应用分类树模型筛选恶性肿瘤危险因素的研究

目的介绍分类树模型筛选恶性肿瘤危险因素基本原理、运算法则和应用价值.方法以浙江省嘉善县乳腺癌现场调查数据为例,采用Exhaustive CHAID法建立分类树模型对调查结果进行危险因素筛选,使用错分概率Risk值和ROC曲线下面积对模型进行评价.结果分类树模型从全部105个候选变量中筛选出9个危险因素,其中职业是最重要的影响因素,工人、教师及退休人员的乳腺癌发生概率显著高于其他人员.另外,模型显示经常参加体育锻炼在不同人群中对乳腺癌的影响效果有所不同.模型错分概率Risk值为0.174,利用预测概率绘制的ROC曲线下面积为0.872,与0.5比较具有显著的统计学意义,模型拟合效果很好.结论分类树模型不仅可以有效挖掘筛选出主要的影响因素,还可以对研究变量科学定义分界点,展示变量间复杂的相互作用,在流行病学研究中具有较高的应用价值.     

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。     

缺血性脑卒中发病危险因素的病例对照研究

目的了解缺血脑卒中患者发病的影响因素,根据影响因素建立发病概率预测模型,为防治缺血性脑卒中提供依据。方法采用1∶1的病例对照研究方法,使用自行设计的问卷调查研究对象的各种资料;利用条件logistic回归分析方法构建预测模型,并利用ROC曲线方法评价模型预测效果。结果影响缺血性脑卒中发病的危险因素有吸烟、高血压、甘油三酯、低密度脂蛋白(LDL),而文化程度、体力活动、生活自主程度、高密度脂蛋白(HDL)为保护因素;预测准确率高达92.8%。结论条件logistic回归预测概率模型预测效果较好,能较为准确地预测疾病发病概率。     

重症监护病区医院感染风险预测模型构建

目的应用分类树(CHAID)算法和Logistic回归分析构建重症监护病区医院感染风险预测模型,并比较二者预测结果的优劣。方法回顾分析2016年1月-2017年6月入住重症监护病区(包括ICU、RICU、CCU/CNICU)超过48h及转出重症监护病区48h内的住院患者,应用CHAID算法和Logistic回归分别建立医院感染的风险预测模型,并对模型进行拟合优度检验评价模型,使用受试者工作特征曲线(ROC)曲线下面积(AUC)比较两种预测模型的优劣。结果共收集患者1 232例,其中院内感染182例,感染发病率14.8%;分类树模型和Logistic回归均显示住院天数≥10天、APACHEⅡ评分≥20、中心静脉插管日数≥7天是院内感染发生最重要的影响因素;分类树Risk统计量为0.286,模型拟合效果较好;分类树模型的灵敏度为83.5%,特异度59.3%,ROC AUC为0.788(95%CI 0.742～0.835);Logistic回归模型的灵敏度为80.2%,特异度81.3%,AUC为0.869(95%CI0.832～0.906);通过比较,分类树模型和Logistic回归模型两者结果差异有统计学意义(Z=4.656,P0.001)。结论 Logistic回归模型的预测效果优于分类树模型,两个模型的分析结果相结合可以从不同层面发现医院感染的风险因素,为进一步预防与控制医院感染的发生提供参考依据。     

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。     

脑血管血液动力学参数脑卒中预测模型的建立

目的 根据脑血管血液动力学参数(CVHI)和脑卒中的主要危险因素建立脑卒中预测模型。方法 选择全国六大行政区脑卒中研究队列人群25355例，将基线调查时的CVHI检测结果 进行主成分分析，再以各主成分和主要脑卒中危险因素为自变量，以随访中脑卒中发病为应变量进行回归分析，根据回归系数建立脑卒中预测模型，计算发病概率，绘制ROC曲线，确定最佳截断点，评价预测模型的预测效能。结果 四个主成分的累积贡献率依次为58．1％、79．4％、88．4％和94．6％，被筛检进入logistic回归方程的变量分别为第一至第四主成分、高血压病史、年龄和性别，ROC曲线下面积为0．855，最佳截断点为预测概率≥0．05，预测脑卒中的敏感度、特异度和准确度分别为踟．7％，78．5％，78．5％。结论 通过主成分回归分析，可以建立具有良好效能的脑卒中预测模型。     

超敏C-反应蛋白与缺血性脑卒中发病的前瞻性队列研究

目的 探讨超敏C-反应蛋白（high sensitivity C-reactive protein,hs-CRP）预测缺血性脑卒中发病的适宜切值并评价hs-CRP水平升高与缺血性脑卒中的关联效应。方法 2009年5~9月,采用整群抽样方法在宜兴市官林镇调查35岁以上的居民,共2 238名。排除基线缺血性脑卒中、心血管疾病史者及信息不全者,共2 211人纳入随访（中位随访时间为5.07人年）分析。计算hs-CRP预测缺血性脑卒中发病的生存受试者工作特征（receiver operator characteristic,ROC）曲线下面积,并根据约登指数最大值确定切点。采用Cox比例风险回归模型分析hs-CRP水平升高与缺血性脑卒中发病的关联。结果 在随访期间共发生96例缺血性脑卒中,hs-CRP预测缺血性脑卒中发病的生存ROC曲线下面积为0.647,约登指数最大值为0.270,对应hs-CRP切点为1.17 mg/L。一致性分析结果显示,hs-CRP水平≥1.17 mg/L和≥1.00 mg/L预测缺血性脑卒中发病的一致性极好（Kappa=0.877）。Cox回归分析结果显示,调整协变量后hs-CRP升高（≥1.00 mg/L）与缺血性脑卒中发病关联有统计学意义（HR=2.238,95%CI:1.388~3.608,P=0.001）。结论 hs-CRP≥1.00 mg/L适合作为宜兴地区人群缺血性脑卒中发病预测和高危人群干预的适宜切值。     

腹部外科手术部位感染风险预测模型

目的构建手术部位感染发病风险预测模型,为筛选手术部位感染高危人群提供技术支持。方法选择2013年1月-2015年12月国内6所医院5 067例腹部外科手术病例资料,采用logistic回归构建预测模型,以ROC曲线下面积(AUC)评价模型的预测效果。结果手术部位感染率为7.14%;纳入风险预测模型的变量包括糖尿病、低蛋白血症、高血压、术前炎症反应、手术切口分类、手术持续时间、ASA分级、腹腔镜手术8个指标,构建的模型ROC曲线下面积为0.803,优于NNIS风险指数的预测效力(AUC=0.731)。结论预测是预警的基础,本研究所建立的风险预测模型若与信息技术结合,对于预警高危患者具有重要价值。     

时点/动态ROC曲线法在生存模型预后评价中的应用

目的探讨时点/动态ROC曲线法在生存模型的预后评价中的应用。方法介绍时点/动态ROC曲线法的基本原理,以Cox比例风险模型为例,阐述如何采用Cox模型输出结果获取时点灵敏度与动态特异度及时依ROC曲线,通过对各时点曲线下的面积进行加权平均得到整个随访期模型的总体预测准确度。结果时点/动态的ROC曲线法是以时刻风险集中的病例与对照的分类为基础,该定义与风险模型的意义相吻合。同时,可以扩展到协变量不满足比例风险的生存模型预测准确度的评价。结论时点/动态的ROC曲线法可以通过不同时点下风险集的变化情况动态地观察模型预测准确度的瞬时变化情况,可作为生存分析中决定系数这一指标更好的替代方法。     

外周血let-7e-5p作为缺血性脑卒中生物标志物的研究

目的探讨外周血let-7e-5 p的表达水平与缺血性脑卒中发病风险之间的关联,以及其作为缺血性脑卒中生物标记物的可行性。方法选择302例2013年在深圳市人民医院确诊的缺血性脑卒中初发病例,以及302例与之年龄性别相匹配的在医院做常规健康检查的对照,采用实时定量PCR检测外周全血let-7e-5 p的表达水平,多元logistic回归分析miRNA表达水平与缺血性脑卒中发生的关联,应用受试者工作特征曲线(ROC)和重新分类方法分析miRNA是否可作为判断缺血性脑卒中的依据。结果缺血性脑卒中病例外周血中let-7e-5 p的表达水平高于对照,差异有统计学意义(P0.05)。let-7e-5 p表达水平升高与缺血性脑卒中发病风险的增加存在显著关联性[OR=2.13,95%CI,1.75~2.59]。与传统危险因素模型相比,加入let-7e-5 p可以显著增加曲线下面积且差异有统计学意义(P0.05),重分类改善幅度为16.76%(95%CI:11.16%~22.37%),综合判别指数为0.10(95%CI:0.08~0.13)。另外,病例组中let-7e-5 p表达水平与血小板数量和血小板压积呈显著负相关关系(P0.05)。结论外周血let-7e-5 p的表达水平与缺血性脑卒中发生之间存在显著关联性,let-7e-5 p有望作为缺血性脑卒中的生物标记物。     

高龄急性缺血性脑卒中患者认知功能障碍影响因素的Logistic回归分析

目的 了解高龄急性缺血性脑卒中患者（acute ischemic stroke,AIS）认知功能障碍的发生率及影响因素。方法 选取2013年1月~2016年9月海口市第三人民医院收治的AIS患者725例,最终纳入患者426例。根据患者病情稳定即将出院时采用简易精神状态量表（mini mental state examination,MMSE）评估其是否存在认知功能障碍,分为认知功能障碍组201例和认知功能正常组225例。应用单因素及多元Logistic回归分析急性缺血性脑卒中患者认知功能障碍的影响因素,并绘制受试者工作特征曲线来评估Logistic回归模型的效果。结果 单因素及多元Logistic回归分析显示,高血压史、高脂血症、高同型半胱氨酸血症、体育锻炼、交流频率、日常生活能力是脑卒中患者发生认知功能障碍的独立影响因素（均有P<0.05）。受试者工作特征曲线评价Logistic回归模型效果的曲线下面积为0.853（95%CI:0.781~0.926）。>3个独立危险因素组MMSE评分低于≤ 3个独立危险因素组MMSE评分（t=4.183,P=0.016）。结论 高龄急性缺血性脑卒中患者认知功能障碍的发生率较高,影响认知功能障碍的危险因素较多,需采取预防措施,以减少或延缓认知障碍的发生。     

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。     

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。     

HDFS量表和SFSTC量表对住院患儿跌倒风险预测价值比较

目的比较Humpty Dumpty跌倒量表（HDFS）和Schmid儿童跌倒评估量表（SFSTC）对住院患儿跌倒风险的预测价值。方法采用便利抽样法,选取2020年3月-2021年4月两所医院儿科病区4 323例住院患儿为研究对象,使用HDFS量表和SFSTC量表评估住院患儿跌倒风险。采用ROC曲线下面积、灵敏度、特异度和约登指数等指标比较两种量表的预测价值。结果4 323例住院患儿中,有32例发生跌倒（0.74%）;发生跌倒组住院患儿HDFS量表和SFSTC量表总分均高于未发生跌倒组住院患儿（P＜0.001）。HDFS量表ROC曲线下面积为0.941,当总分为13分时,约登指数为0.743,量表预测价值最大;SFSTC量表ROC曲线下面积为0.827,当总分为4分时,约登指数为0.739,量表预测价值最大。结论HDFS量表和SFSTC量表均能有效预测住院患儿跌倒发生风险,但HDFS量表预测价值高于SFSTC量表。     

脑卒中手术患者医院感染风险预测列线图模型的构建

目的构建脑卒中手术患者医院感染风险预测列线图模型,为早期筛查医院感染高风险人群和制定预防策略提供一定的参考和依据。方法回顾性收集2016-2018年山东大学齐鲁医院脑卒中手术患者的临床相关资料,将患者按照7∶3的比例随机分为建模组(571例)和验证组(245例)。采用单因素和多因素Logistic回归探讨医院感染的独立危险因素,基于危险因素的回归系数构建脑卒中手术患者医院感染风险预测列线图模型。分别在建模组(内部验证)和验证组(外部验证)中采用受试者工作特征(ROC)曲线下面积(AUC)和校准曲线评估预测模型的区分度和校准度。结果共纳入816例脑卒中手术患者,医院感染213例,医院感染发生率为26.10%。Logistic回归分析显示,脑卒中类型、留置胃管、静脉血栓、手术风险分级(NNIS)、美国国立卫生研究院卒中量表(NIHSS)评分以及住院时间是脑卒中手术患者医院感染的独立危险因素(P<0.05)。依此构建的列线图模型在建模组和验证组中的ROC曲线下面积分别为0.849和0.858,具有良好的区分度;两组校准曲线显示列线图模型的预测值和实际观察值结果一致性良好(P=0.731、P=0.224)。结论本研究构建的个体化风险预测列线图模型有助于提高对脑卒中术后医院感染高危人群的筛查和早期诊断,尽早制定干预策略,以降低感染发生率。     

进展型脑梗死的危险因素分析

目的研究进展型脑梗死的危险因素及对脑梗死分型进行预测的可行性。方法回顾性分析2005年1月至2006年12月某医院收治的200例脑梗死患者的临床资料,其中进展型脑梗死69例,非进展型脑梗死(对照组)131例,研究其人口学资料、病史、神经功能缺损程度评分、体检指标、头颅CT检查情况等方面共20个因素,并用logistic回归法进行相关分析研究。结果Logistic回归分析结果显示,进入模型的各因素按其OR值大小排列顺序为脑梗死类型(OR=40.914)、短暂性脑缺血发作史(OR=35.804)、WBC升高(OR=3.151)、入院时高血糖(OR=3.020)、脑梗死部位总数(OR=2.456)、血钙水平(OR=0.031)及入院时神经功能缺损程度评分(OR=0.908);用logistic回归模型进行预测,显示对脑梗死分型的平均准确率为83.4%,对脑梗死进展型的准确率为73.5%。结论大面积梗死、有短暂性脑缺血发作史、WBC升高、入院时高血糖、多梗死部位、低血钙及入院时神经功能缺损程度评分低可能为进展型脑梗死的危险因素;用logistic回归模型对脑梗死进行分型的临床应用价值有待进一步研究。     

细胞间粘附分子-1基因K469E多态性与缺血性脑卒中的相关性研究

目的探讨细胞间粘附分子-1（ICAM-1）基因K469E多态性与缺血性脑卒中发病风险的相关性。方法收集深圳市两家大型综合性医院的309名缺血性脑卒中新发病例，按年龄相差〈5岁，性别、民族相同的匹配条件选取对照，采用聚合酶链反应-限制性片段长度多态性（PCR-RFLP）检测其基因型。结果病例组ICAM-1基因K469E基因型频率和等位基因频率与对照组比较差异有统计学意义（P〈0．05）。以KK基因型为参照，病例组携带EE、EK基因型是对照组发生脑卒中危险的2．49倍和1．65倍，95％可信区间分别为1．54～4．04，1．27～2．15，而携带至少一个突变基因的个体发生脑卒中的OR值和95％可信区间为1．76（1．30～2．37）。结论ICAM-1基因K469E多态性与缺血性脑卒中发生的易感性有关，E等位基因可能是脑卒中发生的遗传易感标记，纯合突变EE基因型可能是脑卒中的危险因素。