首页 > 文献资料
-
Exhaustive CHAID分类树与logistic回归在脑卒中危险因素中的应用
目的 应用exhaustive CHAID分类树模型与logistic回归分析来分析北京社区居民脑卒中危险因素以及不同特征人群的重点干预因素,为加强北京市居民脑卒中的干预提供科学依据.方法 于2007年6月至8月,采用整群抽样方法,对北京10 108名社区居民进行问卷调查、体格检查及检测空腹血糖、血脂.采用logistic回归与exhaustive CHAID分类树分析相结合来探讨影响北京市居民脑卒中的因素.结果 logistic回归分析和exhaustive CHAID分类树分析显示年龄、性别、踝臂指数(ABI)、高血压、腹型肥胖、高密度脂蛋白胆固醇、吸烟状况、工作强度为脑卒中的危险因素;Exhaustive CHAID分类树分析揭示老年者ABI贡献大,不容忽视中年者糖尿病.Logistic回归分析和exhaustive CHAID分类树分析的ROC曲线下面积分别为0.803和0.778,模型可靠.结论 对脑卒中的防治,要在总体把握的情况下,对不同的高危人群应采取不同的防制措施.
-
山东省中西部农村居民高血压危险因素分类树分析
目的 探讨山东省中西部地区25岁以上农村常住居民高血压的危险因素及高危人群.方法 采用多阶段分层随机抽样的方法 ,对该地区调查对象进行问卷调查、体格检查以及实验室检测.应用分类树分析高血压人群的危险因素及高危人群.结果 高血压的主要危险因素为年龄、腹型肥胖、超重或肥胖、高血压家族史、血糖值较高等.高血压的高危人群主要为高年龄者;年龄较大且血糖值较高者;年龄较大且腹型肥胖或超重者;有高血压家族史且年龄较大者;有高血压家族史、腹型肥胖且年龄较大者.分类树模型学习集的灵敏度为71.87%,特异度为66.38%,总正确率为68.79%;检验集的灵敏度为70.70%,特异度为65.84%,总正确率为67.97%.结论 控制体重和血糖为一般人群的预防措施,不同高危人群应根据所具有的危险因素采取不同的防治措施.高血压的人群防治应将对一般人群的普遍预防和对高危人群的重点预防相结合.
-
福建省居民膳食模式及基于分类树模型的糖尿病影响因素分析
目的 分析福建省成年居民不同膳食模式及其他环境因素与糖尿病的关系.方法 在福建省10个疾病监测点采用多阶段随机抽样方法抽取≥18岁常住居民进行问卷调查、体格测量和实验室检测.采用因子分析方法建立膳食模式,并运用logistic回归模型分析膳食模式与糖尿病之间的关系;应用分类树模型分析糖尿病的影响因素.结果 因子分析得到4种膳食模式,分别为动物性食物模式、植物性食物模式、优质蛋白模式、油炸饮品模式;logistic回归分析发现植物性食物模式(新鲜果蔬、谷薯类因子负荷较大)是糖尿病的保护因素,因子得分处于T3、T2水平人群患糖尿病的风险分别是下四分位数水平的0.727、0.736倍(95％CI:0.561～0.943、95％CI:0.573～0.944);分类树模型筛选出13个影响因素:血脂异常、年龄、糖尿病家族史、高血压、体力活动、职业、性别、静坐时间、中心性肥胖、BMI、婚姻、睡眠时间、优质蛋白模式,以及11个糖尿病高危人群.结论 膳食因素与糖尿病具有密切关系,提倡健康合理的膳食,并加强监测和控制血脂、血压和体重,培养良好的生活行为习惯对糖尿病防控尤为重要.
-
回归树的建模与应用
近年来,大量研究致力于建立新的回归技术解决经典回归中假设过于严格的问题,包括预测变量与反应变量的线性关系、反应变量的正态性及方差齐性等.当线性关系不成立时选用线性模型明显不适宜,此时一种方案是在模型中加入交互作用项或采用变量变换,但这种方式容易导致解释时的困难,并且可能仍然不能解决非线性的问题.另一种解决方案则是选用非参数回归技术,包括Friedman和Stuetzle[1]提出的光滑技术和Yarnlod等[2]及Breiman等[3]提出的分类与回归树.其中分类与回归树的区分关键在于反应变量为连续性变量或为分类变量,若为连续性变量则建立回归树,反之则建立分类树.现就回归树的建模与应用进行探讨.
-
应用分类树模型研究乳腺癌危险因素
目的 应用分类树模型筛选乳腺癌的危险因素,并预测其发病风险,为乳腺癌的干预提供科学依据.方法 用问卷调查及实验室检测等方式采集2010年7月至2012年6月就诊于黑龙江省牡丹江市第一、二人民医院及牡丹江医学院附属红旗医院的1023名女性的相关数据,利用分类树模型分析乳腺癌的影响因素,采取ROC曲线对模型进行评价.结果 乳腺癌的危险因素为乳腺癌家族史、长期精神压抑、流产次数(≥3次)、初潮年龄(≤12岁)、平均行经时间(＞7 d)、足月妊娠、乳腺良性疾病史、腰臀比(≥0.8)、职业和体质指数(≥25),食用豆类食品(1周不少于2次)、体育锻炼和哺乳情况(母乳喂养)为乳腺癌发生的保护因素(P＜0.050).结论 利用分类回归树模型可以快速、有效的从众多数据中挖掘出影响乳腺癌发病的主要因素并预测人群乳腺癌的发病风险,在流行病学研究中具有较高的应用价值.
-
广东省常住居民艾滋病知识知晓率及其影响因素分析
目的 了解广东省常住居民艾滋病基本知识的知晓状况,并分析其影响因素,为艾滋病宣传教育策略和措施的制定提供依据.方法 采用多阶段随机抽样方法,从全省21个地市各抽取一个县区,每个县区不少于320人.用统一的艾滋病相关知识问卷对调查对象进行面对面匿名问卷调查,并用分类树模型筛选影响因素.结果 8 616名被调查者平均年龄为44.87岁,男性占48.6％,女性占51.3％.艾滋病总知晓率为46.5％(4 008/8 616),其中城市为51.3％(3 233/6 301),农村为33.4％(772/2 310).听说过艾滋病者占76.7％.电视为知识的主要来源.艾滋病知识知晓率的主要影响因素为文化程度、年龄和调查地类别.结论 广东省常住居民艾滋病知识知晓率低,应加强宣传力度.其中文化程度低者、农村地区人群及年龄较大者,应作为宣传教育的重点人群.
-
非综合征性唇腭裂高危因素条件Logistic回归与数据挖掘相结合的临床研究
目的 探讨非综合征性唇腭裂(NSCL/P)发病的主要危险因素;确立NSCL/P发病概率的预测模型,为优生网络的构建奠定基础.方法 采用1∶1配对病例对照研究,病例组为年龄在0 ～ 12岁之间的NSCL/P患儿126例;对照组来源于同一机构门诊或病房或同一居住区符合配对条件的非唇腭裂患儿.根据危险因素编制调查表,对病例组与对照组患儿父母进行调查,数据经审核后录入Excel 2003建立数据库.首先使用条件Logistic回归对资料进行单因素分析,再对单因素筛选的变量结合专业知识进行多因素分析,筛选主要危险因素并建立回归模型,根据危险因素分别建立分类树与LogitBoost算法的发病概率预测模型,采用ROC曲线对两模型进行评价,从而确立本研究中NSCL/P发病概率的预测模型.结果 病例组与对照组作对照分析,进入条件Logistic回归模型的变量有:母亲孕期感染史(P＝0.011)、家族遗传史(P＝0.008)、母孕期饮食是否规律(P＝0.005)、胎次(P＝0.003)、母亲孕期异常情绪史(P＝0.001)、父亲学历(P＝0.000).经ROC曲线评价,确立分类树模型可用来预测NSCL/P的发病概率.结论 母亲孕期感染、家族遗传、母亲孕期饮食不规律、胎次、母亲孕期异常情绪是NSCL/P发病的促进因素;父亲学历是该病的保护因素.经ROC曲线评价,终确立分类树模型为NSCL/P发病概率的预测模型.
-
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.
-
分类树模型在缺血性脑卒中危险因素筛选中的应用研究
目的 应用分类树模型构建缺血性脑卒中(IS)发病风险的预测模型,并评价其应用价值.方法采取整群抽样的方法,选取2017年1月至12月桂林医学院附属医院临床资料完善的858例IS患者(IS组),并选择同期与IS患者性别、年龄相匹配的844例健康体检者作为对照(健康对照组),比较分析两组人群的代谢特征.应用分类树模型构建IS发病风险的预测模型,并采用增益图、索引图、错分概率Risk值和受试者工作特征曲线(ROC)评价该模型的应用价值.结果 与健康对照组比较,IS组患者体重指数(BMI)、空腹血糖(FPG)、三酰甘油(TG)、总胆固醇(TC)、低密度脂蛋白胆固醇(LDL-C)水平明显升高〔BMI(kg/m2):25.34±3.70比24.24±3.10,FPG(mmol/L):6.79±2.89比5.73±1.17,TG(mmol/L):1.62±1.06比1.44±1.06,TC(mmol/L):4.70±2.73比4.35±0.79,LDL-C(mmol/L):3.18±0.94比2.73±0.73,均P＜0.01〕,高密度脂蛋白胆固醇(HDL-C)水平明显降低(mmol/L:1.12±0.33比1.35±0.36,P＜0.01),高血压及有吸烟史、饮酒史的比例明显升高(69.0%比41.9%,23.1%比16.8%,19.2%比13.4%,均P＜0.01).对各因素赋值〔IS:无为0,有为1;BMI:＜24.0 kg/m2为0,≥24.0 kg/m2为1;FPG:＜7.0 mmol/L为0,≥7.0 mmol/L为1;TG:＜2.26 mmol/L为0,≥2.26 mmol/L为1;TC:＜6.22 mmol/L为0,≥6.22 mmol/L为1;LDL-C:＜4.14 mmol/L为0,≥4.14 mmol/L为1;HDL-C:＜1.04 mmol/L为0,≥1.04 mmol/L为1 ;高血压:无为0,有为1 ;吸烟史:无为0,有为1 ;饮酒史:无为0,有为1〕,建立分类树模型分析IS的危险因素,得出分类树模型共包括4层(第一层为高血压,第二层为FPG和HDL-C,第三层为HDL-C和FPG,第四层为LDL-C和吸烟史)、17个结点,终筛选出5个解释变量,即高血压、FPG、HDL-C、LDL-C、吸烟史.树的第一层显示,高血压人群IS的发生概率(62.6%)明显高于无高血压人群(35.2%).树的第二层显示,在有高血压人群中,HDL-C≥1.04 mmol/L者的IS发生概率(53.6%)低于HDL-C＜1.04 mmol/L者(78.5%);在无高血压人群中,FPG≥7.0 mmol/L者的IS发生概率(71.1%)明显高于FPG＜7.0 mmol/L者(28.3%).树的第三层显示,在无高血压、FPG＜7.0 mmol/L的人群中,HDL-C≥1.04 mmol/L者的IS发生概率(21.8%)低于HDL-C＜1.04 mmol/L者(48.7%);在有高血压、HDL-C≥1.04 mmol/L的人群中,FPG≥7.0 mmol/L者的IS发生概率(78.6%)明显高于FPG＜7.0 mmol/L者(46.7%).树的第四层显示,在无高血压、FPG＜7.0 mmol/L和HDL-C≥1.04 mmol/L的人群中,LDL-C≥4.14 mmol/L者的IS发生概率(53.8%)高于LDL-C＜4.14 mmol/L者(19.0%);在无高血压、FPG＜7.0 mmol/L和HDL-C＜1.04 mmol/L的人群中,吸烟者的IS发生概率(76.9%)高于非吸烟者(39.1%);在有高血压、HDL-C≥1.04 mmol/L和FPG＜7.0 mmol/L的人群中,LDL-C≥4.14 mmol/L者的IS发生概率(72.5%)高于LDL-C＜4.14 mmol/L者(44.4%).IS分类树模型增益图显示增益值从0%开始先向100%快速增长后趋于平稳,索引图显示索引值从100%以上开始沿移动方向保持平稳状态,然后快速向100%下降,说明该模型良好.分类树模型错分概率Risk值为0.291,表明该模型对IS患者危险因素预测正确率是70.9%.分类树模型预测IS危险因素的ROC曲线下面积(AUC)为78.0%〔95%可信区间(95%CI)＝75.9%～79.9%,P＜0.001〕,敏感度为62.5%(95%CI＝59.1%～65.7%),特异度为79.4%(95%CI＝76.5%～82.1%).结论 分类树模型能有效拟合IS患者危险因素的预测,其中高血压、高血糖、高LDL-C、吸烟史是IS的主要危险因素.
-
高血压危险因素分类树分析
目的探讨高血压的主要危险因素与高危人群,为高血压的防制提供理论依据.方法采用以社区人群为基础的病例对照研究;以某工厂人群中筛检出的、未经药物系统治疗的116名高血压患者及136名血压正常健康者为研究对象;运用分类树分析探讨高血压的主要危险因素与高危人群.结果高血压的主要危险因素为:超重、中心型肥胖、饮酒、吸烟、高血脂症、年龄与性别.高血压主要高危人群为:(1)超重+中心型肥胖+饮酒者;(2)超重+中心型肥胖+高年龄及其男性吸烟者;(3)超重+高血脂症者;(4)中心型肥胖+饮酒+吸烟者.上述高危人群病例数占总病例数的82.76%.以学习集的分类结果为:灵敏度为82.76%,特异度为74.26%;以检验集的分类结果为:灵敏度为71.55%,特异度为61.03%.结论对高血压不同高危人群应采取不同的防制措施;控制体重、饮酒、血脂水平、戒烟应为高血压一般人群防制的主要预防措施.
-
HIV/AIDS患者自杀危险因素分类树模型筛选
目的 探索艾滋病毒感染者/艾滋病(HIV/AIDS)患者自杀的影响因素,为预防HIV/AIDS患者自杀提供针对性地干预依据.方法 2013年3-6月,在广东省广州市第八人民医院对408位HIV/AIDS患者进行横断面调查,采用分类树模型筛选自杀危险因素.结果 本次调查发放问卷450份,有效问卷为408份(90.7％).其中,男性占69.6％(284/408),同性恋/双性恋者占31.9 ％(130/408),处于抑郁状态者占36.8 ％(150/408).有32.8 ％(134/408)的患者有过自杀意念或发生过自杀行为;分类树模型结果显示,有抑郁症状、文化程度、性取向以及歧视为重要的危险因素,其中,高危人群为:(有抑郁症状+文化程度高)、(无抑郁症状+非异性恋)、(无抑郁症状+异性恋+受到歧视).利用预测概率绘制的ROC曲线下面积为0.763,与0.5比较差异有统计学意义,模型拟合效果较好.结论 应重视所筛选出的主要自杀危险因素,降低HIV/AIDS患者自杀的发生率.同时应关注HIV/AIDS患者中未发现抑郁症状者的自杀状况,及时采取相应干预措施,减少自杀的发生.
关键词： HIV/AIDS患者 自杀 分类树 -
树型分类及其应用
目的探讨树型分类方法在流行病学队列资料分析中的应用价值.方法依据人群的同质性将总人群根据某一变量(在流行病学分析中,通常为危险因素)分成不同的亚人群(在不同的亚人群中疾病的发生概率不同).结果各危险因素在疾病发生中的作用、作用方式;危险因素间的交互作用的估计;疾病高危人群的筛选.结论树型分类对多元分类资料进行分析时,不涉及参数推断,原理简单,尤其适用于有共线性的资料处理.在疾病的危险因素分析、以及变量筛选等方面将具有广泛的应用前景.
-
应用分类树模型筛选logistic回归中的交互因素
目的 探索自动筛选logistic模型中交互作用因素的方法.方法 借助一个实例,说明分层、分类树与logistic模型之间的关系,借助分类树模型自动进行筛选logistic模型中交互作用因素.结果 本例分析结果 表明,可以应用分类树为logistic模型筛选交互作用因素,并用logistic模型对可能的交互作用因素作后检验,并通过实例说明应用要点.结论 在logistic回归分析中,分类树可以有效地用于自动筛选可能的交互效应因素.
关键词： 分类树 Logistic 回归模型 交互作用 -
基因表达数据判别分析的随机森林方法
目的 探讨随机森林算法在基因表达数据分类研究中的应用.方法 通过实际基因表达数据考核其应用效果,并通过模拟试验进一步验证和研究在存在大量无差异表达基因情况下对分类产生的影响.结果 随机森林算法对基因表达数据的分类具有较高的准确性,但随着基因数量的增加其判别效果呈下降的趋势,在差异表达基因之间具有相关性时,下降趋势明显减慢,能够获得较理想的分类效果.结论 随机森林算法对基因表达数据的分类研究有较好的判别效果.
-
分类树中QUEST算法与多水平logistic模型的联合应用与比较
目的探讨分类树中的QUEST算法和多水平logistic模型联合应用于分析层次资料的可行性.方法首先介绍模型的原理,据此提出联合应用的具体思路,然后采用分析实例进行深入探讨,并用预测准确率和ROC曲线对模型拟合效果加以比较.结果QUEST算法能非常准确地搜索出主要影响因素,并能更加深入地刻画因变量、自变量间的复杂联系,在此基础上再进行多水平logistic模型会更加高效、准确.结论QUEST算法和多水平logistic模型各有优势,将它们联合用于层次资料的分析将更能保证分析的正确性和完善性.
关键词： 分类树 QUEST算法 多水平Logistic模型 产前检查 -
非综合征性唇腭裂高危因素与发病预测模型研究
目的 探讨非综合征性唇腭裂(nonsynodromiccleftlipandpalate,NSCL/P)发病的主要危险因素;评估这些主要危险因素在NSCL/P发病中的相对重要性,终确立NSCL/P发病概率的预测模型,为优生网络的构建奠定基础.方法 采用1:1配对病例对照研究,病例组来源于2006年9月至2007年9月在潍坊医学院附属医院、潍坊市人民医院、菏泽市立医院、烟台毓璜顶医院口腔科住院,年龄在12岁以下患有NSCL/P的儿童76例:对照组为来源于同一机构门诊或病房或同一居住区符合配对条件的非唇腭裂儿童76名.根据拟定的42项危险因素编制调查表,对病例组患儿与对照组儿童的父母进行调查,数据经审核后录入Excel2003建立数据库.首先使用条件Logistic回归对资料进行单因素分析,再对单因素筛选的变量结合专业知识进行多因素分析,筛选主要危险因素并建立回归模型,根据危险因素分别建立分类树与LogitBoost算法的发病概率预测模型,采用受试者工作特征曲线(ROC曲线)对两模型进行评价,从而确立本研究中NSCL/P发病概率的预测模型.结果 病例组与对照组作对比分析,进入条件Logistic回归模型的变量有:母亲孕期感染史(P=0.010)、家族遗传史(P=0.009)、母孕期饮食是否规律(P=0.007)、胎次(P=0.004)、母亲孕期异常情绪史(P<0.001)、父亲学历(尸<0.001).经ROC曲线评价,确立分类树模型可用来预测NSCL/P的发病概率.结论 母亲孕期感染、家族遗传、母亲孕期饮食不规律、胎次、母亲孕期异常情绪是NSCL/P发病的促进因素,且其对NSCL/P发病的影响作用依次增强;父亲学历是该病的保护因素.经ROC曲线评价,终确立分类树模型为NSCL/P发病概率的预测模型.
-
膻中应用方法文献研究
目的:探讨集特定穴、经络部位、中医学藏象中的器官不同理论于一体的膻中应用方法,为拓展并指导针灸临床提供理论依据.方法:以膻中为检索词检索CNKI数据库中文文献,使用Microsoft Office Excel 2007软件,按照膻中不同的中医概念(特定穴、气海、器官)分类整理,依据文献研究内容,进行不同病证和理论研究计数统计.分析各自类别的研究重点;将统计数据转换成SPSS 17.0数据库,以特定穴、气海、器官为因变量,以3个类别研究内容为自变量,采用决策树(CHAID)方法进行分类研究.结果:(1)纳入文献813篇,特定穴研究为87.21％,涉及病证(中西医)68个,以呼吸疾病、心血管疾病、消化系统疾病、乳房疾病、抑郁症为显著;(2)分类树模型显示交叉变量为:理论研究(特定穴49.1％,气海32.7％,器官18.2％);抑郁症(特定穴72.7％,气海1.5％,器官25.8％);心血管病(特定穴90.7％,气海5.6％,器官3.7％)结论:膻中应用方法显著的是特定穴理论,膻中为喜乐之官的理论对其治疗抑郁症具有理论指导意义.
-
应用分类树模型分析环境因素暴露对儿童急性淋巴细胞白血病的影响
[目的]应用分类树模型构建儿童急性淋巴细胞白血病(ALL)的影响因素模型,筛选环境危险因素,为预防儿童ALL提供科学依据.[方法]采用病例-对照研究的流行病学方法,通过问卷回顾性调查315名研究对象(儿童ALL患者为病例组,共179名;社会健康儿童为对照组,共136名)的相关信息,包含可能的儿童ALL影响因素30个.利用分类树模型卡方自动交互检测(CHAID)法建立儿童ALL影响因素模型,通过收益图、索引图及受试者工作特征(ROC)曲线评价模型的应用价值.[结果]分类树模型包括4层,共11个节点,筛选出5个儿童ALL的解释变量,分别是:儿童不爱吃蔬菜水果(x2=47.070,P＜0.001)、母亲孕期服用药物(x2=13.638,P＜0.001)、母亲孕期感冒(x2=8.650,P=0.003)、儿童接触油漆涂料(x2=8.403,P=0.004)、母亲孕期二手烟暴露(x2=8.803,P=0.003).模型的ROC曲线下面积为0.781,与曲线下面积0.5相比,差异有统计学意义(P＜0.001),模型的拟合效果较好.[结论]部分环境因素暴露可能与儿童ALL存在关联.
-
应用分类与回归树筛选慢性非传染性疾病健康素养影响因素的研究
目的:探讨分类与回归树(C&RT)在筛选慢性非传染性疾病健康素养相关影响因素中的应用.方法:收集2013年宿迁市105例慢性病患者组成病例组,对地区、年龄、性别进行成组匹配选取210例非慢性病患者组成对照组.结果:分类树模型从纳入慢性病健康素养相关的19个变量中筛选出就医行为素养、运动素养、对健康的理解素养、心理调节素养、家庭年收入、BMI值是否正常以及成瘾行为素养等7个有统计学意义的影响因素,并且说明了不同人群各自的影响因素.模型的错分概率Risk值为0.270,ROC下曲线面积为0.763,模型拟合效果较好.结论:应用分类与回归树能较好地筛选出慢性病健康素养影响因素,同时能显示变量之间的相互作用,还可以研究变量科学定义分界点.
-
输入性甲型H1N1流感疑似病例的调查及分类树判别
目的 研究输入性甲型H1N1流感流行特征及分类树判别. 方法 对260例输入性甲型H1N1流感疑似病例进行流行病学描述性研究,用分类树法(CART)建立判别预测模型. 结果 260例输入性疑似甲型H1N1流感病例中确诊12例,确诊率为4.62%,以中国籍海外留学生为主.单因素分析表明确诊病例与非确诊病例的年龄、性别、职业、腋下体温、红外线监测体温及主要体征和症状(咳嗽、腹泻、关节或肌肉疼痛、鼻塞、自觉咽痛、咽部或扁桃体红肿、流涕)的构成差异无统计学意义(P＞0.05).CRAT表明判别预测甲型H1N1流感的重要变量依次为年龄、体温、职业、有流涕、咽部或扁桃体红肿和咳嗽,准确率为95.77%. 结论 甲型H1N1流感疫情与既往流感大流行特征基本类似,CART判别预测有良好的初筛应用价值.
