X线联合超声Logistic模型预测乳腺癌腋窝淋巴结转移的价值分析

目的分析与乳腺癌腋窝淋巴结转移相关的X线和超声征象,构建Logistic回归模型并评估其对术前预测腋窝淋巴结状态的临床价值。方法选取2015年1月至2022年1月高密市人民医院收治的312例原发性乳腺癌患者作为研究对象,根据是否发生腋窝淋巴结转移(ALNM)分为转移组(n=141)与未转移组(n=171)。所有患者均行X线及超声检查,比较未转移组与转移组乳腺浸润性导管癌的X线征象、超声征象,采用多因素Logistic回归分析ALNM的影响因素;绘制ROC曲线分析X线、超神征象及Logistic回归模型预测乳腺癌腋窝淋巴结转移的价值。结果两组X线原发灶长径、皮肤增厚、乳头回缩、淋巴结门和淋巴结密度比较差异有统计学意义(P<0.05),两组象限位置、钙化和边缘毛刺比较差异无统计学意义;两组超声原发灶长径、淋巴结皮髓质分界和淋巴结皮质比较差异有统计学意义(P<0.05),两组原发灶高回声晕、后场回声、血流分级和纵横比比较差异无统计学意义。多因素Logistic回归分析结果显示,X线征象的乳房皮肤增厚征象、超声淋巴结皮质增厚征象是乳腺浸润性导管癌患者发生ALNM的独立危险因素(P<0.05)。ROC曲线分析结果显示,X线乳房皮肤增厚征象和超声征象的淋巴结皮质增厚预测淋巴结转移的AUC分别为0.652(95%CI:0.589~0.714)、0.725(95%CI:0.666~0.784),模型预测ALNM的AUC为0.795(95%CI:0.742~0.848),预测效能较好。结论乳腺癌患者的X线皮肤增厚征象和超声腋窝淋巴结皮质增厚征象与ALNM有关,X线联合超声的Logistic模型可较准确地预测乳腺癌患者的腋窝淋巴结状态。

基于Logistic回归和Nomogram模型构建对非小细胞肺癌术后转移的预测价值

目的:探讨非小细胞肺癌术后转移的危险因素,并构建非小细胞肺癌术后转移的列线图模型。方法:选取2018年5月~2021年2月在南京市胸科医院进行手术治疗的265例非小细胞肺癌患者作为模型组,将2021年3月~2022年6月在我院进行手术治疗的96例非小细胞肺癌患者作为验证组。应用Lasso分析筛选非小细胞肺癌术后转移的预测因素,应用Logistic回归分析筛选非小细胞肺癌术后转移的危险因素,应用R(4.2.0)软件构建非小细胞肺癌术后转移的列线图模型,并对非小细胞肺癌术后转移的列线图模型进行验证。结果:Logistic回归分析结果显示,肿瘤最大径>3cm、分化程度、临床分期、癌胚抗原(CEA)、D-二聚体及MGMT基因启动子甲基化等是非小细胞肺癌术后转移的危险因素(P<0.05)。校正曲线显示模型组和验证组的预测值和实际值的拟合度皆较好;模型组和验证组的AUC分别为0.732和0.843。模型组的决策曲线显示非小细胞肺癌术后转移列线图模型的临床效用较好。结论:肿瘤最大径、分化程度、临床分期、CEA、D-二聚体及MGMT基因启动子甲基化等是非小细胞肺癌术后转移的影响因素,非小细胞肺癌术后转移的列线图模型有利于临床对非小细胞肺癌术后转移进行防治。

基于Logistic回归与随机森林算法构建甲状腺乳头状癌颈部淋巴结转移预测模型的对比研究

目的基于Logistic回归与随机森林算法构建甲状腺乳头状癌(PTC)颈部淋巴结转移(LNM)的预测模型,比较二者的诊断效能。方法选取我院收治的PTC患者156例,依据是否发生颈部LNM分为非转移组65例和转移组91例,比较两组超声、基因检测及临床检查结果的差异。采用多因素Logistic回归分析筛选PTC颈部LNM的独立影响因素,基于Logistic回归和随机森林算法分别构建PTC颈部LNM的预测模型;绘制受试者工作特征(ROC)曲线分析模型的诊断效能。结果转移组与非转移组年龄、结节最大径、甲状腺球蛋白抗体(TgAb)水平,以及甲状腺外浸润(ETE)、BRAFV600E基因突变、微钙化占比比较差异均有统计学意义(均P<0.05)。多因素Logistic回归分析显示,微钙化、结节最大径、ETE、年龄、TgAb水平、BRAFV600E基因突变均为PTC颈部LNM的独立影响因素(均P<0.05)。ROC曲线分析显示,Logistic回归模型预测PTC颈部LNM的曲线下面积(AUC)为0.763;随机森林模型显示,树的数目为272时错误率最低,模型预测PTC颈部LNM的相对重要预测因子排序依次为TgAb水平、BRAFV600E基因突变、微钙化、年龄、ETE、结节最大径,其预测PTC颈部LNM的AUC为0.856,高于Logistic回归模型(Z=2.812,P=0.005)。结论基于随机森林算法构建的PTC颈部LNM预测模型的诊断效能高于基于Logistic回归构建的预测模型,临床医师可根据PTC患者颈部LNM的随机森林重要性排序制定合适的干预措施。

函数型累积Logistic回归模型研究与应用

该文针对响应变量为有序多分类标量数据,协变量为函数型数据构建函数型累积Logistic回归模型,并在贝叶斯分析框架下构造Gibbs抽样算法解决参数估计问题.具体解决流程为:首先,通过潜变量连接有序响应变量与函数协变量间的关系,同时对回归系数函数和回归函数型自变量选取主成分基函数进行展开,设置潜变量模型误差项服从Logistic分布.再利用Polya-Gamma变换解决模型似然函数的复杂性,并求得回归系数展开系数的后验分布从而构建Gibbs抽样算法.最后将该方法应用与模拟数据和实际空气质量指数(AQI)的分析,结果显示能较好地对模拟数据和空气质量指数(AQI)污染状况进行分类.

转移性结直肠癌并消化道穿孔的多因素Logistic分析及预测模型的构建与验证

目的探讨转移性结直肠癌(mCRC)并消化道穿孔(DTP)的独立危险因素并构建预测模型。方法2018年4月~2021年10月本院就诊的mCRC病人171例,根据是否发生DTP,将病人划分为穿孔组与未穿孔组。收集入院病人的临床资料,包含性别、年龄、原发性肿瘤类型、吸烟饮酒史、糖尿病、RAS/RAF状态、肠镜检查、合并肠梗阻、合并贫血、合并憩室、使用血管内皮生长因子(VEGF)抑制剂。Logistic回归分析影响mCRC并DTP的危险因素,建立风险预测模型,并分析预测效能。结果171例mCRC病人中,33例发生DTP,138例未发生DTP,穿孔率为19.30%;接受肠镜检查、合并肠梗阻、使用VEGF抑制剂是影响mCRC并DTP的独立危险因素(P<0.05);建立风险预测模型的模型表达式为P=1/[1+e(-3.374+1.521×(接受肠镜检查)+1.418×(合并肠梗阻)+1.872×(使用VEGF抑制剂)],采用Hosmer-Lemeshow检验χ^(2)=2.267,P=0.894,模型预测DTP发生的AUC为0.734,95%CI为0.724~0.859,具有良好的拟合度和预测效能。结论多因素Logistic回归模型可以较好的预测mCRC并DTP的发生,临床可重点关注年龄≥60岁、接受肠镜检查、合并肠梗阻、使用VEGF抑制剂的mCRC病人。

不同储藏温度下鲜猪肉微生物菌群及TVB-N的Logistic生长曲线模型分析

为研究鲜猪肉在不同储藏温度下主要腐败菌及其总挥发性盐基氮(TVB-N)含量随时间的变化规律,找出其变化函数模型。选取(-3±0.5)、(0±0.5)、(4±0.5)、(10±0.5)℃四个储藏温度组,每组设置0、10、20、34、48、72、96 h 7个不同的储藏时间,测定鲜猪肉细菌菌落总数、大肠杆菌等6个微生物指标和TVB-N含量,对各指标的时间序列值在4个储藏温度组间进行配对T检验,并建立Logistic生长曲线函数模型。结果表明:不同储藏温度组鲜猪肉各指标间存在极显著差异;各指标在不同储藏温度下与自变量时间t的Logistic生长曲线函数的决定系数R2均大于0.9;以总挥发性盐基氮含量为指标,得出理论上(0±0.5)℃储藏不超过76 h的为鲜猪肉,超过76 h不超过121 h的为次鲜肉。综合分析,鲜猪肉建议(0±0.5)℃储藏为宜,储藏时间不超过121 h。研究结果可为鲜猪肉储藏保鲜提供参考。

基于多目标函数的避洪转移安置方案优化

针对目前避洪转移方案仅考虑时间或距离成本最优导致部分安置点人数分配不合理的问题,从“安全第一、就近就便、平灾结合、利于管理”的避洪转移安置方案基本要求出发,首先对安置点的适用性、分布合理性及容量大小3个方面进行分析,依据“时间、距离、适宜度和安置容量”四因素初步筛选合适的安置点。然后通过路权函数建立避洪转移时间成本矩阵,以转移时间成本和安置点的优化分配为多目标函数确定避洪转移安置点的最优分配方案。最后以TOPSIS评价方法对避洪转移安置点分配的单目标方案与多目标方案进行对比分析。结果表明:多目标方案的相对接近度大于单目标方案,基于多目标函数确定的避洪转移安置分配方案更加合理。

鼻咽癌肝转移介入治疗后复发相关预测因素的Logistic回归分析

目的:分析鼻咽癌(NPC)肝转移患者介入治疗后复发的相关预测因素。方法:选取我院2019年1月-2021年6月收治的351例行介入治疗的NPC肝转移患者为观察对象,行介入治疗后随访半年,根据肝转移是否复发分为复发组(65例)、未复发组(286例)。收集并比较2组临床资料,采用Logistic多因素回归模型分析NPC肝转移介入治疗后复发的危险因素。结果:经Logistic回归分析显示,肝转移瘤最大直径(>4cm)、术前肝转移瘤形态(弥漫型)、原发灶未放疗、邻近大血管、术前甲胎蛋白水平(>7ng/ml)是行介入治疗的NPC肝转移患者治疗后复发的危险因素。结论:行介入治疗的NPC肝转移患者治疗后复发与肝转移瘤最大直径、术前肝转移瘤形态、原发灶未放疗、邻近大血管、术前甲胎蛋白水平有关,临床应据此差异化制定治疗及手术方案,以降低复发风险。

影响甲状腺乳头状癌侧颈区淋巴结转移的相关logistic回归分析

目的:探究影响甲状腺乳头状癌侧颈区淋巴结转移的相关因素分析。方法:选取2019年4月至2020年3月于我院收治的甲状腺乳头癌96例患者作为本次研究对象。根据病理检测结果将患者分为转移组44例,非转移组52例。收集两组患者的一般资料并进行对比,分析影响甲状腺乳头状癌侧颈区淋巴结转移的相关因素。结果:术根据病理诊断96例甲状腺乳头状癌患者中颈区有淋巴结转移的有44例,非转移的有52例,其转移率45.83%(44/96),非转移组有54.16%(52/96)。转移组和非转移组的性别、年龄、微小钙化、肿瘤大小、包膜侵犯的差异具有统计学意义(P<0.05);血流是否丰富、边界是否清除、肿瘤位置的差异无统计学意义见(P>0.05);经多元Logistic回归分析,影响甲状腺乳头状癌颈区淋巴结的相关因素表明:年龄<45岁、肿瘤>5 mm、微小钙化和包膜侵犯是主要危险因素(P<0.05)。结论:年龄<45岁、肿瘤>5 mm、微小钙化和包膜侵犯与颈区淋巴结转移相关,当超声检查发现有疑似恶性病灶且伴有典型的临床特征时应细致扫查患者颈区淋巴结。

甲状腺乳头状癌超声征象与颈部淋巴结转移关系的Logistic回归分析

目的探讨甲状腺乳头状癌(PTC)原发灶超声征象与颈部淋巴结转移的关系。方法对135例PTC患者的术前超声征象进行分析,其中41例伴颈部淋巴结转移者为转移组,94例无颈部淋巴结转移者为对照组。对超声征象与病理的吻合度进行k系数检验。以病理诊断颈部淋巴结转移为因变量,以原发灶和颈部转移淋巴结声像图特征为自变量建立Logistic回归模型。对PTC原发灶的超声征象与颈部淋巴结转移征象进行相关分析。结果单因素和多因素分析显示原发灶内微钙化、颈部淋巴结内钙化、淋巴结内囊变坏死与颈部淋巴结转移密切相关(χ2=45.21、48.78、57.81,OR=32.49、50.73、246.60,P均<0.05),且与病理结果有较好的吻合度(k=0.57、0.56、0.64,P均<0.01)。结论 PTC原发灶内微钙化和颈部淋巴结囊变坏死、钙化对术前预测有无颈部淋巴结转移具有重要价值。

基于logistic函数模型的我国卫生总费用发展阶段分析

卫生总费用（total expenditure on health，TEH）是以货币形式作为综合计量手段，全面反映一个国家或地区在一定时期内（通常指一年）全社会用于医疗卫生服务所消耗的资金总额。

基于Logistic增长模型的地表下沉时间函数

Knothe时间函数可预测地表下沉,但其不能反映地表下沉速度和加速度的变化规律。针对Knothe时间函数描述的不足,提出了改进的地表下沉的时间函数——基于Logistic增长模型的时间函数。该时间函数可合理描述地表下沉发展变化的全过程,能反映实际地表点下沉的速度和加速度的变化规律,经实测检验,证明了该时间函数的实用性和有效性。

基于Logistic时间函数地表动态沉陷预测及优化求参研究

实施采煤诱发的地表动态沉陷预测及优化求参研究能够显著降低采动损害,保护国家基础设施和生命财产安全。为了实现地表沉陷的动态和定量化预测,合理确定模型预测参数,引入以时间序列为自变量的生长模型,从地表下沉、下沉速度、下沉加速度及分布形态4个方面,论证了Logistic时间函数的时空完备性。构建了基于坐标变换的地表沉陷终态和动态预测模型,并给出了模型参数的确定方法。以Matlab为研发平台,实现了模型参数的自动求取和地表沉陷的定量化预测。最后以某矿21104工作面为工程背景,对地表沉陷动态预测模型的可靠性和预测精度进行了分析和评价。结果表明,基于Logistic时间函数的计算结果不但在地表下沉、下沉速度和加速度方面与地表沉陷的实际特征相吻合,而且模型预测参数能够灵活体现地表沉陷的时空分布特征。Logistic时间函数下沉速度阻尼系数为160,下沉速度增长因子为3.1。地表终态下沉系数为0.88,主要影响角正切值为1.68,开采影响传播角为84.6°;沿工作面走向和倾向方向的预测相对中误差最大值分别为±5.98%和±4.21%,理论值与实测值相吻合,采用该预测模型能够实现地表动态沉陷的合理预测。

基于Logistic函数的贝叶斯概率矩阵分解算法

在协同过滤推荐系统中,矩阵分解是一种非常有效的工具。贝叶斯概率矩阵分解模型具有预测精度高的优点,但不能表示潜在因子之间的非线性关系。针对该问题,该文提出一种基于Logistic函数的改进贝叶斯概率矩阵分解模型,并使用马尔科夫链蒙特卡罗方法进行训练。在两组真实数据集合上的实验表明,基于Logistic函数的贝叶斯概率矩阵分解算法能够明显提高预测准确性,有效缓解数据稀疏性问题。

超声对头颈部转移性淋巴结诊断的Logistic回归分析

目的探讨超声在头颈部恶性肿瘤淋巴结转移中的诊断价值。方法经过筛选,135例头颈部恶性肿瘤患者参与到我们的研究中,其中57例伴有颈部淋巴结转移的患者为转移组,78例无颈部淋巴结转移的患者为对照组。所有患者均颈部淋巴结超声检查,确定是否有淋巴结转移,同时也对超声征象进行logistics回归分析,分析超声征象与淋巴结转移之间的关系。结果对超声征象与颈部淋巴转移情况进行单因素和多因素分析,结果显示淋巴结内部高回声(2=6. 12,OR=2. 49)、微钙化(2=34. 62,OR=294. 08)、囊性变(2=50. 55,OR=191. 7)、边缘或混合型血流信号(2=5. 50,OR=1. 43)与颈部淋巴结转移密切相关(P均<0. 05)。结论内部高回声、微钙化、囊性变、边缘或混合型血流信号对预测颈部转移性淋巴结具有重要价值。

线性正则化函数Logistic模型

函数型数据的模式识别问题广泛存在于医学、经济、金融、生物、气象等各个领域,探索更具泛化性能的分类器对准确挖掘函数型数据当中隐藏的知识至关重要.针对经典函数Logistic模型的泛化性能不高的问题,提出了线性正则化函数Logistic模型,该模型的生成通过求解一个优化问题实现.在该优化问题当中,前项是基于函数样例的似然函数构造的,用于控制函数样例的分类性能;后项是正则化项,用于控制模型的复杂性.同时,这2项进行了线性加权组合,这样,限制了正则化子的取值范围,方便给出一个经验最优参数,然后可在这一经验最优参数的指导下选出一个适当的函数主成分基个数下的Logistic模型用于函数型数据的分类.实验结果表明:选出的线性正则化函数Logistic模型的泛化性能优于经典的函数Logistic模型.

基于Logistic函数的社会化矩阵分解推荐算法

持续指数增长的互联网逐渐带来了信息过载问题,使得推荐系统提供的信息过滤服务尤为重要.协同过滤是推荐系统领域最为成功的技术,但依然存在数据稀疏性等问题.社会关系信息能够有效提高推荐系统的预测准确性.为解决数据稀疏性问题,本文提出了一种利用Logistic函数的社会化矩阵分解推荐算法.在3组真实数据结合上的实验结果表明,本文提出的算法能够提供更准确的推荐结果,特别是在数据稀疏的情况下,显著缓解了数据稀疏性问题.

Dukes C期结直肠癌根治术后复发转移因素的Logistic回归分析

目的 探讨DukesC期结直肠癌根治术后复发转移的相关因素。方法 应用Logistic回归分析方法 ,对 2 3 5例结直肠癌根治术后患者的临床病理资料 ,进行单因素和多因素回顾分析。结果 单因素分析显示 ,患者性别、年龄、病程、肿瘤部位、肿瘤大体类型、肿瘤直径、肿瘤组织类型及肠壁浸润深度对结直肠癌术后复发转移无影响。单因素和多因素分析显示 ,淋巴结转移和肿瘤分化程度是影响结直肠癌术后复发转移的独立预后因素。结论 淋巴结转移 (数目或部位 )和肿瘤分化程度是影响DukesC期结直肠癌术后复发转移最重要的独立因素 ,对于判断预后。

GM(1,1)模型和Logistic函数在日本落叶松林分蓄积量预测中的对比研究

通过对日本落叶松林分蓄积量预测模型的对比研究,得出Logistic函数的残差平方和小于GM(1,1)模型,相关系数大于GM(1,1)模型,根据模型评价标准,可知Logistic函数更适用于辽东地区日本落叶松林分蓄积量的预测。图形分析表明,GM(1,1)模型适用于具有较强指数规律的序列,与林分蓄积量短期生长规律相似,因此GM(1,1)模型只适用于建立短期的蓄积量预测。而Logistic函数图形与林分蓄积量的变化趋势更为接近,所以可以准确地预测林分蓄积量,为合理经营利用日本落叶松林分提供科学的理论依据。

基于Logistic测试覆盖率函数的软件可靠性建模研究

软件测试覆盖率是测试充分性和测试效率的有效度量指标,其与软件可靠性以及缺陷覆盖情况之间有着一定的相关关系,并且结合测试覆盖率信息的软件可靠性模型的评估和预计效果将会得到有效改进.在实际测试过程中,由于软件结构特征及学习因素的综合影响,测试覆盖率可能会呈现出一种先增后减的趋势,Logistic函数恰好非常适合描述这类S形变化趋势,且结构简单,具有较好的灵活性与适应性.因此,针对基于Logistic函数的测试覆盖率函数以及软件可靠性建模等问题展开研究.首先提出基于Logistic函数的测试覆盖率函数;在该函数的基础上,提出基于Logistic测试覆盖函数的缺陷预计模型;然后,将NHPP可靠性模型的建模过程与Logistic测试覆盖函数相结合,提出一种新的考虑测试覆盖率的软件可靠性增长模型.实例验证结果表明:与若干已有的同类研究成果相比,提出的基于Logistic函数的测试覆盖率函数、缺陷预计模型以及软件可靠性增长模型有效地提高了函数或模型对数据的拟和精度,且具有较好的适用性.