膀胱癌电切术后尿路感染Lasso-Logistic预测模型的构建

目的 分析膀胱癌电切术后尿路感染(UTI)发生情况,并构建Lasso-Logistic预测模型。方法 选取2022年5月—2023年10月首都医科大学附属北京友谊医院行尿道膀胱肿瘤电切术(TURBT)治疗后的920例膀胱癌患者,统计术后UTI发生率。根据是否发生UTI分为UTI组和非UTI组,比较2组临床资料;通过Lasso-Logistic回归分析膀胱癌患者术后UTI的影响因素,根据影响因素构建Lasso-Logistic预测模型;通过受试者工作特征(ROC)曲线、决策曲线分析(DCA)评价模型的预测效能和临床效用。结果 膀胱癌患者TURBT后住院期间UTI发生率为12.50%(115/920);Lasso-Logistic回归分析显示,年龄、高血压、糖尿病、血清降钙素原(PCT)、白细胞介素-6(IL-6)、C反应蛋白(CRP)、外周血CD3^(+)、CD4^(+)/CD8^(+)、免疫球蛋白A(IgA)、免疫球蛋白M(IgM)、尿液基质金属蛋白酶-7(MMP-7)、表面活性蛋白A(SP-A)和表面活性蛋白D(SP-D)均为膀胱癌患者术后发生UTI的独立影响因素(P<0.05)。根据影响因素构建Lasso-Logistic预测模型为:Logit(P)=-2.516+1.109×年龄+1.002×糖尿病+1.359×高血压+1.496×CRP+1.726×PCT+1.562×IL-6-1.155×CD3^(+)-1.280×CD4^(+)/CD8^(+)-1.032×IgA-1.411×IgM+1.589×MMP-7-0.843×SP-A-0.799×SP-D。ROC曲线结果显示,该模型预测膀胱癌患者术后发生UTI的曲线下面积(AUC)为0.944(95%CI:0.927~0.958),敏感度、特异度分别为87.83%、85.22%;DCA结果显示,该模型具有明显的正向净收益。结论 膀胱癌患者TURBT后UTI发生率较高,根据影响因素构建Lasso-Logistic预测模型可为临床预测UTI发生风险提供可靠参考依据。

中国小水电开发利用Logistic预测模型

基于中国大陆1981~2010年小水电装机容量的变化特点,采用加速遗传算法建立了中国小水电开发利用Logistic预测模型,运用自助法对Logistic预测模型的误差进行重抽样,建立了基于自助法的中国小水电开发利用Logistic预测模型（LP-SHD）,并预测了2015、2020年中国小水电装机容量95%的置信区间。实例结果表明,LP-SHD模型物理概念清晰、计算简便、预测精度高,在其他可再生能源资源开发利用预测中具有推广应用价值。

基于Logistic预测模型的地铁隧道地表沉降预测研究

以武汉地铁二号线虎泉站至名都站区间施工监测数据为基础,运用Logistic时间函数模型,对由地铁区间隧道开挖引起的地表沉降曲线随时间变化规律进行拟合分析。根据拟合结果,确定了该区间隧道开挖过程中沉降量Logistic时间曲线的5个关键点及3个未知参数,从而建立了针对该区间隧道地面沉降的Lo-gistic时间预测经验模型,将该模型用于预测得到了很好的预测结果。

基于Logistic预测模型的风格择时量化研究

风格投资对基金业绩有重要影响,但风格固定并不是最优的投资策略,紧随风格变化、切换风格投资组合是战胜市场的关键。我们采用Logistic二元选择对风格轮换进行预测,得到较好的效果。研究发现,利用Logistic预测结果进行风格择时,能够获得相对于固定风格的显著的超额收益。

基于遗传算法的中国清洁能源需求Logistic预测模型

通过分析中国历年能源需求量变化规律,得出序列近10 a增长趋势与以往明显不同。为准确描述能源需求增长趋势,用整体序列和近10 a序列分别建立Logistic模型,再将两者耦合,并运用遗传算法优化模型参数,由此建立基于遗传算法的能源需求Logistic中长期预测模型。运用该模型对中国2020年能源需求量进行预测,并构建未来社会经济发展情景,结合碳减排目标推求清洁能源需求量,由此建立基于遗传算法的清洁能源Logistic中长期预测模型,并对中国2020年清洁能源需求量进行预测分析。结果表明,该模型物理概念明确,思路清晰,预测结果与中国能源规划目标相符,具有一定的合理性。

基于自助法的中国水电能资源开发利用Logistic预测

基于近20 a中国水电装机容量序列,采用加速遗传算法构建了Logistic预测模型,并运用自助法对Logistic预测模型的误差进行重抽样,提出了基于自助法的中国水电能资源开发利用Logistic预测模型(BLP-HPU),预测了2015、2020年中国水电能资源开发利用预测值的置信区间。实例结果表明,该模型物理概念清晰、计算简便、预测精度高,在风能等可再生能源资源开发利用预测中具有推广应用价值。

用户健康词汇熟悉度的影响因素及Logistic预测模型

运用Logistic方法对用户健康词汇熟悉度进行多因素分析的结果表明,性别、文化程度、职业,健康关注度、健康素养以及词频是影响用户健康词汇熟悉度的相关因素。采用Logistic方法预测用户健康词汇熟悉度是可行的。

绿色建筑质量水平的累积Logistic预测模型

针对绿色建筑质量水平预测问题,应用FDA和累积Logistic原理,选取绿色环保建材的使用等19个指标进行FDA,依据判别结果将19个指标分成3组,以27组训练样本建立各指标组合绿色建筑质量水平累积Logistic预测模型,利用回代估计法评估模型,最终选择节水设备和器具等5个指标建立绿色建筑质量水平累积Logistic预测模型,用4组检验样本进行测试。结果表明,利用FDA对指标分组,降低指标组合识别复杂度,模型预测结果与实际情况较吻合。

基于体检信息的急性冠脉综合征logistic预测模型

目的探讨体检信息中急性冠脉综合征(ACS)的预测因素,并建立logistic预测模型,评价其预测发生ACS的准确度、敏感度和特异度。方法选取2014年10月至2015年10月中国航天科工集团七三一医院门诊、急诊及心血管内科ACS患者100例,按照性别、年龄匹配同期体检者100例作为对照组,于体检中心数据库调取入选者体检资料进行单因素分析,取其中有统计学意义的变量作多因素logistic回归分析,并建立预测模型。结果单因素分析结果表明体质量指数(BMI)、尿酸(UA)、总胆固醇(TC)、低密度脂蛋白胆固醇(LDL-C)、高敏C反应蛋白(Hs-CRP)、同型半胱氨酸(Hcy)、高血压、吸烟、糖尿病、高脂血症、缺血性脑卒中、脉搏波传导速度(PWV)、颈动脉内膜中层厚度(IMT)增厚、是否接受抗血小板治疗、是否接受他汀类药物治疗与ACS发病有关,其中8个因素进入logistic回归方程,logistic预测模型为P=1/1+e^((-8.444+1.182X_1+1.174X_2+0.430X_3+0.323X_4+0.315X_5+0.257X_6-1.569X_7-0.1884X_8)),预测ACS发生的准确度为83.5%(167/200),敏感度为82%(82/100),特异度为85%(85/100)。结论 IMT、糖尿病、吸烟、Hcy、LDL-C、BMI、是否接受抗血小板治疗、是否接受他汀类药物治疗是ACS发生的主要危险因素,所建立的logistic回归模型能较好地预测ACS发生风险。

有向无环图在构建Logistic预测模型中的应用研究

传统的回归模型难以推断变量间的真实因果关系,可能导致研究结果偏离真实值。有向无环图(DAG)将变量间的因果路径可视化,根据后门原则可以定性分析变量间的因果关系。应用线性非高斯无环模型(LiNGAM)方法从观察数据中生成DAG分析变量间因果关系。从不同角度出发,提出两种基于DAG的Logistic预测模型变量选择方法,通过实验验证了新方法的有效性。

上市公司营业利润高速成长的Logistic预测模型

一、研究背景 在证券投资中,基于股票基本分析的投资战略被市场广泛采用.基本分析的核心内容是上市公司的财务分析.……

经济周期的logistic预测漠型

一、问题的提出 1946年Burns和Mitchell在他们关于经济周期的开创性研究工作中给出经济周期的如下定义:经济周期包含扩张和收缩两个阶段.扩张阶段表现为大量经济活动的同时恢复或上升;紧随其后的收缩阶段表现为大量经济活动的同时衰退或下降.这种变动序列重复出现,但时间间隔不等.

中国人口Logistic预测模型

考虑了自然资源、环境条件等因素对人口的增长起着阻滞作用,且随着人口的增加,阻滞作用越来越大.运用数值微分技术对Logistic模型进行参数估计,结合Matlab软件对数据进行了拟合.较好地反映出我国人口的增长趋势,并对2011—2030年人口数量进行了预测.

基于Logistic预测模型的产品生命周期识别

本文运用黄金分割法和工程软件MATLAB中的polyfit函数求解Logistic预测模型的三个参数,并引入确定成熟期长的系数β,改进了Logistic方程,使其预测范围覆盖整个产品生命周期。最后通过一个数值算例,证明了该方法识别产品生命周期的有效性。

228例心力衰竭患者非计划再入院率调查及logistic预测模型建立研究

目的 探讨心力衰竭患者非计划再入院率及影响因素。方法 选取2019年3月~2021年3月如皋市人民医院收治的228例经治疗后病情稳定出院的心力衰竭患者作为研究对象,统计患者1年非计划再入院情况,并依据是否发生非计划再入院分为再入院组和未再入院组,比较两组临床资料,分析非计划再入院相关影响因素,采用R语言构建非计划再入院的列线图预测模型,发现该模型的预测心力衰竭患者非计划再入院的价值。结果 完成随访的223例患者中,有96例(43.05%)因再发心力衰竭住院;再入院组慢性肾病占比(19.79%)、贫血占比(29.17%)、营养风险占比(36.46%)、心房颤动(房颤)占比(40.63%)、血清NT-proBNP水平高于未再入院组,遵医用药占比(64.58%)低于未再入院组(P<0.05);慢性肾病、贫血、营养风险、房颤、遵医用药、血清NT-proBNP水平均为心力衰竭患者非计划再入院的影响因素(P<0.05);Logit(P)=-13.259+3.199×慢性肾病+2.267×贫血+2.749×营养风险+3.227×房颤-0.799×遵医用药+3.416×NT-proBNP,据此构建列线图预测模型,其C-index为0.962,具有良好的区分度;预测模型ROC曲线的曲线下面积(AUC)为0.962(95%CI 0.939~0.984),预测效能较高。结论 如皋地区心力衰竭患者非计划再入院率为43.05%,处于较高水平,慢性肾病、贫血、营养风险、房颤、遵医用药、血清NT-proBNP水平均为非计划再入院的影响因素,根据上述影响因素构建列线图预测模型有助于预测心力衰竭患者1年内非计划再入院风险,具有较高预测效能。

我区某煤矿尘肺患病人数Logistic预测

罗辑斯蒂(Logistic curve)回归预测模型常用干人口的预测,用于尘肺病人数的预测甚少报道。本文根据我区某煤矿1967～1987年年终实有尘肺病人数,采用Logtstic模型进行拟合。

基于财务驱动因子的logistic预测选股模型

本文从财务因子与股价变动之间的因果关系的角度出发,通过股价变动和财务因子波动之间的关系分别建立模型,采用logistic回归模型分别预测个股在近期的财务报表公布后上涨概率,并对其进行从高到低的排序,最终获得上涨概率最高的一只股票作为投资标的。

基于灰色模型(GM)预测和Logistic回归模型的二河闸安全预警评价分析

研究以二河闸工程为例,通过GM预测和Logistic回归模型应用原理,提出集2种方法于一体的综合型水闸安全预警评价方案,利用预警模型进行二河闸安全预警,评价水闸安全性,结合实际安全监测数据检验研究方法的可靠性。结果表明,基于本研究方法的水闸运行状态和趋势预测结果较准确,可作为水闸安全管理的依据。本研究对水闸安全预警评价有指导意义。

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。