最小绝对收缩和选择算子回归筛选急性缺血性脑卒中溶栓患者症状性脑内出血预测因素分析

目的探讨基于最小绝对收缩和选择算子(LASSO)回归筛选急性缺血性脑卒中溶栓患者症状性脑内出血(sICH)发生的预测因素。方法选取2019年6月至2022年6月于鄂州市中心医院收治的428例急性缺血性脑卒中患者作为研究对象,静脉溶栓后24 h采用CT观察脑内出血情况,根据有无sICH分为sICH组36例和无sICH组392例。记录两组人口社会学资料、溶栓前实验室检查资料、影像学相关资料,采用LASSO回归分析筛选变量初步筛选重要预测因素,将非零回归系数的变量纳入多因素Logistic回归分析,确定影响急性缺血性脑卒中溶栓后发生sICH的独立预测因素。结果36例(8.41%)患者在溶栓后24 h内出现sICH归为sICH组,其余392例(91.59%)未出现sICH归为无sICH组。两组患者发病至溶栓时间、糖尿病、心房颤动、入院时美国国立卫生研究院卒中量表(NIHSS)评分、入院时血糖、C反应蛋白、CT显示大动脉高密度征象比较差异有统计学意义(t/χ^(2)=2.163、3.911、4.092、3.087、3.156、3.937、8.553,均P<0.05);LASSO回归算法共筛选出入院NIHSS评分、入院时血糖、C反应蛋白、大动脉高密度征象4个具有非零系数的显著相关指标;进一步多因素Logistic回归分析显示:入院NIHSS评分、入院时血糖、C反应蛋白、大动脉高密度征象为急性缺血性脑卒中溶栓后sICH的危险因素[OR(95%CI)=1.123(1.029~1.226)、1.391(1.086~1.781)、1.901(1.362~2.652)、3.112(1.364~7.104),均P<0.05];ROC曲线显示,基于LASSO-Logistic构建的模型预测急性缺血性脑卒中溶栓后sICH发生的AUC为0.802(95%CI=0.722~0.882),特异度为61.20%,敏感度为88.90%。结论基于LASSO回归筛选出的入院NIHSS评分、入院时血糖水平、C反应蛋白、大动脉高密度征象为急性缺血性脑卒中溶栓后sICH的预测因素。

基于LASSO回归和Cox比例风险模型探讨血红蛋白与颈动脉斑块形成的关联

目的利用体检人群数据库,通过最小化绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归算法筛选与颈动脉斑块形成的关键因子,并探索血红蛋白(hemoglobin,Hb)对颈动脉斑块形成的诊断价值,通过Cox比例风险模型验证HB与颈动脉斑块形成的关联及关联强度。方法采用海军青岛特勤疗养中心体检中心体检数据,以2014年体检人群资料为队列随访基线,以2020年为随访时间终点,随访事件结局为该人群新发颈动脉斑块,利用LASSO回归算法筛选颈动脉斑块影响因素,并通过Cox比例风险模型分析HB与颈动脉斑块的关联。结果共纳入977名未患有颈动脉斑块的体检人群,经过6年体检定期随访,随访新发颈动脉斑块326例,累计患病率为33.4%。LASSO回归筛选变量年龄和吸烟等9个变量时,模型均方根误差最小,其对应的λ=0.0113,LASSO回归模型筛选变量通过ROC预测新发颈动脉斑块的曲线下面积AUC为0.762。通过Cox比例风险模型进一步验证血红蛋白是颈动脉斑块发病的独立危险预测因素。结论体检人群高水平血红蛋白可能与颈动脉斑块发病相关,应重点关注中老年体检人群血红蛋白水平,提示较高的营养水平的人群是防控颈动脉斑块新发的重点人群。

基于LASSO回归探讨多种生物标志物预测急性冠脉综合征病人PCI术后造影剂肾病的价值

目的:基于最小绝对收缩与选择算法(LASSO)回归探讨多种生物标志物预测急性冠脉综合征病人经皮冠状动脉介入治疗(PCI)术后造影剂肾病的价值。方法:选取2020年1月-2022年6月在海南医学院第一附属医院就诊的119例急性冠脉综合征病人作为研究对象,记录病人一般情况、血液生化指标、炎性因子、生物标志物及PCI术后3 d造影剂肾病发生情况,以病人PCI术后3 d是否发生造影剂肾病为因变量,运用10折交叉验证LASSO回归进行特征性变量筛选,以特征性变量作为自变量代入多因素Logistic回归模型获得急性冠脉综合征病人PCI术后发生造影剂肾病的独立预测因素,重点分析生物标志物与病人PCI术后发生造影剂肾病的关系,并基于独立预测因素构建联合预测模型和列线图模型,绘制校准曲线以验证列线图模型的预测效能。结果:10折交叉验证LASSO回归筛选出最具泛化能力的4个特征性变量糖尿病、尿肾损伤分子-1(KIM-1)、尿中性粒细胞明胶酶相关载脂蛋白(NGAL)以及尿胱抑素C(CysC),其对应的LASSO回归系数分别为0.436,0.624,0.916及2.745,多因素Logistic回归分析调整和校正混杂因素后,糖尿病、尿KIM-1、尿NGAL以及尿CysC为急性冠脉综合征病人PCI术后发生造影剂肾病的独立预测因素(P<0.05),基于急性冠脉综合征病人PCI术后发生造影剂肾病的独立预测因素糖尿病、尿KIM-1、尿NGAL以及尿CysC构建列线图模型,P=1/(1+e^(-x)),X=-2.345+0.824×尿CysC+0.565×糖尿病+0.685×尿NGAL+0.634×尿KIM-1,列线图模型的校准曲线显示,急性冠脉综合征病人PCI术后发生造影剂肾病风险的预测值与实际观测值符合度良好。结论:糖尿病、尿KIM-1、尿NGAL以及尿CysC为急性冠脉综合征病人PCI术后发生造影剂肾病的独立预测因素,基于独立预测因素建立的列线图模型具有较高的预测价值。

针对Lasso问题的多维权重求解算法

最小绝对收缩和选择算子(Lasso)在数据维度约减、异常检测方面有着较强的计算优势。针对Lasso用于异常检测中检测精度不高的问题,提出了一种基于多维度权重的最小角回归(LARS)算法解决Lasso问题。首先考虑每个回归变量在回归模型中所占权重不同,即此属性变量在整体评价中的相对重要程度不同,故在LARS算法计算角分线时,将各回归变量与剩余变量的联合相关度纳入考虑,用来区分不同属性变量对检测结果的影响;然后在LARS算法中加入主成分分析(PCA)、独立权数法、基于Intercriteria相关性的指标的重要度评价(CRITIC)法这三种权重估计方法,并进一步对LARS求解的前进方向和前进变量选择进行优化。最后使用Pima Indians Diabetes数据集验证算法的优良性。实验结果表明,在更小阈值的约束条件下,加入多维权重后的LARS算法对Lasso问题的解具有更高的准确度,能更好地用于异常检测。

基于混合级联模型的现货市场日前电价预测方法

准确预测节点电价有助于调度机构实现对发电机组的最优调度,实现电力系统发电成本最优的目的,同时有利于发电方把握市场走向,构建最优的电量、电价投标策略以获取最大利润。由于用电行为、天气情况、电网调度等因素的影响,节点电价在不同时期的数据分布差异较大,预测难度高。因此,提出一种基于混合级联模型的日前节点电价预测方法,采用不同模型分别对突变天和非突变天的节点电价进行预测,实验证明该方法可以有效提高节点电价预测精度。首先,定义突变天,并对历史实际节点电价数据进行标注;其次,获取全省的气象、市场等数据,作为模型的输入特征并进行预处理,根据上述特征构建二分类模型判断预测日是否属于突变天;最后,根据二分类结果,将预测日数据输入最小绝对收缩和选择算法模型或随机森林回归模型,预测节点电价。结果验证了所提方法的有效性和优越性。

基于增量学习和Lasso融合的数据可视化模式识别方法

提出了一种基于增量学习和最小绝对值收缩和选择算子(Lasso)特征选择融合的数据可视化模式识别方法。该方法首先对归一化数据进行一级Lasso筛选特征降维,之后对连续数据进行基于Gini指数的粒化,再送入增量模式学习系统进行增量学习,针对维数大量升高的情况进行Lasso二级特征筛选生成一致模式决策表,生成属性偏序结构图可视化规则发现。数据采用来自UCI的5个数据库,并与分类器KNN,SVM,Adaboost,Random Forest进行分类准确度比较,实验表明,基于该算法的分类精度普遍高于其他分类器水平,且属性偏序结构图可视化层次清晰鲜明。通过增量学习实验设计,得到了准确率、图结构更新和不同比例增量数据的动态关系,其中Pima Indians Diabetes数据学习达到40%时准确率(77.66%)超过Adaboost(75.32%)、SVM(77.27%)、1NN(59.74%)、3NN(75.97%)算法。结果表明该算法进行数据的可视化和模式识别是行之有效的。

基于TCGA和LASSO回归的胃癌预后lncRNA预测模型构建

目的利用癌症基因组图谱(TCGA)数据库筛选胃癌预后相关关键长链非编码RNA(lncRNA)并构建预测模型,为判断胃癌患者预后情况提供参考依据。方法下载TCGA数据库中407例胃癌组织样本的RNA-Seq数据和443例胃腺癌患者临床及预后资料,对胃癌组织与癌旁组织差异表达lncRNA进行分析,采用Cox比例风险回归模型及最小化绝对收缩和选择算子(LASSO)回归算法构建预测模型并对模型预测的有效性进行验证。采用多因素Cox回归模型分析该预测模型是否为胃癌独立的预后因素。结果纳入的368例胃癌样本中筛选出382个差异表达lncRNA。基于Cox&LASSO回归算法,构建和验证了25-lncRNA标志物模型;在训练集与验证集中,该模型的曲线下面积分别为0.719和0.672,且高风险组患者的总生存期(OS)明显低于低风险组患者(P<0.05)。多因素Cox回归分析显示,25-lncRNA标志物模型在322例具有完整临床及预后资料的病例中是影响OS的独立因素(HR=2.614,P=5.64E-07)。结论本研究确定了一个25-lncRNA标志物的风险评分模型,可作为独立预后因素对胃癌患者预后进行预测。

大坝变形预测的最优因子长短期记忆网络模型

面对海量的大坝安全监测数据,快速合理地确定大坝变形预测模型的变量因子能够有效提高模型预测的效率和精度。为此,本文提出一种基于最小绝对值收缩和选择算子(least absolute shrinkage and selection operation,LASSO)变量选择和长短期记忆(long short-term memory,LSTM)网络的大坝变形预测模型。首先,通过大坝变形机理分析确定影响大坝变形的相关影响因子集。然后,通过LASSO算法剔除不显著的因子,筛选出最优影响因子作为模型输入变量,并利用LSTM网络建立大坝变形预测模型。最后,以皂市水利枢纽工程的碾压混凝土重力坝为例,对本文方法进行了验证和讨论。结果表明,本文方法具有较高的预测精度,其平均绝对误差(MAE)、均方误差(MSE)与均方根误差(RMSE)均相对较小;与常规预测模型相比,基于LASSO算法的变量选择使模型建立过程更加简单高效,有利于海量监测数据的处理分析。

LASSO回归和SARIMAX模型联合应用对广州市肾综合征出血热发病的预测效果研究

目的 比较3种时间序列模型对肾综合征出血热(HFRS)发病的预测效果,探索最小绝对值收缩与选择算子算法回归(LASSO)联合引入自变量的季节性差分自回归移动平均(SARIMAX)模型对HFRS的预测效果。方法 系统收集2006-2022年广州市HFRS发病数、鼠密度、气象及社会经济学数据,采用指数平滑法、SARIMAX以及通过LASSO-SARIMAX模型进行发病预测,通过自相关函数(ACF)、平均百分比误差(MPE)和平均绝对百分比误差(MAPE)评价模型的预测效果,通过MAPE对比3种模型不同预测时长的预测效果。结果 2006-2022年广州市HFRS年均发病率0.06/10万,指数平滑法(ETS)模型训练集的MAPE为45.066,SARIMA模型训练集的MAPE为51.403,LASSO-SARIMAX模型训练集的MAPE为39.466,除预测24月时低于ETS模型外,LASSO-SARIMAX模型训练数据集、预测12月的MAPE均最低。结论 LASSO回归联合SARIMAX模型在广州市HFRS发病的中短期预测中有较好效果。

Nomogram预测模型在针灸治疗卵巢功能不全妊娠结局中的价值

目的探讨基于最小绝对收缩和选择算子(LASSO)-Cox回归构建的Nomogram预测模型在针灸治疗卵巢功能不全(POI)妊娠结局中的价值。方法选取2019年1月至2021年1月在湖北省第三人民医院接受针灸治疗的POI病人137例,收集相关资料,采用LASSO回归与Cox回归相结合的方法筛选针灸对POI病人妊娠结局的主要影响因素,采用R软件(R3.6.3版)构建预测针灸对POI病人妊娠结局的Nomogram预测模型,采用受试者操作特征(ROC)曲线与校准曲线评估模型的预测效能。结果妊娠组与未妊娠组在月经情况、基础卵泡刺激素(FSH)水平、FSH与黄体生成素(LH)比值、基础AFC、行针次数、留针时间、针具方面比较,差异有统计学意义(P<0.05)。构建多因素Cox回归模型结果显示,月经情况、基础FSH水平、FSH与LH比值、基础窦卵泡计数(AFC)、行针次数为针灸对POI病人妊娠结局的独立影响因素。ROC曲线显示,6个月妊娠概率和12个月妊娠概率曲线下面积分别为0.78[95%CI:(0.69,0.88)]和0.74[95%CI:(0.63,0.85)],校准曲线显示该预测模型校准曲线与标准曲线极为接近。结论基于LASSO-Cox模型筛选出的月经情况、基础FSH水平、FSH与LH比值、基础AFC、行针次数等5个因素构建的Nomogram预测模型,能个体化预测POI病人针灸后妊娠结局。

基于ENet-COX模型的中小企业信用风险评估研究

中小企业的信用风险评估是解决中小企业融资难问题的前提。文章利用中小企业的财务指标和宏观经济指标建立评估指标体系,采用弹性网络和动态COX模型结合的方法来评估中小企业信用风险,再利用2004年6月至2020年6月上市中小企业的季度财务数据和宏观数据进行实证研究。结果表明,弹性网络变量选择模型兼顾了Ridge和Lasso的优点,能筛选出有效的信用风险评估指标,且ENet-COX的模型准确度高达86.63%,优于Ridge-COX模型和Lasso-COX模型。在加入宏观经济变量后,ENet-COX模型的准确度提高到87.21%,说明宏观经济因素对中小企业信用风险的影响不容忽视。

基于压缩感知与快速迭代阈值收缩算法的脑功能网络重建

基于静息态功能磁共振成像(fMRI)构建脑功能网络是揭示人脑运作机制的有效手段,但是目前常见的脑功能网络普遍包含大量噪声从而导致错误的分析结果。本文使用压缩感知中的最小绝对值收缩和选择算子(LASSO)模型对脑功能网络进行降噪重建,该模型利用L1范数惩罚项的稀疏性避免过拟合问题。然后,通过快速迭代阈值收缩算法(FISTA)求解,该算法在每一次迭代中通过一个收缩阈值操作来更新变量,从而收敛到全局最优解。实验结果表明:与其他几种方法相比,该方法可以将脑功能网络降噪重建的准确率提高到98%以上,有效地抑制了噪声,有助于即使在噪声环境下也能很好地探索人脑的功能。

基于LASSO回归分析构建妊娠相关焦虑发生风险的预测模型

[背景]妊娠相关焦虑对孕妇的身心健康和胎儿正常生长发育都会产生负面影响。妊娠相关焦虑预测模型的建立及预测因素的筛查可以为产前干预提供重要机会。[目的]构建孕期妇女妊娠相关焦虑风险的预测模型。[方法]于2021年1—7月,选择在宁夏某三甲医院产科门诊进行常规产前检查的妊娠期妇女进行妊娠相关焦虑及预测因素问卷调查。收集研究对象的社会人口学特征,并采用《生活事件量表》《领悟社会支持量表》《家庭关怀度指数》和《妊娠相关焦虑量表》问卷对孕妇进行调查。使用R 4.2.0软件拟合全变量进行最小绝对收缩和选择算子(LASSO)回归分析,筛选孕中期、孕晚期妊娠相关焦虑的预测因素。在logistic回归分析的基础上分别构建孕中期和孕晚期妊娠相关焦虑发生风险预测模型。绘制模型列线图以及受试者工作特征曲线(ROC)并计算曲线下面积(AUC)评价模型的预测效果。绘制校准图评价模型的校准度。[结果]本研究共发放1500份问卷,有效问卷1448份,问卷回收有效率为96.53%。1448名孕妇中,总妊娠相关焦虑发生率为28.80%(417/1448),孕中期和孕晚期发生率分别为29.52%(276/935)和27.49%(141/513)。孕中期进入模型的预测因素有婚龄、家庭关怀、社会支持、家人对胎儿的期待、孕期身体状况和孕期是否经历生活应激事件。孕晚期进入模型的预测因素有怀孕意愿、身体是否有不适和孕期是否经历生活应激事件。根据多因素logistic分析结果分别建立孕中期和孕晚期妊娠相关焦虑风险预测模型,孕中期妊娠相关焦虑发生风险=−0.07×婚龄+0.12×家庭关怀−0.03×社会支持−0.65×家人对胎儿性别的期待+0.42×孕期身体状况+0.47×孕期是否经历生活应激事件;孕晚期妊娠相关焦虑发生风险=−5.69+0.82×怀孕意愿+1.06×身体有无不适+0.94×孕期是否经历生活应激事件。绘制模型ROC曲线,孕中期妊娠相关焦虑风险预测模型的AUC值为0.71,验证模型的AUC值为0.68;孕晚期妊娠相关焦虑风险预测模型的AUC值为0.72,验证模型AUC值为0.66。[结论]基于LASSO回归分析和logistic回归分析构建的妊娠相关焦虑风险预测模型具有较好的预测能力,发现孕中期婚龄短、家庭关怀度高、社会支持度低、家人对胎儿性别有期待、孕期身体状况一般和孕期经历过生活应激事件,以及孕晚期怀孕意愿为顺其自然、意外妊娠,身体有不适和孕期经历过生活应激事件的孕妇是妊娠相关焦虑的高危人群。

心力衰竭易损期心源性死亡中西医风险预警模型的建立与验证

目的:分析心力衰竭易损期患者发生心源性死亡的中西医预警指标,建立并验证预警模型。方法:将山东省7家中医院符合研究标准的2627例心力衰竭患者纳入队列研究。运用最小绝对收缩和选择算子(Lasso)回归结合Cox回归模型筛选心力衰竭易损期心源性死亡预警指标,绘制预警模型列线图。通过受试者工作特征曲线(ROC)下面积(AUC)、校准图、决策曲线分析(DCA)验证模型效能。结果:将3个保护性指标(利尿类药物、益气类注射液、降血脂类药物)和9个损害性指标[血浆氨基末端脑利钠肽前体(NT-ProBNP)]、吸烟史、纽约心脏病学会(NYHA)心功能分级、2型糖尿病、脑血管病、脉细数无力或结代、阳气亏虚血瘀证、气阴两虚血瘀证、面色口唇紫暗作为预警指标构建预警模型。该模型在训练集与验证集的AUC值分别为0.776与0.772,预警准确性良好。训练集与验证集校准曲线较为一致,预警稳定性良好。训练集与验证集在17%~56%和18%~44%的风险范围内显示出较好的临床有效性。结论:基于中西医预警指标构建心力衰竭易损期心源性死亡预警模型的准确性、稳定性与临床有效性较好,可为心力衰竭易损期高危人群识别与中西医结合防治提供参考。

基于细胞焦亡相关基因肝细胞癌预后模型的构建

目的研究基于细胞焦亡相关基因(PRGs)的肝细胞癌(HCC)预后模型的构建。方法从癌症基因组图谱(TCGA)数据库中获取HCC患者数据集,通过应用单变量Cox和最小绝对值选择与收缩算子(LASSO)回归分析构建预后模型。根据中位风险评分,将TCGA数据集中HCC患者分为高风险组和低风险组。Kaplan-Meier生存分析、受试者操作特征(ROC)曲线、单变量和多变量Cox分析、列线图用于评估预后模型的预测能力。并对两组间差异表达基因进行功能富集分析和免疫浸润分析。最后,应用基因表达综合数据库中2个HCC数据集(GSE76427和GSE54236)对模型的预后价值进行外部验证。对数据进行单变量和多变量Cox回归分析或Wilcoxon检验。结果从TCGA数据库中获取的HCC患者数据集经过筛选后,共纳入366例HCC患者。通过单变量Cox回归分析和LASSO回归分析,建立了一个7个基因(CASP8、GPX4、GSDME、NLRC4、NLRP6、NOD2和SCAF11)相关的HCC预后模型。并根据中位风险评分,可将366例患者平均分为高风险组和低风险组。Kaplan-Meier生存分析显示TCGA数据集、GSE76427和GSE54236数据集中高风险组与低风险组患者的生存时间差异存在统计学意义(中位总生存时间分别为1149 d与2131 d、4.8年与6.3年和20个月与28个月,P值分别为0.0008、0.0340和0.0018)。ROC曲线在TCGA数据集及2个外部验证数据集中均显示出良好的生存预测价值。1、2年和3年ROC曲线下面积分别为0.719、0.650和0.657。多变量Cox回归分析表明,预后模型的风险评分是HCC患者总生存时间独立的预测因素。根据模型风险评分建立的列线图可有效地预测HCC患者的生存概率。功能富集分析和免疫浸润分析表明高风险组免疫状态下降明显。结论基于7个PRGs建立的预后模型可有效预测HCC患者的预后。

基于交替方向乘子法的广义交互LASSO模型用于肝脏疾病分类

肝脏疾病特征及交互特征对于肝脏疾病的分类具有重要意义,本文在交互最小绝对收缩和选择算子(LASSO)模型的基础上,研究了广义交互LASSO模型并与其他可用于肝脏疾病分类的方法比较。首先,本文建立了广义交互逻辑斯特(logistic)分类模型,在模型参数中添加LASSO罚函数,然后将模型参数通过交替方向乘子法(ADMM)求解,得到模型系数的稀疏解。最后将测试样本代入模型,按照最大概率进行分类结果统计。通过将本文方法应用在肝脏失调数据集和印度肝病数据集的数据实验结果表明,交互特征的模型系数不为零,这说明交互特征对分类存在贡献。最终结果表明,本文提出的广义交互LASSO方法的正确率要优于交互LASSO方法,也优于传统模式识别方法,可将广义交互LASSO方法推广应用到其他疾病的分类问题上。