健康者作为对照;采用卡方自动交互检测(CHAID)法建立缺血性脑卒中发病风险的预测模型,采用错分概率Risk值、索引图及受试者工作特征曲线(ROC)评价模型的应用价值。结果所建立的分类树模型共包括4层,共19个结点,共筛检出6个解释变量;其中最为重要的预测因素为体育锻炼和高血压病史。模型错分概率Risk值为0.207,利用预测概率绘制的ROC曲线下面积为0.789,与0.5比较,差异有统计学意义(P=0.001),模型拟合的效果较好。结论分类树模型不仅能有效地拟合缺血性脑卒中发病风险的预测模型,还可以有效地筛检变量间的交互作用效应。     

应用分类树模型研究公共场所喷泉水嗜肺军团菌污染危险因素

目的 应用分类树模型筛选公共场所喷泉水嗜肺军团菌污染的危险因素,为预防和控制喷泉水军团菌污染提供科学依据。方法 选择深圳市公共场所正运行的50座喷泉作为研究对象,采用问卷调查、现场监测及实验室检测等方式于2015年7月至2015年12月收集相关数据,利用分类树模型分析喷泉水嗜肺军团菌污染的影响因素,采取ROC曲线对模型进行评价。结果 构建的分类树模型包括2层,共4个结点,共筛选出2个解释变量:溶解性总固体含量、游离性余氯含量;其中最为重要的影响因素为溶解性总固体含量,其次为游离性余氯含量。分类树模型ROC曲线下面积为0.898(95%CI:0.808 8~0.986 2),预测效果较好。结论 利用分类树模型挖据得出喷泉水溶解性总固体、游离性余氯是影响喷泉水嗜肺军团菌污染的主要因素,因此加强喷泉水水质管理对预防军团菌病有重要卫生学意义。     

北京、广东两地妇女乳腺癌危险度评价模型的初步研究

目的:筛选北京、广东两地妇女罹患乳腺癌的危险因素;制订适合中国国情的乳腺癌危险度评价模型,探讨其评价标准,与Gail模型进行初步比较。方法:通过Logistic回归筛选乳腺癌的危险因素,在此基础上得到乳腺癌危险度评价模型,通过判别分析评价模型,通过计算ROC曲线下面积比较该模型和Gail模型的诊断效能,并利用ROC曲线寻找乳腺癌低、中、高危险性的合适分界点。结果:妇女罹患乳腺癌的可能危险因素中影响较突出的是:有绝经史、有流产史、有药物避孕史、有乳腺癌家族史、不良情绪、不良事件、情绪调节能力差、劳动强度大、年龄。在危险因素筛选的基础上建立危险度评价模型,建议以预测概率值P≤0.29判为低危险性人群,预测概率值P≥0.58判为高危险性人群,0.29<预测概率值P<0.58判为中危险性人群。结论:乳腺癌重在预防,应结合其危险因素开展积极有效的防治措施。该研究得到的乳腺癌危险度评价模型可用于乳腺癌高风险性人群的筛选。     

原发性高血压发病概率预测模型评价研究

目的建立原发性高血压发病概率预测模型并对模型预测效果进行评价,为防治高血压发病提供依据。方法调查285例原发性高血压患者和260例对照病例,采用logistic回归分析的方法研究影响高血压发病的危险因素,建立发病概率预测模型并利用ROC曲线进行评价。结果影响高血压发病的危险因素包括家族史、BMI、文化程度、饮酒、蔬菜水果摄入、饮食偏咸、吃动物内脏、体育锻炼程度、血压差等,ROC曲线下面积为0.930,模型具有较好的预测价值。结论建立了合理的logistic回归概率预测模型,模型评价效果较好,能较为准确地预测高血压发病概率。     

无金标准条件下含协变量的ROC曲线估计方法

目的阐明无金标准条件下,考虑协变量后估计ROC曲线的两部贝叶斯模型。方法介绍两部贝叶斯模型,结合实例,筛选无金标准条件下ROC曲线的影响因素,考虑协变量影响后,估计ROC曲线。结果两部贝叶斯模型不仅可探讨协变量对疾病状态的影响,而且可探讨协变量对诊断试验结果的影响,同时可计算不同协变量取值条件下ROC曲线下面积。结论两部贝叶斯模型可有效地解决无金标准条件下,考虑协变量影响的ROC曲线估计问题。     

基于三种统计学方法构建的超重及肥胖人群高血压发病预测模型的分析比较

目的 利用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型。方法 抽取出3150名超重及肥胖人群（体质指数≥24kg/m²）。分别应用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型，筛选出高危因素，采用受试者工作特征曲线（ROC）对三种统计学方法构建的预测模型进行特异性、敏感性及准确性评估。结果 三种方法构建的预测模型筛选出的高危因素包括非酒精性脂肪性肝病(NAFLD)、空腹血糖(FPG)、年龄、甘油三酯(TG)、尿酸(UA)、低密度脂蛋白胆固醇(LDL-c)。CRT分类树模型、logistic回归模型、BP神经网络模型ROC曲线下面积(AUC)值分别为0.721、0.734、0.733，敏感性分别为61.63%、76.59%、82.85%，特异性分别为77.58%、60.44%、52.00%，Youden指数分别为39.20%、37.02%、34.85%。结论 本研究筛选的危险因素包括NAFLD、FPG、年龄、TG、UA、LDL-c，基于危险因素应用三种统计学方法构建的预测模型具有中等预测价值，对超重及肥胖人群高血压发病具有较好的预测能力。     

基于分类树模型的潍坊市中学生自杀意念危险因素分析

目的 探索影响中学生自杀的影响因素,为预防中学生自杀提供干预依据。方法 采用分层整群随机抽样的方法,对潍坊市3县（市）6所初中、6所高中3185名中学生进行问卷调查,采用SPSS进行卡方检验、分类树模型等统计方法探讨影响因素。结果 3185名中学生中,自杀意念检出率为8.41%（268/3185）;单因素分析显示,同学关系差、学习成绩差、居住地为农村、经常喝酒、吸烟、睡眠质量差、心理健康状况差等的中学生自杀意念检出率高,且差异均具有统计学意义（P<0.05）。分类树模型共筛选出5个解释变量:心理健康状况、头痛情况、居住地、学习成绩和同学关系;其中最重要的影响因素为心理健康状况;分类树模型ROC曲线下面积（AUC）为0.861（95%CI=0.839~0.884,P<0.001）,预测效果较好。结论 潍坊市中学生产生自杀意念受多因素影响,心理健康状况差、头痛、居住地为农村、学习成绩差和同学关系差是中学生自杀意念发生的危险因素。     

基于错分代价的HingeBoost算法在高维数据判别分析中的应用北大核心CSCD

目的探讨基于错分代价的HingeBoost算法在二分类高维数据中分类判别的效果。方法通过模拟试验和实际代谢组学数据分析,对HingeBoost算法、AdaBoost算法、支持向量机、随机森林四种方法进行比较,并用ROC曲线下面积、灵敏度、特异度和错误率评价。结果模拟试验和真实代谢组数据分析显示,HingeBoost算法内部参数错分代价能影响分类结果的判别,在线性结构、同时存在大量噪声变量时分类效果优于其他三种算法。结论 HingeBoost算法将错分代价引入模型,达到减少假阳性错误或假阴性错误的目的,同时有很强的抗噪声能力,适用于高维代谢组学数据分析,值得进一步研究。     

基于错分代价的HingeBoost算法在高维数据判别分析中的应用

目的探讨基于错分代价的HingeBoost算法在二分类高维数据中分类判别的效果。方法通过模拟试验和实际代谢组学数据分析,对HingeBoost算法、AdaBoost算法、支持向量机、随机森林四种方法进行比较,并用ROC曲线下面积、灵敏度、特异度和错误率评价。结果模拟试验和真实代谢组数据分析显示,HingeBoost算法内部参数错分代价能影响分类结果的判别,在线性结构、同时存在大量噪声变量时分类效果优于其他三种算法。结论 HingeBoost算法将错分代价引入模型,达到减少假阳性错误或假阴性错误的目的,同时有很强的抗噪声能力,适用于高维代谢组学数据分析,值得进一步研究。     

乳头抽吸液中癌胚抗原与乳腺癌的关系

目的探讨乳头抽吸液中癌胚抗原（CEA）的浓度与乳腺疾病的关系及其在腺乳癌诊断中的作用。方法用配对病例对照研究乳头抽吸液中CEA的浓度与乳腺疾病的关系，用诊断试验方法评价CEA对乳腺癌进行诊断的效果。结果乳腺癌患者乳头抽吸液中CEA的浓度显著高于乳腺良性疾病患者和健康对照，差别具有统计学意义；经配比logistic回归分析，乳头抽吸液中CEA与乳腺癌有关联（P=0．009），OR粗=4．239，OR调整=5．392。当CEA浓度为307．61ng／ml，灵敏度为35．42％，相应的特异度为85．42％，ROC曲线下面积为0．651（P=0．011）。结论女性乳头抽吸液中CEA的浓度与乳腺癌有关联，只能作为乳腺X线照相术的辅助诊断。     

基于Fisher线性判别分析对乳腺微钙化性质的预测研究

目的:使用基于机器学习的Fisher线性分类判别方法,对分割的乳腺微钙化数据进行线性变换,预测乳腺微钙化的性质.方法:基于Fisher线性分类判别分析原理,建立预测判别模型对乳腺微钙化的良、恶性进行分类.选取在医院行乳腺癌筛查的432例患者的原始数据,将原始数据中的30项569条乳腺癌特征数据为输入变量,以乳腺微钙化良...     

急性缺血性脑卒中患者卒中相关感染风险预测模型构建与验证

 目的 探讨急性缺血性脑卒中患者发生卒中相关感染的危险因素,并构建决策树预测模型。 方法 回顾性选取2020年6月—2021年6月某院神经内科病房收治的急性缺血性脑卒中患者为研究对象。将其以一定比例分配为训练组与验证组。通过Lasso回归筛选预测因子,基于CHAID算法构建急性缺血性脑卒中患者卒中相关感染的决策树模型。内部验证采用随机拆分验证法,使用受试者工作特征(ROC)曲线下面积(AUC)对模型效果进行评价。 结果 共收治693例AIS患者,训练组484例,验证组209例。训练组卒中相关感染发病率为17.8%(86例), 验证组卒中相关感染发病率为20.1%(42例)。年龄、空腹血糖、糖尿病史、甘油三酯、吸烟、合并呼吸系统疾病、合并心血管系统疾病、意识障碍、住院时长是急性缺血性脑卒中患者发生卒中相关感染的危险因素。将以上因素纳入并构建决策树模型,决策树模型包含3层,共7个节点。合并呼吸系统疾病、糖尿病史、吸烟是发生卒中相关感染的预测指标。验证组决策树模型ROC的AUC为0.980,灵敏度为97.0%,特异度为97.6%,Youden指数为0.946,Kappa值为0.914。 结论 本研究构建的模型可以较好的预测急性缺血性脑卒中患者发生卒中相关感染的风险,可作为临床护理人员对患者进行风险预测的评估工具。     

常用乳腺癌筛查方法诊断价值的应用评价

目的研究ROC曲线分析法评价乳腺临床检查、乳腺超声检查（US）、钼靶X线检查（MAM）及这3项检查综合分级在乳腺癌筛查中的诊断价值,为农村地区开展乳腺癌筛查选择适宜技术。方法采用问卷调查和乳腺临床检查,对乳腺癌高危人群采用乳腺超声和钼靶X线检查进行乳腺癌筛查,利用ROC曲线分析法评价临床检查、超声、钼靶X线检查及各项联合检查（综合检查）在乳腺癌筛查中的灵敏度和特异性。结果在23 910名接受乳腺癌筛查的农村妇女中,病理确诊乳腺癌31例,乳腺癌检出率为129.65/10万。乳腺综合检查的灵敏度、特异性及ROC曲线下面积分别为90.323、94.605和0.954;超声检查的灵敏度、特异性及ROC曲线下面积分别为70.968、90.288和0.814;钼靶X线检查的灵敏度、特异性及ROC曲线下面积分别为74.194、91.727和0.850;临床检查的灵敏度、特异性及ROC曲线下面积分别为41.935、82.734和0.676。其ROC曲线下面积（AUC）比较经Z检验,综合检查F分级评价诊断优于其他各项检查的准确性（P〈0.05）,超声与钼靶X线检查诊断准确性比较差异无统计学意义（P〉0.05）。结论乳腺超声和钼靶X线检查是乳腺癌筛查的有效方法,而综合检查分级评价方法能明显提高乳腺癌的诊断能力。     

长链非编码RNA CRNDE检测在乳腺癌诊断中的意义

目的 探讨长链非编码RNA(lncRNAs) CRNDE在乳腺癌患者血浆中的表达及临床意义。 方法 采用实时荧光定量聚合酶链反应方法检测76例乳腺癌患者组织、远端癌旁组织及血浆lncRNA CRNDE的表达情况。分析血浆中lncRNA CRNDE表达与乳腺癌的临床病理特征关系, 采用受试者工作特征曲线(ROC)评价血浆lncRNA CRNDE水平对乳腺癌的诊断效能。同时收集同期80例健康体检者为对照组检测其血浆中血浆lncRNA CRNDE表达情况。 结果 lncRNA CRNDE 在乳腺癌组织中的表达(2.73±1.66)明显高于癌旁组织(2.06±1.67),且在患者血浆中的表达水平(1.79±1.05)高于健康对照者(1.40±1.12),差异均有统计学意义(均P＜0.05);血浆中lncRNA CRNDE的表达水平与患者临床病理特征无关(P＞0.05);ROC曲线分析发现AUC为 0.66。 结论 血浆中高表达的lncRNA CRNDE可作为乳腺癌诊断的一个潜在的新型生物标志物。     

北京市居民传染病健康素养综合指数临界点研究

目的应用受试者工作特征曲线法(ROC曲线法)探索北京市居民传染病健康素养判定标准的最佳界值点。方法分析数据来源于北京市居民传染病健康素养调查。以自报健康水平(健康状况是否为不好或很不好)为"金标准",应用ROC法确定判定标准的最佳界值点。应用非条件Logistic回归法分析是否具备传染病健康素养与自报健康水平之间的相关性。结果 ROC曲线分析结果显示,最佳临界点为得分等于1.55分(总分3分),ROC曲线下面积为0.664(95%CI:0.641-0.688),灵敏度、特异度分别为0.672和0.569。依据最佳临界点将居民划分为是否具备传染病健康素养(传染病健康素养得分达到1.55分)。北京市居民具备传染病健康素养的比例为65.9%。非条件Logistic回归分析结果显示,不具备传染病健康素养者自报健康较差(不好或很不好)的比例高于具备者(OR=1.958,95%CI:1.646-2.329)。结论 ROC曲线法是构建健康素养判定标准的科学方法。本研究确定的判定标准能够明显筛查出不良健康后果,具有一定的筛查价值。