高血压危险因素logistic回归与分类树分析

目的应用分类树模型分析广东省居民高血压的危险因素,并与logistic回归分析结果做比较。方法利用广东省2002年居民营养与健康状况调查数据,用分类树分析和logistic回归分析15 343名常住居民高血压的危险因素。结果高血压的主要危险因素为年龄、血脂及肥胖。分类树学习集的灵敏度为91.0%,特异度为81.6%,总正确率为83.3%,约登指数为0.726;检验集的灵敏度为83.8%,特异度为80.5%,总正确率为81.2%,约登指数为0.643。logisic回归分析的灵敏度为31.6%,特异度为95.7%,总正确率为84.5%,约登指数为0.273。结论对高血压患者,尤其是老年人,要调节血脂,减轻体重。分类树分析较logisic回归分析分类效果好,结果直观,便于解释。     

求和自回归滑动平均模型在5岁以下儿童死亡率预测中的应用

目的分析北京市5岁以下儿童死亡率(U5MR)的长期变化趋势,探讨求和自回归滑动平均模型(ARIMA)预测U5MR的效果,并对2016-2020年北京市U5MR进行预测。方法基于北京市5岁以下儿童死亡监测网收集1992-2015年北京市5岁以下儿童死亡数据。以1992-2013年北京市U5MR为训练样本,拟合ARIMA模型。分别以1992-2013年和2014-2015年北京市U5MR为校验样本,对模型进行内外部验证。通过EViews 8.0和SPSS 19.0软件实现。结果 1992-2013年北京市U5MR呈下降趋势,22年间下降了81.50%。而2014和2015年略有回升,2年间上升了4.86%。构建最佳的死亡率预测模型为ARIMA(1,1,1):x_t=-0.445+1.509x_(t-1)-0.509x_(t-2)+α_t+0.999α_(t-1),R~2=0.982,MAPE=4.76%,AIC=2.15,BIC=2.30,满足白噪声。经内外部验证,实测值和预测值差异均无统计学意义(P_(内部)=0.401,P_(外部)=0.655)。利用此模型预测2016-2020年北京市U5MR,预测值分别为2.88‰、2.87‰、2.90‰、2.97‰和3.09‰。结论 1992-2013年北京市U5MR呈下降趋势,2014和2015年则略有回升。利用ARIMA(1,1,1)模型对北京市U5MR进行预测,效果较好。预测2016-2020年北京市U5MR呈现小幅上升趋势,提示应加大对北京市妇幼保健工作的投入和关注。     

自回归模型和线性回归模型在门诊人次预测中的应用

随着社会主义市场经济的确立和发展,医疗市场竞争日趋激烈.医院要求生存、谋发展,不仅需要准确地把握现在,而且更重要的是准确地把握未来,因此统计预测在医院管理中越来越显得重要.本文试应用自回归模型和线性回归模型对门诊人次进行了点预测和区间预测,以为医院管理者和决策者提供科学、可靠的信息.     

贝叶斯累加回归树模型在高血压药物个性化疗效评价中的应用

目的  以高血压合并糖尿病人群为例,应用贝叶斯累加回归树(Bayesian additive regression tree, BART)模型评价卡托普利及其联合尼群地平用药对血压控制的个性化疗效,并识别高收益患者亚组特征。 方法  纳入2011年1月至2015年7月山东省胶南市“全人群高血压、糖尿病综合防治项目”中的高血压合并糖尿病患者,按不同用药方式分为三组,采用倾向性得分随机化匹配形成可比样本后,建立BART模型探索用药的个性化疗效。 结果  在单用卡托普利与不用药、联合用药与不用药,联合用药与单用卡托普利三组对比中,三组模型曲线下面积(area under curre, AUC)及其95% CI分别为0.710(0.686~0.734)、0.796(0.754~0.838)、0.768(0.725~0.812)。对于大多数患者,联合用药效果优于单用卡托普利和不用药,其中,相比不用药者,SBP较低且有良好运动习惯是单用卡托普利和联合用药疗效更佳者的共同特征。 结论  构建的BART模型用于预测高血压合并糖尿病患者的高血压药物个性化疗效效果良好,并且能够用于总结高收益亚组特征,为精准医疗在高血压治疗中的实践提供依据。     

中位数回归模型及自回归模型在北京市SARS发病预测中的应用

目的探讨北京SARS发病的动态变化规律.方法建立北京市SARS发病长期预测的中位数回归模型以及短期预测的自回归模型.结果以4月24日～5月11日的数据建模,对SARS进行长期预测的中位数回归模型为:Yi0.5=129.2-4.7ti,预测其新增临床诊断病例数将于5月22日降至零病例;同时考虑时间(ti)、前一天的新增临床疑似病例数(Zi-1),对SARS进行短期预测的二阶自回归模型(第一步)为:Yi=79.9526-0.2773Yi-1 0.3582Yi-2 0.2848Zi-1-2.8175ti.预测其新增临床诊断病例数将于5月21日降至零病例.结论SARS发病长期预测用中位数回归较一般线性回归稳健;SARS发病短期预测的自回归模型取二阶较适宜.长期预测与短期预测中新增临床诊断病例数降至零病例的时间基本一致.在传染病的发病预测中使用中位数回归模型及自回归模型的方法具有广阔的应用前景.     

滕州市儿童免疫接种影响因素的Logistic回归分析

为探讨我市儿童免疫接种影响因素,提供制定干预对策科学依据,2001年1月～2002年6月,对12月龄儿童基础免疫接种进行了影响因素的病例对照调查,结果报告如下。     

单纯性肥胖儿童危险因素Logistic回归分析

进入 2 1世纪 ,我国人民生活水平飞速提高 ,肥胖儿童日渐增多 ,并引起了人们的广泛关注。肥胖是由于营养过剩、缺乏运动及遗传因素共同作用而引起的身体中脂肪的过度堆积。为探讨遗传因素和环境因素对儿童单纯性肥胖的影响 ,我们收集了15 0例肥胖儿童和 181例对照资料 ,采用非条件Ｌｏｇｉｓｔｉｃ回归分析 ,进行危险因素分析 ,现报告如下。1　材料与方法1.1　材料肥胖组 :以整群抽样的方法 ,选取奉化大桥六所中小学校初三以下的全体学生为代表 ,在奉化市疾病预防控制中心进行健康体检后 ,对每位学生营养评价标准采用《中国学生 7～ 2 2岁身…     

三明市高血压危险因素的Logistic回归分析

[目的]找出三明市高血压的危险因素。[方法]采用分层抽样随机抽取30岁以上常住人口,用EpiInfo软件进行单因素分析。SPSS10.00软件包进行多因素非条件Logistic回归分析。[结果]三明市高血压的危险因素为超重（BMI为25-29.9)、身材肥胖（BMI≥30）、饮酒、糖尿病,高血压家族史、吸烟;保护性因素有体育活动和喜食豆及其制品。[结论]三明市高血压的干预措施是控制体重、戒烟酒,提倡食用豆及其制品和开展全民健身运动。     

自回归模型在医院年门诊量预测中的应用

目的：预测某院未来门诊量,为医院管理和决策提供科学依据。方法通过某院1993—2012年的年报表,应用 Parais-Winsten 法,运用 SPSS13.0统计软件,对某院2013年的年门诊量进行预测。结果建立自回归模型,预测出某院2013年门诊量的点预测值和区间预测值。结论该模型拟合程度较好,其预测值可以为该院门诊管理提供依据,以提高门诊服务质量。     

早产危险因素的Logistic回归及分类树分析

目的应用分类树模型和Logistic回归模型进行对比分析,探索北京地区早产发生的影响因素。方法对北京地区5家妇幼保健院的1323例早产进行1：1病例对照研究,应用分类树模型和Logistic回归模型分析早产的影响因素。结果Logistic回归模型显示均衡饮食（OR=0．509）、产前检查（OR=0．233）、常住址为城镇（OR=0．555）是早产的保护性因素,受教育程度低（OR=1．674）、负性生活事件（OR=6．086）、性生活（OR=1．704）、前置胎盘（OR=11．834）、妊娠期糖尿病（OR=3．170）、妊娠期高血压疾病（OR：5．024）、早产史（OR=17．574）和胎膜早破（OR=4．083）是早产的危险因素。利用卡方自动交互检测法建立的分类树模型,共筛选出5个早产高危因素,其中胎膜早破是最重要的影响因素,其他包括妊娠期高血压疾病、膳食结构不均衡、无产前检查、文化程度低。结论孕期应进行定期的产前检查可及早发现高危妊娠,避免各种不良刺激,保持良好心态,积极预防胎膜早破。Logistic回归模型可以提供变量影响的定量解释,分类树模型可以更好地展现变量间的复杂相互作用。二者结合可更好地服务于流行病学的研究。     

决策树模型与Logistic回归分析模型识别高血压危险因素的效果比较

目的  利用决策树模型和Logistic回归分析模型分析清丰县居民高血压的危险因素,比较两种分析方法的不同。方法  采取多阶段分层整群抽样的方法,在清丰县15~74岁人群中抽取4 087名常住居民进行调查。建立决策树与Logistic回归分析模型。结果  决策树和Logistic回归分析模型均显示高年龄、中心性肥胖、初中以下文化、农村、糖尿病、吸烟、饮酒和有高血压家族史为高血压危险因素。超重/肥胖变量被纳入决策树模型,在Logistic回归分析模型中被剔除,共线性诊断提示中心性肥胖和超重/肥胖两变量有较强的共线性。曲线下面积(Area Under the Curve, AUC)和综合判别改善指数(Integrated Discrimination Improvement, IDI)均提示决策树模型预测高血压效果的能力稍高于Logistic回归分析模型。结论  决策树模型预测能力稍高于Logistic回归分析模型,在高血压危险因素的分析中可行、直观,同时不受变量间共线性的影响;Logistic回归分析模型可以充分展现自变量与因变量的数量依存关系,与决策树模型互为补充,可结合两者来描述高血压的危险因素。     

Logistic回归分析模型和决策树分析在高血压糖尿病共患病预警指标中的应用

目的  分析湖北省成年人高血压糖尿病共患病(hypertension-diabetes comorbidity,HDC)状况及其预警指标,为HDC的预防控制提供科学依据。方法  采用多阶段分层抽样法,从湖北省11个地区抽取≥18岁的居民作为研究对象,对其进行问卷调查,采用Logistic回归分析模型和决策树模型分析HDC的预警指标,并用受试者工作曲线(receiver operating characteristic calve,ROC)评价两种模型的预测效果。结果  Logistic回归分析模型及决策树模型分析结果均显示,工作强度、吸烟、婚姻、性别、BMI和年龄均是HDC的有效预警指标(均有P < 0.05)。Logistic回归分析模型ROC曲线下面积大于决策树模型(0.967 vs. 0.933, Z=9.199,P＜0.001)。结论  Logistic回归分析模型预测能力优于决策树模型。但有必要将两种模型结合应用于HDC预警指标的预测。通过Logistic回归分析模型筛选出有意义的主效应预警指标,然后采用决策树模型进一步分析指标间的交互作用,为HDC的防控提供参考依据。     

决策树模型与Logistic回归模型在伤害发生影响因素分析中的作用

目的 通过应用决策树卡方自动交互检测法(chi-squared automatic interaction detector,CHAID)和Logistic回归分析法分析伤害发生的影响因素,比较两种方法分析结果的差别,为伤害资料分析方法提供一种新手段.方法 根据农村女性伤害发生专题调查资料及其相关因素,分别建立决策树CHAID模型和Logistic回归模型,比较两种方法分析结果的差异.结果 决策树CHAID法分析结果显示,受教育程度、婚姻状况和职业是伤害发生的影响因素,受教育程度是最主要的因素,未接受教育的农村女性伤害发生的风险最高.Logistic回归结果显示,职业、受教育程度是伤害发生的影响因素.职业为农民的女性是伤害发生的危险因素,OR=2.233,95％ CI:1.255 ～3.975.结论 CHAID决策树模型在农村女性伤害发生影响因素风险评估方面有较高的应用价值,其与Logistic回归相结合应用,可互为补充,从不同方面描述影响伤害发生的因素及其作用,为进一步制定预防与控制伤害的措施提供依据和参考.     

决策树与Logistic回归模型对高校教职工健康状况影响因素分析

分析四川省某高校教职工身体健康状况及其影响因素,为有效实施高校教职工的健康管理提供依据.方法 采用组织体检和问卷调查方式,收集2012-2013年四川省某综合性高校教职工的体检报告及调查数据,运用SPSS 17.0软件构建决策树和Logistic回归模型对结果进行分析与比较.结果 所调查的1 554名高校教职工中,健康状况异常者1 009人,占64.9%,女性健康状况异常检出率高于男性(x2=19.94,P<0.01);异常率有随年龄增加而增高趋势(x2=121.01,P<0.01).决策树模型显示年龄、性别、体质量指数(BMI)和被动吸烟是高校教职工健康状况的主要影响因素;Logistic回归模型显示年龄、性别、BMI、吸烟、每日坐姿状态时间和专业类型是其影响因素(P值均<0.05).2个影响因素模型分类预测效果的ROC曲线下面积差异无统计学意义(Z=0.030,P>0.05).结论 高校教职工健康状况不容乐观,应根据不同人群特征采取有针对性的健康管理.     

决策树模型用于结核病治疗方案的分类和预判

目的 探索结核病患者的个体特征与适宜治疗方案之间的关系,为临床治疗提供依据.方法 使用1 141例2013年发病的结核病病人专项档案资料,采用C5.0和CHAID算法的决策树模型建立分类预测模型,并对其准确性进行评估.结果 C5.0算法决策树模型训练样本和测试样本的准确率分别为90.72％和88.37％,CHAID算法决策树模型训练样本和测试样本的准确率分别为77.92％和76.74％.结论 C5.0算法构建的决策树模型预测准确率更高,使用决策树模型用于建立结核病治疗方案的分类和预测模型是可行的,其预测结果可以为基层医务人员对患者制定治疗计划提供依据.     

Using classification and regression tree analysis to explore parental influenza vaccine decisions

Background and objectivesInfluenza poses a public health threat for children and adults. The CDC recommends annual influenza vaccination for children <18 years, yet vaccine uptake remains low for children (57.9%) and adults (37.1%). Given that parental decision-making is key in childhood vaccine uptake, there is a critical need to understand vaccine hesitancy among parents who decide not to vaccinate their children. This study aims to explore predictors of children’s influenza vaccine status given parental vaccination status and examine the factors that contribute to concordance or discordance between parental and children’s vaccine uptake.MethodsClassification and regression tree (CART) analyses were used to identify drivers of parental decisions to vaccinate their children against influenza. Hierarchy and interactions of these variables in predicting children’s vaccination status were explored.ResultsFrom a nationally representative sample of non-Hispanic Black and White parents who completed an online survey (n = 328), the main factors influencing parents’ decisions to vaccinate their children were vaccine behavior following physician recommendation, knowledge of influenza recommendations for children, influenza vaccine confidence and disease risk. Among unvaccinated parents, the greatest concordance was observed among parents who usually do not get vaccinated following physician recommendation and had lower knowledge of recommendations for influenza vaccination for children. The greatest discordance was observed among unvaccinated parents who had lower hesitancy about recommended vaccines.ConclusionsUnderstanding drivers of parental decisions to vaccinate themselves and their children can provide insights on health communication and provider approaches to increase influenza vaccine coverage and prevent influenza related mortality.