基于Logistic回归模型和PCA模型的急性缺血性脑卒中发作影响因素分析

目的应用Logistic回归模型和主成分分析(PCA)模型分析急性缺血性脑卒中(AIS)发作的影响因素。方法从大连医科大学附属第二医院医渡云科研大数据服务器系统提取2001年1月1日至2021年12月31日的数据,将医院病历系统收录的55620例AIS患者纳入病例组,将筛选后的64134例在医院体检中心体检的人群纳入对照组。收集两组的临床资料,分析AIS发作的影响因素。结果多因素分析结果显示,年龄、性别、肌酐、白细胞计数、血红蛋白、红细胞计数、血小板计数、甘油三酯(TG)、低密度脂蛋白胆固醇(LDL-C)、高密度脂蛋白胆固醇(HDL-C)、丙氨酸氨基转移酶(ALT)、总胆固醇(TC)、γ-谷氨酰转移酶(γ-GGT)水平及吸烟史、饮酒史、高血压、糖尿病、心梗、冠心病、动脉粥样硬化为AIS的影响因素(P<0.05);受试者工作特征(ROC)曲线下面积(AUC)为0.927。PCA提取8个主成分,既往病史、血脂水平风险比较大。结论既往病史及血脂水平是AIS发作的主要影响因素,有效控制原发疾病及血脂水平能够更好控制AIS发作。

基于DCE-MRI表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用

目的 分析基于动态对比增强磁共振成像(DCE-M RI)表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用。方法 回顾性分析2021年1月~2023年10月来我院进行乳腺检查患者161例临床资料。其中良性病变60例、恶性病变101例,分别纳入良性组(n=60)及恶性组(n=101)。分析两组DCE-MRI表现差异,进行单因素分析,利用二元Logistic回归分析构建乳腺良恶性病变诊断模型。采用受试者工作特征(ROC)曲线分析乳腺良恶性病变诊断模型的效能。结果 单因素分析显示,良性组与恶性组TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小比较差异有统计学意义(P<0.05);二元Logistic回归分析结果显示, TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小是乳腺良恶性病变危险征像;构建logistic乳腺癌良恶性病变诊断模型Y=-0.633+0.645TIC曲线+2.112×BI-RADS分级+1.142×早期强化率+1.136×边缘形态+1.136×病灶大小;ROC曲线分析显示该模型诊断效能,AUC为0.944,敏感度为83.33%,特异度为85.15%,提示该模型具有较高的诊断效能。结论 基于乳腺病变早期DCE-MRI表现的logistic诊断模型,能够筛选出对乳腺恶性病变鉴别诊断有意义的特征变量,对乳腺良恶性病变具有较高的诊断效能。

基于连续比例Logistic回归模型的贝叶斯判别分析

针对传统贝叶斯判别分析方法处理实际问题的局限性,提出一种基于连续比例Logistic回归模型的贝叶斯判别分析方法.首先基于连续比例Logistic回归模型建立半参数密度比模型,通过经验似然法估计模型的参数,并使用贝叶斯定理计算后验概率进行分类预测.然后对比新方法与传统方法的回判正确率,统计模拟表明当总体数据符合正态分布时,2者判别能力相当,否则,提出的新方法能够更好地判别不同的数据特征.最后运用新方法分析真实的数据集,验证了新方法在分类预测中的准确性和稳健性,与传统方法相比,更适用于实际应用中多元分类问题的建模和预测.

基于超声乳腺影像报告和数据系统与Logistic回归分析的良恶性乳腺肿块鉴别诊断模型的构建

目的基于超声乳腺影像报告和数据系统(BI-RADS)与Logistic回归分析构建良恶性乳腺肿块鉴别诊断模型,并分析其应用价值。方法选取156例和67例乳腺肿块患者,分别作为模型组和验证组。依据病理结果将156例模型组患者分为良性组(n=87)和恶性组(n=69),记录两组患者的临床特征和BI-RADS超声影像特征,乳腺恶性肿块的影响因素采用Logistic回归分析。根据影响因素构建良恶性乳腺肿块鉴别诊断模型,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),分析该模型的诊断效能。结果单因素分析结果显示,良性组和恶性组患者年龄、肿块最大直径、淋巴结肿大情况、BI-RADS分类、超声弹性评分、方位、形态、边缘、内部回声、后方回声、血供情况、结构扭曲情况和微钙化情况比较,差异均有统计学意义(P﹤0.01)。多因素Logistic回归分析结果显示,年龄≥40岁、肿块最大直径≥3 cm、方位不平行、形态不规则、边缘成角、边缘毛刺、内部回声不均匀和微钙化均是乳腺恶性肿块的独立危险因素(P﹤0.05)。根据上述8个影响因素构建良恶性乳腺肿块的鉴别诊断模型,Hosmer-Lemeshow拟合优度检验结果显示,χ^(2)=12.512,P=0.130;该模型诊断乳腺恶性肿块的AUC为0.896(95%CI:0.844~0.948),灵敏度为85.50%,特异度为85.10%,约登指数为0.706,表明该模型拟合优度良好,具有较好的诊断效能。将验证组67例患者代入诊断模型中,该模型诊断乳腺恶性肿块的AUC为0.986(95%CI:0.962~1.000),灵敏度为93.30%,特异度为100%,约登指数为0.933,说明该模型的诊断效能较好。结论基于超声BI-RADS与Logistic回归分析构建的良恶性乳腺肿块鉴别诊断模型具有较高的临床应用价值,可作为辅助手段对乳腺癌进行筛查。

普外科术中低体温发生情况Logistics回归分析及预测模型构建

目的探讨普外科术中低体温发生的风险因素,构建并验证术中低体温发生的风险预测模型。方法选取2020年12月至2022年12月在本院接受普外科手术的117例患者作为观察对象。收集患者临床资料,根据患者术中是否发生低体温将其分为发生低体温组(A组)和未发生低体温组(B组)。Logistic回归分析影响患者普外科术中发生低体温的危险因素,并建立风险预测模型,受试者工作特征曲线(ROC)检测该模型的预测效能。结果117例患者中发生低体温31例(26.49%),未发生低体温86例(73.50%)。两组患者在年龄、体重指数、手术方式、ASA分级、术中输液量、手术室温、手术时间等方面比较,差异具有统计学意义(P<0.05)。Logistic回归分析结果显示,年龄≥65岁、术中输液量≥1000 mL、麻醉时间≥4 h、手术室温<23℃是普外科术中发生低体温的危险因素(P<0.05)。独立危险因素纳入Logistic回归分析并建立预测模型,模型预测概率P=1/[1+e(-1.020+0.874)×(年龄)+1.114×(术中输液量)+1.556×(手术室温)+1.453×(麻醉时间)]。ROC曲线检验该模型预测效能,结果显示ROC曲线下面积(AUC)=0.754(P<0.05);Hosmer-Lemeshow拟合优度检验显示,χ^(2)=1.001,P=0.998。结论患者年龄、术中输液量、麻醉时间、手术室温是普外科患者术中发生低体温的独立危险因素,Logistic风险预测模型拟合效度好,具有较高预测价值。

基于Logistic回归的老年髋部骨折患者术后尿道感染风险预测模型构建与应用

目的探讨老年髋部骨折患者术后尿道感染风险因素,并以此构建老年髋部骨折术后患者尿道感染风险预测模型,并应用于老年髋部骨折围手术期。方法选取我院骨科2019年1月至2023年5月收治的老年髋部骨折患者1012例作为研究对象,其中发生术后尿道感染者111例。通过单因素分析初步筛选出老年骨科患者尿道感染的危险因素,综合考虑临床经验,将相关危险因素纳入多因素Logistic回归分析,并根据结果建立Logistic模型。结果纳入单因素、多因素Logistic回归分析模型分析,经筛选后发现,影响术后尿道感染的独立危险因素有低蛋白血症、电解质失衡、肺炎、糖尿病4项(P<0.05)。检测发现,预测模型在老年髋部骨折患者诊断中的敏感度、特异度各为83.78%,90.77%。结论低蛋白血症、电解质失衡、肺炎、糖尿病均是影响老年髋部骨折患者术后尿道感染风险的因素。基于本文列线图模型构建的老年髋部骨折尿道感染预测模型有良好的预测能力与准确性。

基于Logistic回归模型的房地产上市公司信用风险研究

伴随着中国城镇化的发展,在过去二十年里,我国的房地产行业迅猛的发展。由于房地产行业的产业关联性极强,已然成为我国民经济的重要“支柱产业”之一。在此背景下,研究房地产的企业信用风险,对构建现代房地产企业管理机制,以及商业银行的风险管理有着重要的现实意义。本文搜集了2020年所有房地产上市公司的财务报表中的14个有关风险管理的财务指标,构建了房地产企业的财务信用评价指标体系。再通过因子分析法生成了对所有指标具有代表意义的4个公因子,并挑选出具有实际意义的两个公因子:即企业的“盈利能力”M1和企业的“偿债能力”M3。之后,选取M1和M3作为自变量,选取Y“企业是否为ST企业”作为因变量,建立Logistic回归模型。结果显示建立的Logistic回归模型能实际计算一个房地产企业信用风险,且一个房地产企业的盈利能力越好,其面临的信用风险就越低。最后根据输出结果提出了一些可行的实际建议,例如要关注与盈利能力相关的指标的变动,要制定相应的防范措施以避免企业出现信用风险等。

基于Logistic回归模型的制造企业财务风险诊断研究

本文旨在构建基于Logistic回归模型的财务风险预警模型,对制造企业进行财务风险诊断。在文献综述的基础上,选取了A股63家制造企业(15家ST企业,48家非ST企业)作为样本,利用因子分析提取关键财务指标,并运用逐步回归的Logistic模型进行风险评估。研究结果表明,模型具有较高的预测准确性,能够为企业管理者提供有效的风险预警信息。

腹腔镜超声下肝部分切除术后肝细胞癌患者无进展生存期的多因素Logistic回归分析及预测模型构建

目的研究腹腔镜超声(laparoscopic ultrasound,LUS)下肝部分切除术后肝细胞癌(hepatocellular carcinoma,HCC)患者无进展生存期(progression free survival,PFS)的多因素Logistic回归分析及预测模型构建。方法选取112例贵州医科大学附属医院于2018年1月至2020年12月收治的接受LUS下肝部分切除术治疗的HCC患者。所有患者均采用LUS下肝部分切除,记录患者围手术期指标,统计患者围手术期并发症发生情况,患者出院后定期进行电话随访,并嘱患者定期到门诊进行复查,评估患者的PFS。结果患者术中出血量为(322.73±49.50)ml,手术时间为(180.41±26.42)min,引流管置管时间为(3.91±1.21)d,病灶切缘距离为(2.31±0.47)cm,住院时间为(8.73±1.19)d,术后首次肛门排气时间为(2.77±0.68)d。患者术后均未出现腹腔出血,胆汁漏、胸腔积液、肺部感染及切口感染的发生率均为3.57%,总并发症发生率为14.29%。单因素分析显示,患者年龄、肿瘤数目、BCLC分期、Child-Pugh分级和手术切除边缘残留是LUS下肝部分切除术后患者PFS的影响因素,而性别、肿瘤大小、HbeAg是否阳性及术前HBV-DNA是否为阳性对LUS下肝部分切除术后患者PFS无影响(P>0.05)。多因素Logistic回归分析显示,患者年龄、肿瘤数目、BCLC分期、Child-Pugh分级和手术切除边缘残留是LUS下肝部分切除术后患者PFS的独立危险因素(P<0.05)。绘制危险评估模型预测LUS下肝部分切除术后HCC患者PFS的ROC曲线,结果显示,AUC为0.839(95%CI:0.785~0.894,P<0.001),敏感性为77.55%,特异性为66.28%,Hosmer-Lemeshow拟合优度检验r=4.7,P=0.488。结论患者年龄、肿瘤数目、BCLC分期、Child-Pugh分级和手术切除边缘残留是LUS下肝部分切除术后患者PFS的独立危险因素,根据危险因素构建的预测模型对患者PFS具有良好的预测价值。

基于Logistic回归分析构建恶性肺结节CT人工智能技术和肿瘤标志物的预测模型

目的探讨CT人工智能技术与肿瘤标志物联合鉴别诊断恶性肺结节有效性。方法选取2018年1月至2021年1月我院收治的453例肺结节患者,根据病理学结果分为良性组(n=317)和恶性组(n=136),比较2组临床资料、CT人工智能参数、血清胃泌素释放肽前体(Gastrin-Releasing Peptide,Pro-GRP)、神经元特异性烯醇化酶(Neuron-Specific Enolase,NSE)、癌胚抗原(Carcinoembryonic Antigen,CEA)、细胞角蛋白片段19(Cytokeratin Fragment 19,CYFRA21-1)、鳞状细胞癌抗原(Squamous Cell Carcinoma Antigen,SCC),采用多因素Logistic回归方程分析恶性肺结节相关影响因素,采用R语言绘制预测恶性结节的列线图。结果恶性组吸烟史、既往肺部外恶性肿瘤史患者多于良性组(P<0.05);恶性组结节直径、恶性概率高于良性组,毛刺征、位于上叶、病灶形态不规则、空泡征表现多于良性组(P<0.05);各单独指标评估恶性肺结节价值:恶性概率的AUC大于结节直径、毛刺征、位于上叶、病灶形态不规则、空泡征(P<0.05);恶性组Pro-GRP、NSE、CEA、CYFRA21-1、SCC高于良性组(P<0.05)。多因素分析显示,吸烟史、既往肺部外恶性肿瘤史、恶性概率、Pro-GRP、NSE、CEA、CYFRA21-1、SCC均是恶性结节的相关危险因素(P<0.05)。基于以上多因素分析筛选出的各危险因素,绘制恶性肺结节的列线图预测模型,Bootstrap内部验证显示校正曲线与理想曲线拟合良好,C-index指数为0.984,AUC为0.925,敏感度为85.29%,特异性为83.91%,说明本研究列线图模型具有较好的预测能力。结论基于CT人工智能技术和Pro-GRP、NSE、CEA、CYFRA21-1、SCC构建的恶性肺结节预测模型,能准确、便捷鉴别肺结节的性质,可为临床诊疗提供参考依据。

基于因子分析与定序Logistic回归的RIO鸡尾酒消费群体分类与满意度分析

当前国内低度果味鸡尾酒市场竞争日趋激烈,RIO鸡尾酒作为行业的龙头代表,有良好市场口碑和大量消费群体,但近几年市场表现的活力有所下滑,同时该品牌主打的“微醺”赛道在经历了近2年的“爆红”之后,在2022年快速“降温”,消费投资遇冷,融资受到一定影响,RIO鸡尾酒需要新的营销策略去处理这些挑战。本文基于所收集消费者的样本数据进行建模,首先使用因子分析方法对影响购买的十个因素降维分类,归纳成为影响人群购买行为的三个不同要素的公共因子:产品质量与品牌特点因子、产品宣传与方便性因子及产品服务与物流因子。然后基于这三个公共因子对现有消费者进行K-means聚类,得到三类消费人群:注重产品质量的参与人群、注重品牌与宣传的热爱人群以及注重方便与售后的忠实人群。最后使用定序Logistic回归模型分析影响消费者购买RIO鸡尾酒时的因素,发现影响消费者购买的三个显著因素:价格、便携性以及品牌口碑,以期为RIO鸡尾酒精准化定位与差异化营销提供一定借鉴意义。

logistic回归和分类树在慢阻肺影响因素分析中的应用

目的:运用logistic回归和分类树模型对比探讨泸州市居民慢性阻塞性肺疾病(COPD)的影响因素,为COPD的病因学研究和防治提供依据。方法:采用成组病例对照研究设计,通过非条件logistic回归模型和CHAID分类树模型分析泸州市居民COPD的影响因素,并采用ROC曲线下面积(AUC)对两种模型进行评价。结果:本次分析共纳入了COPD患者2 271例和非COPD患者2 367例,非条件logistic回归结果显示:性别、厨房燃料、吸烟、年龄、身体质量指数(BMI)和心率是COPD的危险因素,差异有统计学意义(P<0.05)。分类树模型结果显示:性别、年龄、职业、厨房燃料和吸烟为COPD的危险因素,其中年龄是主要影响因素。logistic回归和CHAID分类树模型的AUC分别为0.925和0.905。结论:泸州市居民COPD患病的可能危险因素主要有性别、年龄、心率、职业、厨房燃料和吸烟和BMI。logistic回归和CHAID分类树模型均具有较高的准确性,两种方法结合使用能更加全面地筛选COPD的危险因素。

基于Logistic回归模型的本科生考研意愿影响因素分析——以郑州大学本科生为例

目的:对本科生考意愿及其影响因素进行定量研究,以期为学校、家长、学生个人端正考研动机提供参考依据。方法:基于郑州大学本科生的问卷调查数据,对可能影响科研动机的23个因素进行单因素卡方分析,并对筛选出的具有统计意义(P<0.05)的影响因素进行二元Logistic回归分析。结论:单因素分析结果显示:性别、目标学校性质、本专业兴趣、其他专业兴趣等11个因素对本科生考研意愿的影响较为显著。二元logistic回归分析结果显示:名校情结、高学历需求、学校满意度、就业压力及对其它专业兴趣是本科生考研动机的5个独立影响因素。

二分类变量logistic回归模型下职业农民培育意愿分析

随着中国农业现代化进程的不断推进,职业农民在农业生产和经营过程中必将发挥更大的作用,将更多的农民培育成为职业农民是促进农业持续健康发展的必由之路。二分类变量logistic回归模型下职业农民培育意愿分析可为职业农民的培育提供参考依据。

基于Logistic回归分析的子宫异常出血患者子宫内膜息肉发生的预测模型构建及效能验证研究

目的探讨基于Logistic回归分析的子宫异常出血患者子宫内膜息肉发生的预测模型,为子宫内膜息肉的临床诊治提供参考依据。方法选取330例子宫异常出血患者,按照是否发生子宫内膜息肉将患者分为发生组(99例)与未发生组(231例)。对两组患者的基本情况[年龄、体质量指数(BMI)]、孕产次情况、月经情况、避孕情况、合并症情况进行观察和比较。结果预测子宫异常出血患者子宫内膜息肉发生的预测模型:P=1/[1+exp(4.227-1.165X_(1)-1.817X_(2)-2.029X_(3)-2.120 X_(4)-2.080X_(5))];Hosmer-Lemeshow拟合优度检验结果显示χ^(2)=7.993,P=0.434。结论年龄、产次、子宫内膜炎、子宫肌瘤和口服避孕药是子宫异常出血患者子宫内膜息肉发生的危险因素,基于Logistic回归分析构建的子宫异常出血患者子宫内膜息肉发生的预测模型拟合情况良好,具有临床应用价值。

构建及验证基于Logistic回归的Stanford A型主动脉夹层术后谵妄风险预测模型效果

目的 基于Logistic回归分析构建Stanford A型主动脉夹层(TAAD)术后谵妄风险预测模型,同时验证其预测效果。方法 选取2021年1月至2021年7月河南省胸科医院收治的200例TAAD患者为研究对象,均行外科手术治疗,并收集上述患者临床资料。将上述受试者根据术后情况分为非谵妄组和谵妄组。比较非谵妄组和谵妄组基线资料,然后将有统计学意义的基线资料进行Logistic回归分析。基于Logistic回归分析结果构建TAAD患者术后谵妄风险预测模型。检验模型区分度和拟合优度。另在2022年3月至2022年6月本院收治的行外科手术治疗的25例TAAD患者对模型预测效能进行验证。结果 Logistic回归分析显示男、年龄> 54.60岁、术前血乳酸值> 1.96 mmol/L、术中深低温停循环时间> 35.70 min、术后住ICU时间> 8.3 d、术后急性肾功能不全、术后感染均是影响患者术后发生谵妄的危险因素,差异有统计学意义(P <0.05)。基于Logistic回归分析结果建立的预测模型ROC曲线下面积、95%CI、敏感度、特异度分别为0.913、0.879~0.984、75.30%、86.50%,差异有统计学意义(P <0.05)。Hosmer-Lemeshow检验χ^(2)=4.315,P=0.324。模型验证结果显示,ROC曲线下面积为0.884,差异有统计学意义(95%CI为0.768~0.983,P <0.001),Hosmer-Lemeshow检验χ^(2)=5.246,P=0.286。敏感度和特异度分别为74.50%、83.60%。结论 基于Logistic回归分析构建的TAAD术后谵妄风险预测模型预测效果较好,可用于预测TAAD患者术后发生谵妄的风险,为该病术后护理及预防措施提供参考。

基于主成分分析的回归模型对重度创伤性脑损伤去骨瓣术后脑积水的评估价值

目的探讨基于主成分分析的回归模型对重度创伤性脑损伤去骨瓣术后脑积水的评估价值。方法选取邯郸市中心医院2022-01—2023-10收治的92例重度创伤性脑损伤患者,均接受去骨瓣术治疗。根据患者术后是否发生脑积水分为发生组(20例)及未发生组(72例),比较2组临床资料,并对其进行主成分分析,然后提取主成分作为自变量,采用主成分分析-Logistic回归分析重度创伤性脑损伤去骨瓣术后脑积水的危险因素,采用受试者工作特征曲线评估模型对患者发生脑积水的预测效能。结果单因素分析显示,发生组脑震荡、脑内血肿、术后颅内感染、术后大面积脑梗死、手术前后脑室系统出血占比、受伤距离手术时间、手术前后CGS评分、白细胞计数均高于未发生组(P<0.05)。主成分分析-Logistic回归分析显示,合并脑内血肿、颅内感染、术后大面积脑梗死、手术前后脑室系统出血、手术前后GCS评分低是重度创伤性脑损伤去骨瓣术后发生脑积水的独立危险因素(P<0.05)。主成分分析-Logistic回归模型评估重度创伤性脑损伤去骨瓣术后发生脑积水的灵敏度为90.00%,特异度为94.44%,AUC为0.958。结论主成分分析-Logistic回归模型能够有效评估重度创伤性脑损伤去骨瓣术患者的预后情况,脑内血肿、颅内感染、术后大面积脑梗死、脑室系统出血、GCS评分等是影响患者发生脑积水的重要因素。

急性有机磷农药中毒患者发生医院感染相关因素的Logistic回归分析及防治措施

目的 探讨急性有机磷农药中毒(AOPP)患者发生医院感染的相关因素及防治措施。方法 选取连云港市第二人民医院2015年1月—2021年12月AOPP患者206例作为研究对象,统计医院感染发生情况,根据是否发生医院感染分为发生组与未发生组,收集两组临床资料,分析AOPP患者发生医院感染的影响因素。结果206例AOPP患者发生医院感染57例,发生率为27.67%;单因素分析显示,昏迷、ChE活性、留置深静脉置管、气管插管、留置胃管、抗菌药物应用种类、导尿管留置时间、机械通气时间、住院时间是AOPP患者发生医院感染的影响因素(P<0.05);Logistic回归分析显示,昏迷、留置深静脉置管、气管插管、抗菌药物应用种类>1种、导尿管留置时间>7 d、机械通气时间>7 d是AOPP患者发生医院感染的独立危险因素(P<0.05);利用上述6个独立危险因素构建风险预测模型,经似然比卡方、Wald卡方、Hosmer-Lemeshow拟合优度检验显示模型建立具有统计学意义、有效且拟合效果较好;ROC曲线分析显示,该模型预测AOPP患者发生医院感染的AUC为0.922,95%CI为0.872~0.957,敏感度为87.72%,特异度为82.55%。结论 AOPP患者发生医院感染风险较高,昏迷、留置深静脉置管、气管插管、抗菌药物应用种类、导尿管留置时间、机械通气时间均是其独立影响因素,根据上述因素构建风险预测模型具有可靠预测价值。

影响男子沙排运动员比赛成绩的运动素质分析--基于有序多分类Logistic回归模型

以参加“第14届全运会资格赛暨2020年全国沙滩排球锦标赛(海口站)”的33支青年队和38支成年队男子沙滩排球运动员的运动素质测试数据为基础,通过建立有序多分类Logistic回归模型,结合专家访谈,对影响我国青年和成年队男子沙滩排球运动员比赛成绩的运动素质进行分析。研究表明,我国优秀青年队和成年队男子沙排运动员的体能总分与比赛成绩有着显著的相关性,在各单项运动素质方面,运动员的弹跳素质、上肢相对力量、沙地直线移动速度和多方向移动速度均与比赛成绩存在显著关联。有序多分类Logistic回归模型表明,弹跳素质是优秀青年队和成年队男子沙滩排球运动员比赛成绩的影响因素之一。此外,影响青年队运动员比赛成绩的运动素质因素还包括沙地多方向移动速度。

分类树模型与logistic回归在高血压危险因素预测中的应用分析

目的拟利用我市2013年居民健康档案相关数据,探讨logistic回归和分类树模型在高血压危险因素中的应用前景,并分析高血压的相关危险因素。方法抽取在我市25岁以上且居住5年以上的普通人群的代表性样本9 950例,按照预设调查内容开展问卷调查,利用logistic回归模型和分类树模型分析高血压危险因素。结果本次调查共抽取居民健康档案9 950例,调查问卷经筛查后有效问卷9 778份,有效率98.27%,满足研究条件。logistic回归分析显示,女性及轻中度职业人群是高血压的保护因素,而BMI高、未婚(独居)、大于25岁年龄组、有高血压家族史是高血压的危险因素。分类树分析显示,其危险因素主要有年龄、性别、高血脂、吸烟、饮酒、中心型肥胖、超重。高危人群主要分布在第4、6、9、11、12共5个节点内:终点6表现为中心型肥胖+超重+饮酒者;终点12表现为高血脂+超重者;终点9和11表现为中心型肥胖+超重+高龄及男性烟民;终点4表现为吸烟+饮酒+中心型肥胖者。logistic回归与分类树分析预测效果中等。结论中心型肥胖、超重、饮酒、高龄、高血脂症是高血压的危险因素,分类树模型和logistic回归模型都适合于高血压危险因素的判断,且前者的判断能力更好、更直观。