基于LASSO-Logistic回归构建脑出血术后脑积水的风险预测模型

目的基于LASSO-logistic回归筛选自发性脑出血(SICH)术后脑积水发生的危险因素,同时构建临床预测模型和验证。方法选取2023年8月至2024年3月北部战区总医院收治的724例SICH患者,根据7∶3比例随机分为训练集(n=507)和验证集(n=217)。在训练集中采用Lasso回归结合单因素Logistic回归的方法共同进行危险因素筛选,最后通过多因素Logistic回归确定危险因素并进行模型构建。使用列线图对模型进行可视化处理,通过受试者工作特征(ROC)曲线下面积、校准图分别评估模型的区分度和校准度,通过决策曲线分析(DCA)评估模型临床使用价值。结果SICH后脑积水的发生与年龄、糖尿病、格拉斯哥昏迷量表(GCS)评分、出血范围、脑脊液葡萄糖定量和脑脊液蛋白含量相关(P<0.05),与性别、饮酒、血压、吸烟、凝血指标和是否行腰椎穿刺术无关(P>0.05)。模型的ROC曲线下面积为0.873(95%CI:0.829-0.918)。校准图显示模型具有良好的校准度。DCA分析表明在临床应用方面,预测模型在阈值概率介于0.02和0.85之间具有良好的净收益。结论高龄、糖尿病、GCS评分低、出血破入脑室、脑脊液葡萄糖含量降低和脑脊液蛋白含量增高为影响ICH术后脑积水发生的独立危险因素。以此构建的预测模型具有良好的区分度及校准度,为临床医生提供可靠的诊治依据。

左半结直肠癌术后吻合口瘘的LASSO回归分析

探讨基于最小绝对收缩和选择算子(LASSO)回归分析对左半结直肠癌术后吻合口瘘(AL)的预测价值。收集2018年1月—2021年1月收治的521例左半结直肠癌手术患者相关资料,随机抽样将其分为训练集(n=365)和验证集(n=156),观察AL发生情况。在训练集行LASSO-Logistic回归模型基于CLS评分筛选AL的危险因素,建立改良CLS评分模型,利用ROC曲线评估模型效能。521例患者中,46例(8.83%)发生AL,其中训练集365例中发生AL 32例(8.77%)归为AL组,未发生AL的333例归为非AL组;训练集中两组性别、年龄、BMI、不良嗜好、ASA分级、吻合口与肛缘距离、急诊状态、出血量、手术时间、附加手术、辅助治疗、艰难梭菌感染、预防性造瘘、吻合口血供、吻合口张力对比差异有统计学意义(P<0.05);LASSO回归算法从CLS评分系统中选择出吻合口血供、吻合口与肛缘距离、附加手术、艰难梭菌感染、预防性造瘘5个具有非零系数的显著相关指标。进一步Logistic回归分析:吻合口血运欠佳(OR=8.124,95%CI:2.363~27.935)、艰难梭菌感染(OR=3.375,95%CI:1.185~9.612)、附加手术(OR=5.662,95%CI:1.992~16.093)为左半结直肠癌术后AL的危险因素(均P<0.05);吻合口与肛缘距离(OR=0.760,95%CI:0.584~0.990)、预防性造瘘(OR=0.072,95%CI:0.015~0.355)为左半结直肠癌术后AL的保护因素(均P<0.05);验证集156例中发生AL 14例(8.97%),改良CLS评分预测训练集发生AL的AUC为0.819(95%CI:0.756~0.872),预测验证集发生AL的AUC为0.808(95%CI:0.703~0.889)。改良CLS评分可以更准确地预测左半结直肠癌术后AL的发生。

基于注意力机制和HSIC Lasso的特征选择算法

特征选择作为高维数据预处理的重要方法,广泛应用于机器学习与数据挖掘任务并取得了良好的效果.然而,随着高维、海量的大数据时代到来,现有的特征选择算法面临着特征选择后所取得的分类准确率不甚理想等方面的挑战.本文提出了一种全新的特征选择算法AHSIC Lasso,通过运用注意力机制寻找特征之间的关联性,根据SoftMax计算特征权重并对数据进行加权,然后基于加权结果,使用HSIC Lasso方法对加权后的数据作特征选择.实验结果表明,本文提出的算法在精度上相比于传统的特征选择算法有较大的提高.

基于LASSO变量选择的结直肠癌病人术后吻合口愈合不良预测模型的构建与分析

目的 构建基于LASSO变量选择的结直肠癌病人术后吻合口愈合不良预测模型,并分析该模型对吻合口预后不良预测效能。方法 前瞻性纳入2018年3月~2023年1月期间于我院接受治疗的215例结直肠癌病人为研究对象,所有病人均接受腹腔镜结直肠癌根治术,术后对所有病人进行为期30天的随访,根据有无发生吻合口愈合不良分为两组,愈合不良组24例,预后良好组191例。收集病人的一般资料及临床资料,应用LASSO回归模型筛选具有非0系数的相征因素,构LASSO-Logistic回归模型分析导致病人发生吻合口愈合不良的相关因素,绘制受试者工作特征曲线(ROC),计算受试者工作特征曲线下面积(AUC)、敏感度及特异度;采用Bootdtrap法进行500次重复抽样进行验证。结果 愈合不良组男性比例大于愈合良好组;愈合不良组白细胞(WBC)、C反应蛋白(CRP)水平均高于愈合良好组,差异有统计学意义(P<0.05);愈合不良组手术时间长于愈合良好组,肿瘤直径>4 cm、肿瘤下缘与肛周距离≤7 cm、术前有新辅助化疗、肿瘤分期为Ⅲ~Ⅳ期例数显著多于愈合良好组,差异有统计学意义(P<0.05);Logistic回归筛显示,手术时间、术前接受新辅助化疗、肿瘤下缘与肛周距离以及圆周肿瘤生长是吻合口愈合不良的预测因素;根据Logistic回归绘制ROC曲线,得到AUC为0.892(95%CI:0.813~0.945),敏感性为75.81%,特异性为89.47%。Youden指数为0.6528;利用Bootdtrap技术绘制模型的校准曲线得知模型具有较好的预测效能。结论 手术时间长、术前接受新辅助化疗、肿瘤下缘与肛周距离<7 cm以及圆周肿瘤生长是影响结直肠癌术后病人发生吻合口愈合不良的危险因素,构建的预测模型可用于吻合口愈合不良人群的筛选且具有较好的预测效能。

基于LASSO回归的宁夏回族自治区不同学段儿童青少年近视影响因素分析

目的分析宁夏回族自治区儿童青少年近视流行现状、影响因素及不同学段间的差异。方法采用分层整群随机抽样的方法,于2019年9月至12月,在宁夏回族自治区银川市、吴忠市、石嘴山市、固原市和中卫市,随机抽取8所小学、6所初中、6所高中、4所大学的学生为研究对象,小学每个年级抽取5个班级,初中至大学每个年级抽取4个班级,以抽取班级的全体学生作为研究对象,共抽取学生14211人,对其进行问卷调查、体格检查和视力测量。不同学段儿童近视的影响因素采用最小绝对收缩和选择算子(LASSO)联合Logistic回归进行分析,选择贝叶斯信息准则(Bayesian information criterion,BIC)最小的模型为最优模型。结果宁夏回族自治区儿童青少年近视检出率为70.3%,女生高于男生,城市高于乡镇,差异均有统计学意义(均为P<0.001);按学段分层后,随着年级的增加,近视检出率随之升高,小学最低,大学最高,不同学段近视检出率差异有统计学意义(P<0.001)。近视影响因素的LASSO-Logistic回归分析表明,城乡、性别、年龄、目前是否配戴眼镜、每日课间操节数、是否积极参加体力活动和过去6个月是否保持规律活动是小学生近视的影响因素(均为P<0.05);性别、目前是否配戴眼镜是初中生和高中生近视的影响因素(均为P<0.05);目前是否配戴眼镜是大学生近视的影响因素(P<0.05)。结论宁夏回族自治区儿童青少年近视检出率高,不同学段儿童青少年近视影响因素差异明显。配戴眼镜是控制近视的保护因素。应根据儿童青少年所处学段开展有针对性的视力相关知识的健康教育,增强其健康保健意识,提高儿童青少年视力。

肝癌患者术后营养不良影响因素的Lasso-Logistic回归分析及列线图预测模型构建

目的:采用Lasso-Logistic回归分析肝癌患者术后营养不良的影响因素,并进行列线图预测模型构建,为肝癌患者术后营养状况调整提供参考。方法:选取2021年1月至2023年6月本院收治的460例肝癌手术患者,按照7∶3分为训练队列和验证队列,根据患者主观整体评定量表评判患者术后营养状态,分为营养正常组和营养不良组,采用Lasso-Logistic回归分析其影响因素并构建列线图预测模型。结果:训练队列与验证队列一般临床资料比较差异均无统计学意义(P>0.05)。Lasso-Logistic回归分析显示,年龄、术前体质量指数(BMI)、术前营养风险筛查评分(NRS2002)、贫血、糖尿病、肿瘤分期、白蛋白(ALB)、胰高血糖素样肽-1(GLP-1)、总胆汁酸(TBA)、甘胆酸(CG)均是训练队列中肝癌患者术后营养不良的独立影响因素(P<0.05)。ROC曲线显示,肝癌患者术后营养不良的列线图预测模型在训练队列、验证队列中预测的曲线下面积分别为0.873、0.902;校准曲线显示,该列线图模型在训练队列、验证队列中预测肝癌患者术后营养不良风险与实际风险状况基本一致。结论:构建的列线图模型对肝癌患者术后营养不良预测价值较高,且有良好预测效用,但需要进一步的验证评估。

基于LASSO回归的失能老年人社会隔离影响因素分析

目的分析失能老年人社会隔离现状及影响因素,为制订失能老年人社会隔离干预方案提供依据。方法采用多阶段分层整群抽样法,抽取六安市2个社区483名失能老年人,使用Barthel指数评定量表、工具性日常生活能力量表、精简版社会网络量表进行调查,同时收集老年人的个体资料、行为因素及环境因素相关资料。使用LASSO回归筛选变量,对筛选出的变量进行多因素logistic回归分析。结果失能老年人社会隔离发生率为48.86%。多因素logistic回归分析显示,性别、文化程度、睡眠效率、体力活动水平、居住地是失能老年人社会隔离的影响因素(均P<0.05)。结论失能老年人社会隔离水平较高,社区护理人员应关注社会隔离风险较高的失能老年人,针对影响因素对失能老年人进行干预,以降低其社会隔离发生率。

基于随机森林模型和LASSO回归的高血压住院患者医疗费用及其影响因素分析

目的基于随机森林模型和LASSO回归探究高血压住院患者医疗费用及其影响因素。方法选取2018年10月至2022年4月广西医科大学第二附属医院出院的1087例高血压患者为研究对象,从医院信息系统收集患者基本特征和住院信息等资料。采用随机森林模型和LASSO回归筛选具有统计学意义的变量纳入多重线性回归,分析医疗费用的影响因素,并进行敏感性分析。结果高血压住院患者医疗费用为6916(5069,10183)元。已婚患者的医疗费用高于其他婚姻状况患者[7075(5247,10276)元比5963(4406,9214)元](P<0.01),其他住院科室患者医疗费用高于心血管内科患者[7565(5345,12478)元比6728(4837,9280)元](P<0.01),转科室患者医疗费用高于未转科室患者[13854(8654,30625)元比6840(5004,9905)元](P<0.01),有主诊断伴随并发症患者医疗费用高于无主诊断伴随并发症患者[12545(8408,29940)元比6823(4989,9494)元](P<0.01),不同年龄、医保类型、住院时间患者的医疗费用比较差异有统计学意义(P<0.01)。当LASSO回归lambda值为1se时,筛选出4个影响因素,经随机森林对自变量重要性评分排序,前4位自变量分别为住院时间、年龄、是否有主诊断伴随并发症、是否转科室。多重线性回归分析显示,住院时间、年龄、是否有主诊断伴随并发症、是否转科室是高血压患者医疗费用的主要影响因素(P<0.01)。敏感性分析结果显示,住院时间增加、年龄增大、有主诊断伴随并发症、转科室治疗与较高医疗费用有关(P<0.05),与原多重线性回归模型结果趋势一致。结论控制高血压患者人群的疾病经济负担时,可考虑从缩短住院时间、增强身体素质以降低患病风险、延缓并发症发生等方面采取相应的措施。

融合Lasso的近似马尔科夫毯特征选择方法

在特征选择问题中,近似马尔科夫毯常用于判断冗余特征,但所得到的冗余特征并不完全相同,因此,在直接使用近似马尔科夫毯删除冗余特征时,存在可能导致信息丢失的情况,影响模型精度。为此,提出一种用于中药代谢组学高维小样本数据的融合Lasso的近似马尔科夫毯特征选择方法。方法分为两个阶段,第一阶段,通过最大信息系数对特征的相关度分析过滤无关特征;第二阶段,采用近似马尔科夫毯构建相似特征组,使用Lasso评估相似特征组中特征影响力,迭代去除冗余特征。通过实验对比表明,该算法可以在一定程度上减少有用信息丢失,去除无关特征和冗余特征,提高模型精度和稳定性。

新生儿坏死性小肠结肠炎的LASSO-BN模型研究

目的 通过LASSO回归进行变量初筛,根据初筛结果进行多因素Logistic回归分析以及采用最大最小爬山法(max-min hill-climbing, MMHC)构建贝叶斯网络模型,探讨新生儿坏死性小肠结肠炎(necrotizing enterocolitis, NEC)的相关因素及各因素间复杂的网络关系,并通过比较2种模型以寻找最优的建模工具。方法 以2020年1月~2023年12月在山西省儿童医院(山西省妇幼保健院)新生儿内科、新生儿外科、NICU住院的所有NEC患儿为研究对象,回顾性收集NEC调查数据并利用LASSO回归进行变量初筛,根据初筛结果进行多因素Logistic回归分析以及采用MMHC混合算法进行结构学习和极大似然估计法进行参数学习,构建NEC贝叶斯网络模型。结果 经过变量初筛后,早产、低体重出生儿、喂养方式、宫内窘迫及出生后窒息史、贫血、无创呼吸机、益生菌、妊娠期糖尿病、C反应蛋白(C-reactive protein, CRP)和降钙素原(procalcitonin, PCT)10个因素纳入构建模型。贝叶斯网络模型结果显示,建模组和验证组的受试者工作特征(receiver operating characteristic, ROC)曲线下面积分别为0.825和0.817,准确率分别为89.78%和90.43%;多因素Logistic回归分析结果显示,建模组和验证组的ROC曲线下面积分别为0.777和0.741,准确率分别为70.01%和69.44%;贝叶斯网络模型性能优于多因素Logistic回归分析。并且贝叶斯网络模型显示,低体重出生儿、喂养方式、益生菌和PCT与NEC直接相关,早产及无创呼吸机通过低体重出生与NEC间接相关,CRP通过PCT与NEC间接相关。结论 通过比较2种模型,发现贝叶斯网络模型是一种深入研究NEC与相关因素及各因素间网络关系的有效工具。通过这个模型,能够精确地评估NEC与各因素的关联强度,为NEC防治提供科学依据。

基于LASSO回归的冠心病患者发生心力衰竭的风险预测模型构建

目的分析冠心病患者发生心力衰竭的危险因素,构建并验证冠心病(coronary heart disease,CHD)患者发生心力衰竭的列线图预测模型。方法回顾性分析2022年1月至12月于沈阳医学院附属第二医院住院治疗的453例CHD患者的临床资料,其中CHD合并心力衰竭患者278例,未合并心力衰竭患者175例,将患者按7∶3分为训练组(318例)和验证组(135例),应用R软件进行LASSO回归筛选危险因素,Logistic回归建立预测模型并构建列线图,采用校准曲线和受试者操作特征曲线(receiver operating characteristic curve,ROC曲线)评价模型的校准度和区分度。结果LASSO回归分析最终从22个变量中筛选出5个危险因素,Logistic回归结果显示年龄、吸烟、有心肌梗死病史、纽约心脏病协会(New York Heart Association,NYHA)心功能分级Ⅳ级、左室射血分数(left ventricular ejection fraction,LVEF)均是CHD患者发生心力衰竭的独立危险因素(P<0.05)。模型公式:Z=-2.927+0.045×年龄+0.886×吸烟+0.808×心肌梗死病史-2.829×NYHA心功能分级Ⅳ级+0.037×LVFF。对该模型进行内部验证,曲线下面积为0.727(95%CI:0.588~0.752),敏感度为40.4%,特异性为84.3%,约登指数为0.247。校准曲线预测值与实际值一致性较高,Brier评分0.106。结论基于LASSO回归构建的CHD患者发生心力衰竭的风险预测模型具有较好的区分度和预测效能,可作为医务人员对患者进行风险预测的评估工具。

基于LASSO-Logistic回归构建Siewert Ⅱ/Ⅲ型食管胃结合部腺癌术后早期复发预测模型

目的 探讨SiewertⅡ/Ⅲ型食管胃结合部腺癌(adenocarcinoma of esophagogastric junction, AEG)根治术后早期复发的危险因素,构建可视化预测模型。方法 回顾性分析2016年1月至2021年3月兰州大学第二医院诊断为SiewertⅡ/Ⅲ型AEG且接受根治性切除术患者的临床病理资料,将样本以7∶3的比例随机分为建模组与验证组。采用LASSO-Logistic回归分析法筛选出预测SiewertⅡ/Ⅲ型AEG早期复发的变量,并构建早期复发预测模型。基于Bootstrap法进行1000次重复抽样验证模型。绘制受试者工作特征(receiver operating characteristic, ROC)曲线,计算曲线下面积(area under curve, AUC),绘制校准曲线和决策曲线(decision curve analysis, DCA)对模型的稳定性进行评估。结果根据纳入与排除标准,共320例SiewertⅡ/Ⅲ型AEG患者最终纳入分析,其中2年内复发者122例;LASSO-Logistic回归分析显示,AJCC分期、分化程度、糖类抗原199、癌胚抗原、中性粒细胞与淋巴细胞比值及肿瘤长径是SiewertⅡ/Ⅲ型AEG早期复发的独立预测因素,依此构建预测模型并绘制列线图。绘制ROC曲线得到建模组AUC为0.836(95%CI:0.785~0.887),灵敏度为81.4%,特异度为85.6%;验证组AUC为0.812(95%CI:0.711~0.912),灵敏度为80.6%,特异度为87.7%。建模组与验证组的校准曲线显示拟合曲线与参考曲线接近,表明模型具有较高稳定性。DCA曲线显示阈值概率在0.05~0.75时模型具有良好的净收益。结论 基于LASSO-Logistic回归分析法构建的预测SiewertⅡ/Ⅲ型AEG早期复发的多因素模型,有助于判断患者临床预后,为术后病情监测与管理提供参考依据。

基于LASSO回归的心脏神经官能症刚虚证(肝肾阴亏、肝阳上亢证)关联因素筛选及诊断模型构建

目的:利用LASSO回归联合Nomogram构建心脏神经官能症刚虚证(肝肾阴亏、肝阳上亢证)的诊断模型。方法:采用单中心前瞻性研究,收集141例心脏神经官能症患者的临床资料,纳入分析变量包括年龄、民族、婚姻、教育程度、脑力/体力工作、体质量指数(BMI)、中医症状、中医五态人格量表各因子得分、汉密尔顿焦虑量表-14项、汉密尔顿抑郁量表-24项、症状自测评量表各因子均分。通过LASSO回归筛选与刚虚证诊断显著相关的影响因素,纳入二元多因素Logistic回归分析构建诊断模型,并对模型预测区分度及校准度评价,利用10重交叉验证进行内部验证,最后对模型进行Nomogram可视化,并根据ROC曲线确定诊断阈值。结果:共纳入刚虚证患者70例,非刚虚证患者71例。LASSO回归筛选出与刚虚证诊断相关性最显著的5个变量为女性、年龄、疲乏无力、善嗳气、五态人格中少阳积分。模型AUC为0.85,H-L检验为2.94(P=0.9824),提示模型区分度及校准度较好,10重交叉内部验证结果提示AUC为0.82。结论:LASSO回归联合Nomogram构建的诊断模型可协助诊断心脏神经官能症刚虚证,但研究结果的准确性尚待大样本临床研究进一步验证。

急性缺血性卒中患者复发的独立影响因素及风险预测列线图模型构建:基于Lasso回归

目的探讨急性缺血性卒中患者1年内复发的影响因素,并构建其复发风险预测列线图模型。方法纳入2021年3月~2022年3月于北京中医药大学东直门医院住院治疗的184例急性缺血性卒中(≤7 d)患者为建模集,另纳入2021年3月~2022年3月于北京中医药大学房山医院住院治疗的140例急性缺血性卒中(≤7 d)患者为外部验证集。收集患者临床资料,并进行为期1年的电话随访,依据是否出现结局事件将患者分为复发组与未复发组。使用Lasso回归筛选重要预测因素,多因素Logistic回归分析探讨急性缺血性卒中患者1年内复发的独立影响因素。运用R studio软件建立复发风险预测列线图模型,ROC曲线评估该模型的区分度,Hosmer-Lemeshow拟合优度检验与校准曲线评估模型校准度。结果建模集患者复发28例(15.22%),外部验证集患者复发21例(15.00%)。在建模集,复发患者年龄>65岁、糖尿病、心律失常、卒中后便秘、FBG>7.5的占比高于未复发患者,中性粒细胞与淋巴细胞计数比值(NLR)、尿素氮、肌酐、糖化血红蛋白、纤维蛋白原含量、凝血酶凝结时间水平高于未复发患者(P<0.05)。多因素Logistic回归分析结果显示,年龄>65岁、心律失常、卒中后便秘、空腹血糖>7.5、NLR升高、肌酐升高是急性缺血性卒中患者1年内复发的独立危险因素(P<0.05)。Hosmer-Lemeshow拟合优度检验与校准曲线分析显示,建模集与外部验证集中该风险预测列线图模型拟合良好。ROC曲线分析显示,该列线图模型预测建模集与外部验证集急性缺血性卒中患者1年内复发的AUC分别为0.857[95%CI(0.782-0.932)]、0.679[95%CI(0.563-0.794)]。结论基于年龄>65岁、心律失常、卒中后便秘、空腹血糖>7.5、NLR、肌酐等预测因素构建的列线图模型对急性缺血性卒中患者1年内复发具有一定预测价值。

众数自适应Lasso回归的统计推断

本文给出了自适应Lasso的众数回归模型,用来对众数回归模型的变量进行选择.对比传统的均值回归模型和中位数回归模型,众数回归在解决重尾、多峰分布问题时更加稳健.众数回归模型的主要估计方法是核估计方法,当自变量的数目较大时,该方法会产生难以忽略的计算误差.本文在核估计方法的众数回归模型基础上添加惩罚项,并通过自适应Lasso方法进行参数估计,有效的剔除了贡献率低的自变量,同时提高了计算的准确性.本文详细阐述了该计算方法,并在一些正则条件下,给出了模型的参数的估计方法和估计值的渐近正态性.模拟实验和实证分析研究了所提方法在有限样本下的性质.对比均值回归模型和传统的众数回归模型,添加自适应Lasso惩罚项的众数回归模型极大地提高了参数估计的准确性.

精神分裂症长期住院患者QTc间期延长危险因素分析及基于Lasso回归建立风险预测模型

目的基于Lasso回归建立风险预测模型分析精神分裂症长期住院患者QTc间期延长的危险因素。方法回顾性收集本院2023年1月至2023年12月期间收治的精神分裂症长期住院患者256例的临床资料,根据QTc间期情况将其分为延长组(n=46)和非延长组(n=210),分析两组的一般资料,通过Lasso回归、Logistic回归模型分析影响精神分裂症长期住院患者QTc延长的危险因素,并根据危险因素构建预测精神分裂症长期住院患者QTc间期延长发生的模型;绘制受试者工作特征(ROC)曲线分析危险因素及综合指数预测精神分裂症长期住院患者QTc间期延长的AUC、敏感度及特异度。结果延长组的女性比例高于非延长组,BMI高于非延长组,空腹血糖(FPQ)高于非延长组,血钾(K)低于非延长组,差异有统计学意义(P<0.05)。性别、BMI、FPG、K为影响精神分裂症长期住院患者QTc间期延长发生的独立危险因素(P<0.05)。根据Logisitc回归结果,构建相关预测模型:模型公式=1.175×年龄-0.568×BMI-0.715×FPG+2.312×K-10.144。建立ROC曲线分析该模型预测精神分裂症长期住院患者QTc间期延长发生的价值,结果显示,性别、BMI、FPG、K、联合预测的AUC分别为0.599、0.741、0.701、0.898、0.954,敏感度分别为0.674、0.739、0.652、0.805、0.862,特异性分别为0.524、0.652、0.657、0.915、0.935。成对Z检验显示,联合的AUC高于单个指标(P<0.05)。结论女性精神分裂症患者,尤其是那些BMI指数偏高、FPG水平较高以及K水平较低的患者,在长期住院治疗期间,出现QTc间期延长的风险会显著增加。在预测这类患者QTc间期延长发生风险时,性别、BMI、FPG和K这四个指标均表现出良好的预测效能。而且,当这四个指标被联合使用时,它们的预测效能能够达到最佳水平。

决定系数与相关系数辅助的LASSO回归

现有LASSO回归方法尚未解决回归关系式中冗余特征和无关特征的去除问题,提出一个决定系数与相关系数辅助的LASSO回归方法。设给定响应变量Y和备选解释变量集X,首先设计结合决定系数的LASSO回归正则化路径求解方法,找出X中的主解释变量;然后,设计结合决定系数、相关系数和正则化路径的方法,在固定主解释变量条件下求解LASSO回归的正则化路径过程中,去除X中的无关变量和冗余变量。模拟数据集和真实数据集的实验结果表明,新方法解决了LASSO回归中冗余特征和无关特征的去除问题,在冗余变量和无关变量的去除效果上胜过对比方法。

基于LASSO-logistic回归构建脑出血术后下肢静脉血栓的风险预测模型

目的基于LASSO-logistic回归筛选脑出血(intracerebral hemorrhage,ICH)患者术后下肢静脉血栓发生的危险因素并构建临床预测模型。方法选取2023年2月至2024年4月北部战区总医院收治的768例自发性脑出血患者,根据1∶1比例随机分为训练集和验证集。在训练集病例中通过Lasso回归和单因素logistic回归筛选导致脑出血术后静脉血栓形成的可疑危险因素,通过多因素逐步logistic回归确定独立危险因素并构建模型。绘制列线图进行可视化展示,计算受试者工作特征(receiver operation characteristic,ROC)曲线下面积、绘制校准图对构建的模型进行评估,通过临床决策曲线分析(decision curve analysis,DCA)评价模型临床应用价值。结果ICH后静脉血栓的发生与年龄、糖尿病、格拉斯哥昏迷量表(Glasgow Coma Scale,GCS)评分、血液纤维蛋白原含量相关(P<0.05),与血压、性别、饮酒、吸烟、和手术方式无关(P>0.05)。模型的ROC曲线下面积为0.840(95%CI:0.773-0.907)。校准曲线一致性良好、Hosmer-Lemeshow拟合优度检验χ2=9.596(P=0.384),表明该模型具有良好的区分度和校准度。DCA中,阈值概率在0.02和0.80之间预测模型具有良好的净获益。结论高龄(>60岁)、糖尿病、GCS评分低、血液中纤维蛋白原含量(>4 g/L)为自发性脑出血术后下肢静脉血栓发生的独立影响因素,依此构建的预测模型具有良好临床应用价值。

联合自适应LASSO与块稀疏贝叶斯直接定位方法

无源定位中,直接定位方法优势在于适用低信噪比、参数独立等。然而,当辐射源距无源侦测系统较远时,受低信噪比的影响,接收信号模型中存在的部分未知参数会大幅降低算法对于辐射源的定位性能。为了有效地解决该难题,给出了一种联合自适应LASSO先验与块稀疏贝叶斯的辐射源直接定位方法。经由贝叶斯理论构建分层稀疏模型,联合不同的先验分布以赋予信号中元素独立的自适应LASSO,同时探索信号的块结构和块内相关性,联合具有共享稀疏性的不同基站的字典重建过完备字典,实现远距离辐射源定位。仿真结果表明:在远距离下,当快拍数设置较少,信噪比设定较低时,在辐射源定位效果上所提算法显著优于如MUSIC等传统直接定位算法、Laplace先验方法以及块稀疏贝叶斯方法。

基于Lasso-Logistic回归模型的胃癌影响因素分析

目的探究胃癌影响因素并构建临床预测模型。方法收集2020年12月~2023年10月就诊于上海中医药大学附属普陀医院及上海中医药大学附属曙光医院的1000例胃肿瘤患者的临床资料,经数据清洗剔除异常值后,分为胃息肉组(n=487)和胃癌组(n=479)。采用非参数检验筛选出有意义的指标,Lasso回归筛选具有非0系数的胃癌相关特征因素,逐步Logistic回归分析筛选出具有显著相关的因素,构建Lasso-Logistic回归模型,并绘制受试者工作特征(receiver operator characteristic,ROC)曲线计算曲线下面积(area under the curve,AUC)及混淆矩阵评估模型效能。结果多因素Logistic回归分析结果显示,年龄、白细胞计数(white blood cell,WBC)、单核细胞(monocyte,M)计数、谷丙转氨酶(alanine amiontransferase,ALT)、糖类抗原724(cancer antigen 724,CA724)、糖类抗原242(cancer antigen 242,CA242)、糖类抗原50(cancer antigen 50,CA50)、癌胚抗原(carcinoembryonic antigen,CEA)是胃癌的独立影响因素。基于多因素Logistic回归分析结果构建胃癌的风险预测列线图模型,测试集的AUC为0.91,精准率为100%,召回率为100%,验证集的AUC为0.93,精准率为93.63%,召回率为74.1%,模型预测效果良好。结论本研究构建8个胃癌常见预测因子,且Lasso-Logistic回归预测模型具有较好区分度,临床可基于患者体检报告,完成胃癌早期筛查。