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。     

基于产检信息的Bayes判别分析在巨大儿发生风险中的初步探讨

探讨Bayes判别分析应用于巨大儿发生风险进行预测的临床效果。  方法  将169例巨大儿和169例正常足月儿按条件进行1:1配对,纳入可能与巨大儿出生有关的因素,采用条件Logistic回归分析模型筛选有判别意义的指标,将有判别意义的指标带入Bayes判别模型中得到Bayes判别函数,并对判别函数进行回顾性考核和外部检验。  结果  经条件Logistic回归分析模型筛选出影响巨大儿出生的因素有产妇身高、孕早期体重指数（body mass index,BMI）、妊娠期糖尿病、孕周、宫高+腹围。建立的Bayes判别函数:巨大儿y1=-27.802+8.420×产妇身高+8.719×孕早期BMI+10.485×孕周+3.375×妊娠期糖尿病+2.862×（宫高+腹围）;正常足月儿y2=-17.477+7.161×产妇身高+7.217×孕早期BMI+7.862×孕周+2.036×妊娠期糖尿病-0.085×（宫高+腹围）。建立的判别函数其Wilks'Lambda（λ）=0.512,P < 0.001,因而判别函数有统计学意义。对判别函数进行考核,结果内外部符合率均达到80%以上。  结论  巨大儿的出生与多种因素有关,构建的Bayes判别模型对巨大儿有较好的判别作用,为今后更为准确的预测巨大儿的发生提供客观参考。     

新型冠状病毒肺炎病例重症化影响因素及早期临床特征

  目的  通过收集分析荆州市新型冠状病毒肺炎（coronavirus disease 2019,COVID-19）病例流行病学资料,寻找病例重症化的影响因素及早期临床特征。  方法  利用χ2检验单因素分析筛选、Logistic回归分析模型寻找COVID-19病例重症化的影响因素和早期临床特征。  结果  荆州市累计报告1 580例确诊病例及临床诊断病例,重症病例占比23.61%（373/1 580）。多因素分析结果显示年龄≥49岁（OR=2.342,95% CI:1.803~3.043）、确诊病例（OR=2.772,95% CI:1.735~4.428）、有心脑血管疾病（OR=2.872,95% CI:1.542~5.349）是COVID-19病例临床结局演化为重症的危险因素;淋巴细胞百分比降低（OR=1.881,95% CI:1.105~3.202）、发热（OR=1.845,95% CI:1.340~2.541）、乏力（OR=1.616,95% CI:1.246~2.097）、气促（OR=1.870,95% CI:1.197~2.923）是COVID-19病例临床结局演化为重症的早期临床特征。  结论  年老者、患心脑血管疾病的COVID-19病例及早期出现发热、乏力、气促、淋巴细胞比降低的COVID-19病例均需警惕其重症化演变。     

机器学习算法在体检人群糖尿病风险预测中的应用

  目的  探索Logistic回归分析模型和LightGBM(light gradient boosting machine)算法对体检人群未来罹患糖尿病的预测效果及影响因素。  方法  选取2003年8月-2019年4月在南方医院健康管理中心多次进行团体参检的36 292例非糖尿病人员,分层随机选取70%样本,以首次体检的性别、年龄、BMI、腰围、心率、收缩压、舒张压、空腹血糖等34项指标作为自变量,以相对首次体检时间的5年内是否罹患糖尿病为因变量,基于Logistic回归分析模型和LightGBM算法分别建立糖尿病预测模型。将预测模型应用于剩余30%样本,并使用受试者工作特征(receiver operating characteristic, ROC)曲线下面积(area under curve, AUC)进行预测效果的评价。  结果  Logistic回归分析模型和LightGBM算法模型的AUC分别为0.906和0.910,在最佳临界点上,Logistic回归分析模型的灵敏度和特异度分别为81.5%和84.3%,LightGBM(light gradient boosting machine)算法模型的灵敏度和特异度分别为81.6%和85.2%。  结论  Logistic回归分析模型和LightGBM算法模型对体检人群的未来糖尿病患病风险均有较好的预测效果。     

人工神经网络模型在预测重症手足口病中的应用研究

目的建立人工神经网络模型以及探讨其在预测重症手足口病方面的应用价值。方法收集2016年09月至2017年10月郑州市某医院诊治的688例手足口病患儿资料,包括轻症组339例和重症组349例。使用SPSS 25.0构建人工神经网络模型和Logistic回归模型,使用Modeler 18.0绘制两者的模型收益图和响应图,并对两者的模型预测效果进行评估。结果构建的人工神经网络模型结构为,输入层包括7个输入因子;隐藏层为一个,包含2个隐单元;训练样本的总体预测正确率为78.2%,检验样本则为80.6%;曲线下面积,轻症组和重症组均为0.896;在所有预测变量中,EV71最重要,其次为白细胞和中性粒分层。结论人工神经网络模型在预测重症手足口病方面有较大优势,具有较高的预测正确率。     

基于接尘工人职业健康监测的肺纤维化判别模型研究

目的通过分析接尘工人肺纤维化影响因素,建立接尘工人肺纤维化的Bayes判别模型,为动态监测接尘工人肺纤维化提供参考。方法采用2015-10/2017-05四川省重点职业病职业健康检查监测数据,提取其中接触煤尘有害因素的职业健康体检信息进行分析,采用Logistic回归分析筛选接尘工人肺纤维化的影响因素,构建Bayes判别模型,对接尘工人肺纤维化进行预测。结果根据监测数据,Logistic回归筛选出影响接尘工人肺纤维化有统计学意义的因素有:接触所监测危害因素工龄、血压舒张压、肺功能FEV1/FVC、心电图、企业类型、行业、年龄,综合专业知识、专家意见及判别分析特点,将总工龄、肺功能FVC、肺功能FEV1也纳入Bayes判别模型。模型经回代检验,构建的Bayes判别模型预测准确率为71.1%。ROC曲线下面积为0.801(P0.05)。结论 Bayes判别模型可以作为动态监测接尘工人肺纤维化的辅助方法,提供划定重点监护人群的参数信息,为早期预测接尘工人肺纤维化提供参考。     

基于机器学习算法的2型糖尿病患者3个月血糖预测

  目的  评价Logistic回归算法和随机森林算法对2型糖尿病患者3个月后血糖控制情况的预测效果,并探究血糖控制的影响因素。  方法  收集顺义、通州区2型糖尿病患者的基线调查和随访信息,以患者3个月后糖化血红蛋白是否大于6.5%作为结局分类变量,使用随机森林算法和Logistic算法建立预测模型,通过受试者工作特征曲线下面积（area under the curve,AUC）、灵敏度等指标比较预测效果。  结果  患者血糖控制效果的影响因素有基线空腹血糖（P < 0.001）、病程（P < 0.001）、吸烟（P=0.026）、静态活动时间（P=0.006）、体重指数（超重P=0.002,肥胖P=0.011）、手环使用（P=0.028）和糖尿病饮食（P=0.002）7个因素;Logistic回归预测模型的AUC为0.738,灵敏度为72.9%,特异度68.1%,准确率71.2%,随机森林模型的AUC为0.756,灵敏度74.5%,特异度69.5%,准确率72.8%。  结论  随机森林算法预测效果优于Logistic回归预测模型,可应用于血糖控制效果预测,辅助糖尿病患者的管理。     

基于ROC曲线的安徽省农村地区老年人生命质量及拐点年龄分析

  目的  评估安徽省农村地区老年人生命质量及其拐点年龄的性别差异,为提高农村老年人生命质量提供参考。  方法  采用多阶段分层整群抽样法抽取安徽省18个村为调查现场,共调查老年人3 336名,采用欧洲五维度健康量表(five-dimensional European quality of health scale, EQ-5D)评估老年人生命质量,受试者工作特征(receiver operator characteristic, ROC)曲线预测老年人生命质量拐点年龄,二元Logistic回归分析模型验证拐点年龄对生命质量的预测能力。  结果  健康效用值男性(0.774±0.200)分,女性(0.721±0.205)分,男性高于女性(t=7.500, P＜0.001);老年人“疼痛不适”维度存在困难比例最高;总体生命质量拐点年龄男性72.5岁,女性70.5岁;Logistic回归分析模型结果表明拐点年龄对生命质量转变具有预测价值。  结论  安徽省农村地区老年人男性生命质量优于女性,女性生命质量拐点年龄早于男性。应关注老年人慢性疼痛及心理健康问题,以此提高生命质量。     

乙型肝炎病毒相关慢加急性肝衰竭的危险因素及其风险预测模型

  目的  探讨影响乙型肝炎病毒相关慢加急性肝衰竭前期(hepatitis B virus related acute-on-chronic pre-liver failure, pre-ACHBLF)疾病进展的危险因素,建立新的预测模型。  方法  纳入97例pre-ACHBLF患者,根据4周内临床转归分为进展组和好转组,收集其临床资料进行多因素Logistic回归分析模型分析,探讨ACHBLF发生的影响因素,建立并评估模型的预测价值。  结果  血清总胆红素(total bilirubin, TBIL)、凝血酶原时间(prothrombin time, PT)、血清肌酐(creatinine, Cr)和血小板-白细胞比值(platelet-to-white blood cell ratio, PWR)与ACHBLF发生密切相关,构建ACHBLF预测模型为Logit(P)=-1.494+1.530×TBIL(mg/dl)+3.111×PT(s)-1.711×PWR-1.786×Cr(mg/dl),该模型Nagelkerke R2为0.558,Hosmer-Lemeshow检验显示预测效能为76.3%(P=0.490),曲线下面积为0.83,当评分高于最佳临界值13.88时,患者发生ACHBLF风险增高。  结论  本研究建立的模型对预测pre-ACHBLF的疾病进展有较高的价值。     

对数几率回归模型构建联合预测因子对慢性乙型肝炎患者早期肝硬化诊断的临床应用

目的探讨对数几率回归模型(Logistic)构建联合预测因子在慢性乙型肝炎患者(CHB)早期肝硬化(LC)诊断中的临床应用。方法选择本院2018年1月-2019年10月的CHB患者179例、CHB/LC患者179例及测试集57例,检测血常规、血清肝纤维化、凝血功能、血清生化等实验室指标。单因素Logistic回归筛选并用多因素Logistic回归拟合得到联合预测因子,生成受试者工作曲线(ROC),在测试集中进行测试,评价模型预测效果。结果透明质酸(HA)、部分活化凝血酶原时间(APTT)、谷丙转氨酶(ALT)和血小板(PLT)纳入拟合得到新的联合预测因子表达式Logit(X)=39.621+1.365HA+1.213APTT+1.011ALT-0.723PLT。ROC曲线显示X的cut-off值取308.80时,YI指数最大为0.538,AUC为0.815,分别高于单个协变量因子。在模型准确率为70.12%的前提下,CHB合并LC患者测试组的预测LC准确率为72.41%,CHB患者测试组的预测为非LC的准确率为96.42%。结论对数几率回归模型构建的联合预测因子ROC曲线能对CHB患者的早期LC诊疗有更好的预测价值。     

基于时间窗长短期记忆模型分析新型冠状病毒肺炎疫情

目的 提出一种新的网络模型以解决COVID-19出现初期认知不够、检测能力受限以及潜伏期长等因素导致每天检测出的感染人数与真实感染人数存在差异的问题,并预测COVID-19疫情发展趋势.方法 以历史时间窗检测出的数据为依据,将时间窗策略结合长短期记忆(long short term memory,LSTM)网络模型对世...     

基于随机森林算法构建孤独症谱系障碍儿童辅助诊断模型

  目的  利用随机森林算法构建孤独症谱系障碍(autism spectrum disorder, ASD)儿童快速辅助诊断模型,有助于ASD儿童的早期发现、早期诊断,减轻临床诊断及评估压力。  方法  采用机器学习中随机森林算法,应用社交反应量表(SRS)及文兰适应行为量表(VABS)对黑龙江省346名ASD儿童和90名健康儿童进行评估,并基于量表数据以及儿童基础信息构建预测模型,运用ROC曲线及准确率等指标评价模型拟合效果。  结果  得到的随机森林预测模型中,13个特征因素模型以及7个特征因素的预测模型准确率均达到0.9以上、灵敏度最高达到0.927,特异度最高达到0.936,AUC值为0.979;以年龄为筛选条件的模型准确率达到0.943,灵敏度达到0.959,特异度达到0.931,AUC值为0.978。3个模型的拟合和泛化效果都较为理想。  方法  采用社交及适应能力水平指标构建的随机森林模型可以较为精确辅助开展ASD的诊断,为开发快速筛查和诊断的辅助工具提供了科学依据。     

新型冠状病毒肺炎疫情对中国成人体重增加的影响及相关因素分析

目的 分析COVID-19疫情对中国成年人群体重增加的影响.方法 利用中国人民大学中国调查与数据中心开展的新冠肺炎疫情综合影响调查,通过随机数字拨号,于全国各个地级市抽取18岁及以上的成年居民样本,并用电话调查系统进行问卷调查,本研究纳入数据分析的样本共2051例.采用x2检验比较不同特征样本人群受疫情影响的体重增加差...     

基于Group LASSO Logistic回归分析模型分析流行性乙型脑炎早期临床症状与预后的关联

  目的  探索Group LASSO (least absolute shrinkage and selection operator) Logistic回归分析模型在研究流行性乙型脑炎(简称乙脑)早期临床症状与预后之间的关系中的应用。  方法  收集整理2017-2018年甘肃省乙脑报告发病数据,建立乙脑预后影响因素的Group LASSO Logistic回归分析模型,通过交叉验证法选择惩罚参数,筛选出影响乙脑预后的早期临床症状。  结果  纳入的866名乙脑患者中,有预后结局的共764名,其中死亡者占22.5%、有后遗症者占12.6%、好转者占17.8%、痊愈者占47.1%。筛选出的变量有意识障碍、呼吸衰竭、呼吸节律改变、肌张力增强及乙脑疫苗接种史。  结论  通过构建Group LASSO Logistic回归分析模型可以筛选出对预后有影响的早期临床症状。     

急性呼吸窘迫综合征患者短期预后的风险模型

目的 建立急性呼吸窘迫综合征(acute respiratory distress syndrome,ARDS)28 d死亡的风险预测模型,旨在为患者危险分层、改善短期预后提供早期干预策略.方法 回顾性分析2010年3月-2020年3月琼海市中医院综合内科和琼海市人民医院呼吸内科诊治的628例ARDS患者的临床资料,依...