随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能比较

目的比较随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能。方法在手术麻醉系统中筛选一次住院期间申请2次手术的患者信息。提取所有非计划再次手术患者(n=219)作为研究组,对应科室的计划再次手术患者(n=14311)作为对照组。运用随机森林模型和Logistic回归模型建立非计划再手术预测模型。采用受试者工作特征曲线下面积评价两种模型的预测效能。结果(1)Logistic回归分析结果显示,前次术中输血、罹患恶性肿瘤、合并疾病数量、前次手术切口愈合等级、前次手术级别、前次手术时长、前次手术切口类别是非计划再手术发生的影响因素(P<0.05)。Logistic回归预测模型的曲线下面积为0.922,灵敏度、特异度、准确率分别为92.59%、79.11%、79.28%。(2)随机森林模型特征变量的重要性排序结果显示,前次手术切口类别、前次术中输血、前次手术级别、前次手术切口愈合等级、合并疾病数量、罹患恶性肿瘤等变量的重要性更靠前。随机森林预测模型的曲线下面积为0.866,灵敏度、特异度、准确率分别为80.00%、93.33%、86.66%。Logistic回归预测模型曲线下面积大于随机森林预测模型,但差异无统计学意义(P>0.05)。结论综合使用Logistic回归模型和随机森林模型,并将二者分析结果互为补充,可从各个方面预测非计划再次手术的风险因素,能获得更好的预测效能。

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Logistic回归和支持向量机的早发性结直肠癌风险预测模型

目的:通过Logis tic回归和支持向量机(SVM)探究早发性结直肠癌(EOCRC)和晚发性结直肠癌(LOCRC)的危险因素,建立针对不同年龄段人群的风险预测模型并比较预测效果。方法:选择2012—2022年诊断为结直肠癌患者,记录人口学特征、临床表现、既往史、家族史、生活方式、体格检查、实验室检查及病理诊断,分别建立风险预测模型,比较两模型的ROC曲线下面积(AUROC)、准确率、精确率、召回率、F1分数。结果:综合两模型结果,EOCRC风险与出现消化道出血、腹胀腹痛、大便习惯改变等临床表现、体重减轻、肿瘤标志物升高具有较强的正相关性,与婚姻状况、阑尾切除史、糖尿病史、血脂异常病史、结直肠癌家族史也存在较弱的正相关;LOCRC风险与婚姻状况、出现临床表现、体重减轻、血脂异常、肿瘤标志物升高具有较强的正相关性,与年龄、吸烟、阑尾切除史、结直肠癌家族史也存在一定的正相关性。两模型的AUROC、准确率、F1分数相差不大,但Logistic回归模型的精确率更高而SVM模型的召回率更高。结论:EOCRC和LOCRC的危险因素不完全相同,婚姻状况、吸烟、血脂异常、肿瘤家族史在EOCRC中的贡献低于在LOCRC中的贡献。相较Logistic回归,SVM能发现更多的结直肠癌危险因素,能尽可能多的找出结直肠癌的可能患者。

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.

基于有序Logistic回归模型的北京高校男生有氧能力

为探索北京高校男生有氧能力的影响因素,通过随机抽样法抽取134名18~25岁北京高校男生,空腹抽静脉血测血液指标,用德国MetaMax 3B系统实时监测气体代谢,通过线性递增方案测得最大摄氧量(maximum oxygen uptake, VO_(2max))相对值。采用Spearman相关、有序Logistic回归等分析方法进行分析处理。结果表明:回归方程中影响北京高校男生有氧能力的因素有体重(M)、心率(heart rate, HR)、每搏输出量(stroke volume, SV)、心室射血时间(ventricular ejection, VET)、血红蛋白(hemoglobin, HGB)。方程模型系数综合检验步(step)、块(block)、模型(model)检验的P均小于0.01;拟合优度检验的-2对数似然值(-2LL)为159.374,Cox&Snell R^(2)为0.331,Nagelkerke R^(2)为0.373;方程预测等级1准确率为45.5%,等级2准确率为100%,等级3准确率为100%,综合为81.8%,说明Logistic回归模型性能良好。Hosmer和Lemeshow检验预测值与观望值无显著性差异(P>0.05)。可见北京高校男生定量负荷心功能、血液指标与有氧能力的多元Logistic回归模型拟合度较好,且HR、SV、VET、HGB是预测北京高校男生有氧能力的重要因素。同时研究中受试者无需运动至极限状态,运动强度大大降低,可以有效避免运动风险的发生,回归模型的检验结果良好,适合在大样本人群中推广。

基于Logistic回归与决策树模型的老年多重慢病及影响因素分析

目的:应用决策树模型和Logistic回归对老年多重慢病影响因素进行分析,为多重慢病的管理和防控提供依据。方法:采用多阶段分层随机抽样方法于青岛、广州、苏州抽取1273名老年人,进行老年多重慢病的问卷调查,分别建立Logistic回归模型和决策树模型,分析并比较两种分析方法结果的差异性。结果:Logistic回归结果显示年龄、婚姻状况、医疗保险、吸烟是老年多重慢病的影响因素,其中年龄是保护因素(OR<1)。决策树模型显示医疗保险是老年多重慢病的最主要影响因素,其次是吸烟、年龄和婚姻状况。两种模型分析比较结果显示,Logistic回归模型的灵敏度为74.3%,特异度为55.3%;决策树模型的灵敏度为57.2%,特异度为73.3%。结论:研究显示年龄、婚姻状况、医疗保险、吸烟是老年多重慢病的影响因素。结合运用Logistic回归模型和CHAID模型,可以有效筛选老年多重慢病的危险因素,有助于制定针对性措施,加强管理和防控。

基于多模态超声图像特征的Logistic回归模型预测三阴性乳腺癌病灶肿瘤浸润淋巴细胞表达的临床价值

目的探讨基于多模态超声(包括二维超声、剪切波弹性成像、超声造影及自动乳腺全容积成像)图像特征的Logistic回归模型术前预测三阴性乳腺癌(TNBC)病灶肿瘤浸润淋巴细胞(TILs)表达的临床价值。方法选取经病理证实的TNBC女性患者99例,根据TILs表达水平将其分为TILs低表达组41例(TILs表达水平<20%)和TILs高表达组58例(TILs表达水平≥20%),应用二维超声获取病灶形态、方位、边缘、内部回声、后方回声、钙化等特征,剪切波弹性成像检测病灶剪切波速度(SWV),自动乳腺全容积成像获取病灶有无汇聚征、晕环征、导管改变等特征,超声造影获取起始增强时间、增强强度、增强方向、增强模式、局灶性充盈缺损、周围血管征、增强后病变范围等特征。比较两组多模态超声图像特征的差异;应用多因素Logistic回归分析筛选预测TNBC病灶TILs高表达的独立影响因素,并建立回归模型。绘制受试者工作特征(ROC)曲线分析回归模型预测TNBC病灶TILs高表达的诊断效能。结果TIls高表达组二维超声图像特征形态规则、边缘光整、后方回声增强、内部回声不均匀,以及超声造影图像特征高增强、局灶性充盈缺损占比均高于TIls低表达组,差异均有统计学意义(均P<0.05);两组自动乳腺全容积成像特征及SWV比较差异均无统计学意义。多因素Logistic回归分析显示,形态规则、边缘光整、后方回声增强、高增强及局灶性充盈缺损均为预测TNBC病灶TILs高表达的独立影响因素(OR=6.858、3.824、5.909、1.945、6.522,均P<0.05);建立的回归模型为:Logit(P)=-2.989+1.925×形态规则+1.341×边缘光整+1.776×后方回声增强+0.665×高增强+1.875×局灶性充盈缺损;其预测TNBC病灶TILs高表达的ROC曲线下面积为0.772。结论基于多模态超声图像特征的Logistic回归模型对术前预测TNBC病灶TILs表达有一定的临床价值。

康复辅具使用满意度研究—基于Logistic回归与决策树模型

随着对康复辅具的需求日益增加,为调查辅具使用者对辅具的满意度,对上海地区相关人员进行问卷调查。采用云模型、有序Logistic回归模型和决策树模型分析辅具使用者满意度现状及其影响因素。研究发现:辅具使用者的整体满意度一般;云滴图说明辅具使用者对于满意度的评价呈现非均衡的分布情况;有序Logistic回归模型显示年龄、完成特定活动是否困难、家庭月收入是辅具使用满意度的显著影响因素;在进行IV特征评估后的决策树模型同样呈现出相同的影响因素。

基于Logistic回归模型的头孢类药物引起静脉炎危险因素分析

目的:探讨基于Logistic回归模型的头孢类药物引起静脉炎危险因素。方法:选取345例输注头孢类药物的住院患者为研究对象,根据是否发生静脉炎分为研究组(n=27)和对照组(n=318)。比较两组患者一般资料、头孢类药物用药情况,分析头孢类药物引起静脉炎的相关因素。结果:研究组中,患者静脉炎1级4例,2级16例,3级7例,经对症治疗后所有患者均转归有效,无严重后遗症发生。单因素分析结果显示,两组患者年龄、药物过敏史、用药时间、滴注速度均有统计学差异(P<0.05);多因素Logistic回归结果显示,合并药物过敏史、用药时间≥7 d是头孢类药物引起静脉炎的独立危险因素(P<0.05)。结论:合并药物过敏史、头孢类药物用药时间≥7 d可能会增加患者静脉炎发生风险;因此,临床应用头孢类药物时,应重点关注既往存在药物过敏史及用药时间过长的患者,规范使用,减少静脉炎的发生。

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。

高度近视继发脉络膜病变的相关因素Logistic回归分析及风险模型构建

目的基于Logistic回归分析高度近视继发脉络膜病变(脉络膜萎缩及脉络膜新生血管病灶)的影响因素,并根据相关因素构建Nomogram风险预测模型,可为临床治疗提供指导。方法选取2021年1月至2023年1月北京积水潭医院收治的340例(680眼)高度近视患者为研究对象,随机分为A组(170例340眼)、B组(170例340眼)。比较两组患者脉络膜病变发生率,在A组、B组中,根据是否发生脉络膜病变分为a组、b组两个亚组,多因素Logistic回归分析高度近视继发脉络膜病变的影响因素。根据影响因素构建高度近视继发脉络膜病变的Nomogram风险预测模型并进行外部验证。结果在A组、B组中,a组患者年龄、糖尿病占比、眼轴长度、血清转化生长因子-β1(TGF-β1)水平均高于b组,屈光度均低于b组(均为P<0.05)。Logistic回归分析结果显示,年龄、糖尿病、眼轴长度、血清TGF-β1水平为高度近视继发脉络膜病变的独立危险因素,屈光度为其保护因素(均为P<0.05)。年龄、糖尿病、眼轴长度、血清TGF-β1水平均为高度近视继发脉络膜病变正相关危险因素,屈光度为其负相关危险因素(均为P<0.05)。Nomogram风险预测模型预测高度近视继发脉络膜病变的AUC为0.818,且校准度良好。结论年龄、糖尿病、眼轴长度、屈光度、血清TGF-β1水平为高度近视继发脉络膜病变的影响因素,据此构建的Nomogram风险预测模型对高度近视继发脉络膜病变具有一定预测价值,临床应依据该模型制定治疗方案,以降低继发脉络膜病变发生风险。

基于过采样Logistic回归模型的互联网贷款违约预测研究

在持续增长的居民贷款消费需求刺激下,互联网贷款业务的规模呈现出持续快速扩张的发展态势,发挥机器学习模型在个贷违约预测的作用,控制和防范互联网贷款违约风险,具有十分重要的意义。通过对不同数据集的样本特征进行详细分析,构建个人信用风险评估指标体系,利用具有普适性特征和可解释性特征的Logistic回归模型对个贷违约进行预测。针对原始数据集存在不平衡样本的问题,分别采用过采样和欠采样的重抽样方法获得平衡样本集,调整正则化惩罚力度,选择最优结果的参数来进行建模,得到模型预测结果。最后对如何防范互联网贷款违约风险提出了相关建议。

基于Logistic回归和神经网络的甘肃省道路结冰预警模型研究

为更好地开展公路交通道路结冰预报预警服务工作,利用甘肃省道路结冰高发区路段(甘肃武威以东)的交通气象站逐小时观测资料,分析道路结冰空间分布特征,探讨道路结冰与气象要素的相关性,采用Logistic回归法和神经网络算法构建道路结冰预警模型。结果表明:甘肃省道路结冰主要集中在冬季(12月至次年2月),其中00:00—10:00和22:00—23:00(北京时)出现道路结冰的频率较高。Logistic回归模型和神经网络模型对未发生结冰事件的预测准确率较高,分别为91.9%和96.2%;针对发生结冰事件,Logistic回归模型的预测准确率较低,为31.6%,而神经网络模型的预测准确率可达44.6%,说明2种模型对道路结冰预警有一定指示意义,神经网络模型预测效果优于Logistic回归模型。

Logistic回归与决策树模型对大面积急性岛叶梗死患者预后的预测价值

目的探讨Logistic回归模型和决策树模型对大面积急性岛叶梗死预后不良的预测价值。方法回顾性分析2019年1月—2022年12月收治的大面积急性岛叶梗死100例的临床资料,根据发病3个月后改良Rankin量表分为预后良好组和预后不良组。统计2组临床资料、实验室指标、疾病史等基线资料。构建Logistic回归模型、决策树模型分析预后不良影响因素。绘制受试者工作特征(ROC)曲线分析2种模型对预后不良的预测效能。结果发病3个月后失访3例,预后不良发生率为39.18%(38/97),预后良好率为60.82%(59/97)。Logistic回归分析显示,年龄、房颤、基线肌钙蛋白T(cTnT)、鸢尾素、闭锁蛋白(Occludin)是预后不良影响因素(P<0.01);决策树模型分析显示,年龄、房颤、基线cTnT及Occludin是预后不良影响因素;决策树模型预测预后不良的曲线下面积大于Logistic回归模型。结论年龄、房颤、基线cTnT、Occludin是大面积急性岛叶梗死患者预后不良影响因素,基于上述因素构建Logistic回归模型和决策树模型均具有良好应用价值,应结合2种模型优点,为临床诊治提供新思路。

基于CatBoost模型和Logistic回归的2型糖尿病风险因素研究

文章通过PolynomialFeatures方法获得高阶交互数据,应用CatBoost模型评估影响因素的重要性,引入Logistic回归对2型糖尿病进行识别并比较一阶数据和高阶数据的识别效果。CatBoost模型在对一阶变量的评估中,锻炼频率、血红蛋白、体质指数、年龄等得分较高,对高阶变量则是锻炼频率、锻炼频率×白细胞、锻炼频率×总胆固醇等得分较高,Logistic回归在2型糖尿病风险识别效果上高阶数据显著高于一阶数据。得出结论:2型糖尿病主要是多因素交互作用的结果,其中锻炼频率、体质指数、年龄等因素起着决定性的作用。

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。

基于二元Logistic回归模型分析机器人辅助子宫内膜癌术后并发症危险因素

目的:探索基于二元Logistics回归模型分析机器人辅助子宫内膜癌患者术后并发症的危险因素。方法:回顾性分析2021年5月—2022年5月在空军军医大学第一附属医院收治的96例子宫内膜癌患者的临床资料,根据手术方式不同将所有患者分为常规组(n=47)和机器人组(n=49),并比较两组患者并发症发生率。同时,经二元Logistic回归模型分析影响术后并发症的危险因素。结果:机器人组术后并发症发生率低于常规组(6.12%Vs 31.91%,P<0.05)。经二元Logistic回归模型分析,年龄>60岁、BMI>24 kg/m^(2)、术中出血量>200 ml、有贫血史、常规手术是影响患者术后出现并发症的独立危险因素(P<0.05)。利用Bootstrap法内验证,预测模型AUC为0.818,特异性71.8%,灵敏性77.8%,95%CI 0.720~0.917。结论:影响机器人辅助子宫内膜癌术后并发症的主要因素为贫血史、手术时间、BMI、年龄、手术方式,针对合并此类危险因素的患者需采用相应的干预措施,从而降低患者术后并发症,改善预后。

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。

基于Logistic回归模型的涉农贷款风险影响因素研究——以宁夏固原市某农村商业银行5,584户涉农贷款户为例

防控涉农信贷风险是维系金融支持乡村振兴可持续性的重要内容。本文以宁夏固原市某农村商业银行5,584户涉农贷款户为研究对象,运用Logistic回归分析方法对金融机构涉农贷款风险成因进行分析研究,发现贷款期限和贷款利率与涉农贷款违约呈正相关关系,农户年龄和农户所拥有的农机数量与涉农贷款违约呈负相关关系,同时,婚姻状况和性别亦对涉农贷款违约产生影响。为金融机构涉农贷款风险有效防控提出有现实意义的对策建议。