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-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-Logistic回归的帕金森疾病声学特征诊断研究

本文基于埃斯特雷马杜拉(西班牙)帕金森病区域协会的80名欧洲受试者声学特征数据,结合lasso回归提出两阶段变量选择法对44个声学特征因子筛选,最后得到6个显著的声学特征因子:Gender、Shim_loc、MFCC3、HNR35、PPE、GNE。将上述因素通过多因素logistic回归构建患PD疾病风险的列线图模型,并从多个角度验证该模型的有效性和校准性。结果表明,早期PD患者基底神经节运动调节功能异常,声学数据中MFCC3和HNR35数值偏低,PPE、GNE和Shim_loc数值偏高,临床表现为发音时声带振动的最大频率降低,声音低沉,进一步说明所构建的列线图模型可以根据不同的声学特征较好地诊断研究对象患有PD疾病的风险高低。今后声学特征有望成为早期PD诊断的重要生物标记物,为疾病远程筛查提供辅助手段。

高尿酸血症Lasso-logistic回归预测模型的建立

目的建立高尿酸血症Lasso-logistic回归预测模型。方法选取中铁某局2016年健康体检基线数据完整且分别于2018、2020年完成随访的1610名建筑业职工为研究对象。通过Lasso回归筛选高尿酸血症相关预测因子,利用多因素Logistic回归构建模型并用列线图实现模型的可视化。分别采用受试者工作特征曲线(ROC曲线)、曲线下面积(AUC)、校准曲线、临床决策曲线对预测模型进行评估,并采用Bootstrap方法对模型展开内部验证。结果在4年内共有658例(40.87%)高尿酸血症病例。高尿酸血症组男性比例高于非高尿酸血症组(P<0.01),年龄小于非高尿酸血症组(P<0.01),体质量指数、收缩压、舒张压、高血脂比例、基线尿酸、肌酐、丙氨酸转氨酶、天冬氨酸转氨酶、谷氨酰转肽酶水平高于非高尿酸血症组(P<0.05或P<0.01)。基于Lasso-logistic的回归模型纳入5个与高尿酸血症相关的因素,分别为性别、年龄、基线尿酸、收缩压、体质量指数。多因素Logistic回归分析结果显示,性别、年龄、体质量指数、收缩压、基线尿酸是高尿酸血症发生的影响因素(OR=2.795,95%CI 1.349~5.797;OR=0.962,95%CI 0.951~0.974;OR=1.050,95%CI 1.011~1.092;OR=1.013,95%CI 1.004~1.022;OR=1.025,95%CI 1.022~1.028)(P<0.05或P<0.01)。所构建预测模型AUC为0.819(95%CI 0.799~0.840),内部验证AUC为0.817。Hosmer-Lemeshow拟合优度检验显示拟合度较好(P>0.05)。临床决策曲线分析结果提示,阈值概率为0~0.9时,使用预测模型预测高尿酸血症风险有较好的净收益。结论建立的高尿酸血症Lasso-logistic回归预测模型具有较好的预测能力,有助于早期识别高尿酸血症高风险人群。

LASSO-logistic回归模型在高尿酸血症影响因素分析中的应用

目的探讨LASSO-logistic回归模型在高尿酸血症(HUA)影响因素分析中的应用。方法回顾性收集2021年在武警宁夏总队医院参加健康体检的男性军队人员健康档案,用logistic回归和LASSO-logistic回归两种模型筛选影响HUA的因素,并用赤池信息准则(AIC)和贝叶斯信息准则(BIC)评价模型拟合效果。结果男性军队人员HUA检出率为27.3%,传统logistic回归和LASSO-logistic回归两个模型的结果均显示,HUA的关键影响因素主要有年龄、丙氨酸氨基转移酶、天门冬氨酸氨基转移酶、γ-谷氨酰转肽酶、肌酐水平和脂肪肝,其中γ-谷氨酰转肽酶[传统logistic回归模型和LASSO-logistic模型OR(95%CI)分别为1.03(1.03,1.04)、1.03(1.02,1.04)]与肌酐[两个模型OR(95%CI)均为1.05(1.05,1.06))]是影响HUA最重要的两个指标;LASSO-logistic回归模型的AIC(4221.373)和BIC(4308.966)均小于传统logistic回归模型(AIC为4223.373,BIC为4317.222)。结论基于LASSO法筛选出的变量组成的LASSO-logistic回归模型拟合效果较好,是研究HUA影响因素的可靠选择。

基于Lasso-Logistic回归构建高校大学生心理危机风险预测模型

目的:探讨高校大学生心理危机风险的影响因素,构建并验证危机风险预测模型。方法:以2019年9月至2021年4月入组的浙江大学心理中心初始访谈的1879名大学生为研究对象,运用单因素Logisc回归和Lasso回归筛选危机风险的特征变量。采用随机抽样法以7∶3的比例将总样本分为训练集和验证集,并在训练集中基于筛选出的危机风险的特征变量构建多因素Logisc回归分析模型,并在训练集和验证集中分别验证该模型的区分度。结果:本研究具有危机风险的大学生255例(13.4%)。单因素Logistic回归和Lasso回归筛选出6个危机风险的相关变量,再经过多因素Logistic回归分析显示,“人际关系”(p=0.007)、“学院”(p<0.05)、“在校身份”(p≤0.001)、“自杀想法”(p<0.001)、“物质使用”(p=0.005)5个因素为危机风险的独立危险因素。验证分析结果提示该预测模型区分度良好,曲线下面积(area under the curve,AUC)为0.834。结论:本研究构建的预测模型具有较好的区分能力,可用于指导高校心理健康工作中对存在危机风险的高风险学生的早期识别和及时干预。

基于Lasso-logistic模型的供应链金融信用风险实证研究

伴随商业银行供应链金融业务的开展,如何评价其信用风险尤为重要,通过对汽车行业上市的中小企业数据进行实证分析,用Lasso-logistic模型筛选出16个较为重要的变量,同时进行参数估计,得出企业的营业利润率、总资产周转率、流动比率对以及企业所处的行业状况、供应链的合作关系强度对供应链金融的信用风险有很大的影响,模型准确率达79.5%。

基于Lasso-Logistic模型的个人信用风险评估——来自微贷网的数据分析

利用个人借款者的信息,通过理论分析个人借款者信用风险的影响因素,选取包括羊群效应、性别、年龄等指标建立个人借款者的信用风险评估指标体系,通过Lasso-Logistic模型预测借款人的违约概率。实证结果显示Lasso-Logistic模型预测准确性比Logistic回归的高,且羊群效应是一个重要的影响因素,在很大程度上提高了模型预测精度,降低投资者的风险。

基于Lasso-logistic回归和随机森林模型的院校评价结果影响因素研究

将Lasso-logistic模型引入院校评价结果影响因素的厘定研究,以教育部高职“双高”院校为研究个案,相较于支持向量机、决策树等模型,Lasso-logistic能够更高效地压缩筛选出入选“双高”院校的关键解释变量,而且总体预测准确率近80%,模型外推性良好,通过随机森林模型进一步验证了Lasso-logistic结果的合理性.实证结果表明,专业、教师、学生标志性成果是核心影响因素,建校时间、教师数、生师比等因素未产生实质性影响.

基于Lasso-logistic模型的P2P网贷平台信用风险评价研究

文章通过构建Lasso-logistic模型对P2P网贷平台的风险进行了评价及预测,有效防范了平台的风险。通过使用网贷之家平台的信息数据对P2P平台的信用风险评价进行实证分析,发现与预测准确率高、计算方法简单、变量解释能力强、数据分析中拟合度高的Logistic模型相比,Lasso-logistic模型更能抓住影响平台信用风险的关键因素,预测准确率提高到了74%。

我国股票市场可以预测吗?——基于组合LASSO-logistic方法的视角

本文研究了上市公司的41个特征变量对我国股票收益率样本外的可预测性。基于2010年1月至2019年10月上市公司的财务及股票交易数据,本文采用机器学习驱动的组合LASSO-logistic算法解决了股票预测中存在的3个问题:(1)特征变量不足导致股票异象因子构建不全面问题,(2)特征变量构建过多而存在的"维度灾难"问题,(3)特征变量之间的高相关性导致预测不稳定问题。研究结果显示,组合LASSO-logistic算法能够有效识别特征变量与预期收益之间的复杂关系,其投资组合资产配置的策略能够比传统多元Logistic算法、支持向量机(SVM)算法和随机森林算法得到更高的超额回报。同时,本文发现影响股票预期收益的公司特征变量并非一成不变,其显著的动态变化在一定程度上提示了我国股票市场的弱稳定性。

基于Lasso-Logistic模型的P2P网络借贷信用风险度量

P2P是一种新型的互联网借贷模式,以其高效、便利性迅速扩张。信息的不对称,使得P2P网络借贷具有较高的风险。准确度量借款人的信用风险是P2P网贷平台维护正常经营、降低信用风险以及保护投资者利益的重要对策。本文引入Lasso算法并与Logistic模型相结合,根据"人人贷"平台上的借贷数据,建立信用风险度量模型。通过实证发现:信用等级、年龄、受教育程度、逾期次数以及成功借款笔数对信用风险有显著的影响,且Lasso-Logistic模型有较高的预测准确率。

有序Lasso-Logistic模型的电竞角色选择应用分析

电竞行业近几年来迅速发展,这其中离不开机器学习在电竞中的分析和应用。职业选手能够熟悉电竞角色往往需要一定的时间和经验,采用机器学习对电竞角色进行分析,有利于选手对角色选择的考虑,为职业选手的训练和比赛提供数据支持,体现预测模型的分析效果。基于电竞结果通常为二分类数据,为了更好地利用先验信息,将自变量对因变量发生的不同重要性归结到Lasso-Logistic模型中形成有序Lasso-Logistic模型,通过有序Lasso-Logistic模型分析电竞角色数据,对电竞结果进行预测。根据结果显示,有序Lasso-Logistic模型预测效果显著,将有序Lasso-Logistic模型预测结果与逻辑回归模型,Lasso-Logistic模型,梯度增强决策树模型以及SVM模型的预测结果相比较,增加了先验信息的有序Lasso-Logistic模型的预测效果明显比其他四个机器学习模型更佳,表明了有序Lasso-Logistic模型在机器学习中对分类数据相比经典分类模型具有更好的分析能力,突出自变量先验信息重要的作用,推动了机器学习在电子竞技行业的应用与发展。

科技型中小企业信用风险评估——基于Adaptive Lasso-Logistic实证研究

本文以科技型中小企业为研究对象,从企业的盈利能力、成长能力、运营能力、偿债能力、供应链因素、行业状况六方面选取了17个影响因素,运用Adaptive LassoLogistic模型对影响中小企业的信用风险因素进行研究,并选用Lasso-Logistic模型和向前逐步回归Logistic模型作为对比,进行变量选择以及参数估计,最后对模型的准确率进行预测,得出结论:资产负债率对信用风险的影响最大;Adaptive Lasso-Logistic在变量选择和模型预测的准确性方面更优。

基于Adaptive Lasso-Logistic回归模型的财务报告舞弊识别研究

财务报告舞弊行为会对广大投资者的切身利益造成巨大损害,因而如何高效识别财务报告中的舞弊行为已成为目前学界研究的热点。本文在对已有财务报告舞弊识别模型进行分析的基础上,针对Logistic回归模型在财务报告舞弊识别中存在的变量多重共线性和计算复杂等问题,提出Adaptive Lasso-Logistic回归识别模型,并以2010年—2017年间我国320家上市公司的年度财务报表数据为样本,从盈利能力、营运能力、偿债能力等方面设计了18个财务比率指标进行实证研究。结果表明,与传统的Logistic回归模型和Lasso-Logistic回归模型相比,Adaptive Lasso-Logistic回归模型不但具备良好的变量筛选能力,而且可以获得更好的识别效果,具有较高的应用价值。

基于LASSO-Logistic回归的脑梗死患者30d非计划性再入院预测模型的构建

目的:分析脑梗死患者30d非计划性再入院的影响因素,构建预测模型,帮助医护人员评估脑梗死患者30d非计划性再入院概率。方法:收集新疆地区两所三级甲等医院入院的脑梗死患者临床资料,采用LASSO回归法筛选脑梗死患者30d非计划性再入院影响因素,构建脑梗死患者30d非计划性再入院风险预测模型,并用列线图可视化方式呈现。结果:研究设计纳入750例脑梗死患者,收集患者34个相关因素,模型共纳入11个影响因素;模型评价显示,模型的AUC为0.90(准确率)、曲线平均绝对误差为0.01(校准度)和净收益率高于0.03(临床实用性)。结论:吸烟、高血压、高脂血症、糖化血红蛋白≥6mmol/L、高同型半胱氨酸是造成脑梗死患者30d非计划性再入院的主要风险因素;本研究对高维数据采用LASSO回归构建预测模型,具有较高的准确率、校准度及临床实用性。

基于Lasso-logistic回归的企业集团信用风险研究

通过采用债券违约样本进行实证研究,选取违约主体首次发生信用风险预警信号时点前一年的数据,将多元化的21个风险特征指标加入Lasso-logistic回归模型进行研究,最终选取了11项企业集团信用风险关键预警指标。

残疾人收入贫困的测算及其影响因素研究——基于Lasso-logistic模型

基于2017年全国残疾人基本服务状况与需求信息动态更新调查数据,使用收入贫困测量方法对残疾人的贫困状态进行研究,并采用解释能力较强的Lasso-logistic模型分析了导致残疾人收入贫困的影响因素。研究发现,年龄、婚姻状况、户口类别、受教育程度、住房状况、残疾类型、残疾等级、就业情况以及是否参加各种保险和社区各类服务等因素对残疾人的贫困状况有显著的影响,且进一步发现婚姻状况、住房状况以及是否参加各类保险对残疾人的贫困状态影响尤为强烈。

基于Lasso-logistic在中小微企业信用评估中的应用

突如其来的疫情,对我国的经济造成了重大的冲击。其中,中小微企业无疑是受疫情影响最大的一个群体。对中小微企业进行信用评估,有利于银行做好风险防范工作。本文采用Lasso方法从95个可能影响中小微企业信用评估的指标中挑选出每股营业收入、资产负债率、长期借款等36个重要影响因素。采用logistic回归的方法对中小微企业进行信用评估。最终,借助ROC曲线来衡量所建模型的优劣。所建模型的AUC值为97.7%,说明模型的分类效果较好。

髋部骨折老年患者术后1年死亡的危险因素及其预测模型的准确性:基于LASSO-logistic回归

目的基于LASSO-logistic回归分析,筛选髋部骨折老年患者术后1年死亡的危险因素并评价预测模型的准确性。方法对2019年1月至12月在温州医科大学附属第二医院行髋部骨折手术治疗的老年患者(年龄≥65岁)进行病例对照研究。根据患者术后1年的生存状态分为死亡组和存活组。获取患者一般资料及术前实验室指标。采用LASSO回归筛选出变量后将其纳入多因素logistic回归分析筛选髋部骨折老年患者术后1年死亡的危险因素。根据结果建立预测模型并对模型进行评价。结果死亡组63例,存活组564例。经LASSO回归筛选变量及多因素logistic回归分析,年龄、术前认知功能障碍、查尔森合并症指数(CCI)≥3分和术前血清前白蛋白(PAB)水平是髋部骨折老年患者术后1年死亡的独立危险因素(P<0.05)。预测模型的受试者工作特征曲线下面积为0.788(95%CI 0.731~0.846),灵敏度和特异度分别为76.2%和68.6%。校准曲线的平均绝对误差为0.007。Hosmer-Lemeshow拟合优度检验结果显示模型预测值与实际观测值差异无统计学意义(χ2=5.065,P=0.751)。决策曲线分析显示阈概率范围为0~0.7时患者的净获益率较高。结论年龄、术前认知功能障碍、CCI≥3分和术前PAB水平是髋部骨折老年患者术后1年死亡的独立危险因素,基于LASSO-logistic回归建立的预测模型准确性较高。