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。

广州地区多次献血者流失影响因素研究:基于零膨胀泊松回归模型

目的运用零膨胀泊松回归模型,分析多次献血者流失的影响因素。方法本研究采用零膨胀泊松回归模型(zero-inflated poisson model,ZIP)对广州血液中心12498名在2020年献全血的献血者截止2023年12月31日的献血行为进行了跟踪,以献血者当年的献血次数为结局变量,若献血者当年献血次数为0,即为流失,测量其每次献血时相关的影响因素的变化并建模分析。结果零膨胀泊松回归模型零膨胀部分结果显示,男性献血者的流失风险是女性的2.24倍(OR 95%CI:1.864~2.696,P<0.001)。年龄分组中,35~44岁组的流失风险比25岁以下组的低40%(OR 95%CI:0.455~0.790,P<0.001),大于45岁组的流失风险比小于25岁组的低61%(OR 95%CI:0.268~0.578,P<0.001)。历史献血次数分组中,历史献血2次的献血者的流失风险比首次献血者低50%(OR 95%CI:0.405~0.609,P<0.001);历史3次及以上献血者的流失风险比首次献血者低81%(OR 95%CI:0.154~0.225,P<0.001)。教育程度分类中,初中或高中学历组的流失风险是大专及以上学历组的1.2倍(OR 95%CI:1.033~1.384,P<0.05)。在婚姻状况分类中,离异组的流失风险是已婚组的2.02倍(OR 95%CI:1.445~2.820,P<0.001)。在家庭收入状况中,收入1~5万组的流失风险是收入小于1万组的0.67倍(OR 95%CI:0.552~0.818,P<0.001),收入5~10万组的流失风险是收入小于1万组的0.72倍(OR 95%CI:0.591~0.884,P=0.002),收入大于10万组的流失风险是收入小于1万组的0.67倍(OR 95%CI:0.535~0.834,P<0.001)。泊松部分的结果与零膨胀部分的结果在年龄分组及教育程度分类方面相互印证。结论献血者的流失和献血者的性别、年龄、献血次数、教育情况、婚姻状况、家庭收入等因素均有关系。应做好易流失献血群体的关爱工作,减少他们的流失,保留更多的定期献血者。

数学认识之深析——由“‘超回归’数学理解模型”引发的思考

以“‘超回归’数学理解模型”为背景进行分析可以更清楚地认识“再认识”对于数学学习的重要性,包括“理解增厚”与认识的优化.我们还应超越各个具体研究对数学认识活动的基本性质与主要特征作出更深入的分析,尤其应清楚认识学生数学认识的发展性质与复杂性、层次性质与超越性.这是以国际相关研究为背景、积极开展独立研究的又一实例.

决策树和Logistic回归模型对体外受精-胚胎移植患者妊娠结局的预测价值比较

目的:比较决策树和Logistic回归模型对体外受精-胚胎移植(in vitro fertilization and embryo transfer,IVF-ET)患者妊娠结局的预测价值。方法:纳入2021年1月至2022年10月在长治医学院附属和平医院接受IVF-ET的患者350例为研究对象,根据妊娠结局分为妊娠成功组(215例)和妊娠失败组(135例)。收集患者临床资料,建立IVF-ET患者妊娠结局Logistic回归和决策树预测模型,并在是否基于Logistic回归结果条件下建立决策树分析模型(决策树1和决策树2),采用受试者工作特征(receiver operating characteristic,ROC)曲线对模型预测效果进行评价。结果:350例患者中,妊娠成功患者占61.43%,妊娠失败者占38.57%。妊娠失败组年龄≥35岁、不孕年限≥5年、周期次数≥1次、有心理精神障碍的患者比例及HCG日血清孕酮水平均高于妊娠成功组,获卵数≥10枚、受精率≥75%的患者比例及HCG日子宫内膜厚度、优质胚胎数小于妊娠成功组(P<0.05)。多因素Logistic回归分析结果显示,年龄、HCG日血清孕酮水平、优质胚胎数及心理精神障碍均是IVF-ET患者妊娠结局的影响因素(P<0.05)。决策树模型显示,年龄、HCG日血清孕酮水平、优质胚胎数为IVF-ET患者妊娠结局的影响因素。Logistic回归模型曲线下面积(area under curve,AUC)为0.832,预测敏感度、特异度和准确度分别为87.3%、71.4%、83.5%;决策树1的AUC为0.859,预测敏感度、特异度和准确度分别为85.1%、76.8%、85.6%;决策树2的AUC为0.820,预测敏感度、特异度和准确度分别为83.7%、73.2%、82.4%。决策树1的AUC大于决策树2(P<0.05),但与Logistic回归模型的AUC比较差异无统计学意义(P>0.05)。结论:Logistic回归模型和决策树模型对于IVF-ET患者妊娠结局均有一定的预测价值。

基于子宫动脉血流参数的Logistic回归模型在妊娠期高血压患者不良分娩结局的预测价值

目的:探究子宫动脉血流参数的Logistic回归模型在妊娠期高血压(HDP)患者不良分娩结局的预测价值。方法:选取2022年4月至2023年6月在我院接受产前检查的203例HDP患者为研究对象(HDP组),同期纳入100例无流产史的妊娠女性作为对照组。所有孕妇均在孕中期进行子宫动脉血流参数检测。比较HDP组和对照组入院时搏动指数(PI)、阻力指数(RI)、收缩期峰值流速/舒张期流速比值(S/D)。通过Logistic回归分析确定与不良分娩结局相关的独立预测因素。通过受试者操作特征(ROC)曲线分析Logistic模型的预测效能。结果:HDP组PI、RI和S/D值均显著高于对照组(P<0.05)。203例HDP患者中,发生不良妊娠结局的有135例,不良妊娠结局发生率为66.50%。Logistic回归模型显示,PI、RI、S/D比值均为HDP患者不良分娩结局发生的独立危险因素(P<0.05)。基于子宫动脉血流参数构建Logistic回归模型预测不良分娩结局的AUC为0.952,SE为0.324,95%CI为0.913~0.977(P<0.001),敏感度为0.896,特异度为0.956,约登指数0.852。结论:子宫动脉血流参数在预测HDP患者不良分娩结局风险方面具有重要意义,可作为临床风险评估的有效工具。

贝叶斯Logistic回归模型在中老年人心脏病影响因素分析中的应用

目的探讨贝叶斯Logistic回归模型在心脏病影响因素分析研究中的应用价值。方法数据资料来自2015年中国健康与养老追踪调查中的525例调查对象。利用OpenBUGS软件分别拟合了贝叶斯随机效应和固定效应的Logistic回归模型,并在两种模型中估计各影响因素与因变量关系的优势比(OR)及95%可信区间(95%CI)。结果贝叶斯随机效应和固定效应的Logistic回归模型分析结果均显示,性别、高血压和糖尿病是心脏病患病率的影响因素。两个模型的收敛效果均较好,参数估计结果也相差较小,但随机效应模型的拟合效果略差于固定效应模型(随机效应模型:DIC=156.6,pD=11.96;固定效应模型:DIC=155.8,pD=7.79)。结论在贝叶斯Logistic回归模型中引入随机效应参数需根据具体情况而定,否则反而可能会降低模型的拟合效果。

基于LASSO回归的塔城地区人群冠状动脉狭窄程度预测模型构建及验证

目的 分析新疆塔城地区人群冠状动脉中重度狭窄的危险因素,构建并验证冠状动脉狭窄程度列线图风险预测模型。方法 回顾性收集2021年1月至2023年6月于塔城市人民医院心内科住院治疗的629例患者的临床资料。用R语言软件将所有患者的临床资料纳入LASSO回归进行危险因素初筛。按7∶3的比例将629例患者随机分为训练组(440例)和验证组(189例)。训练组数据用于模型构建,以冠状动脉狭窄程度为因变量,将LASSO回归筛选出的变量作为自变量纳入logistic回归建模。验证组用于模型验证。基于logistic分析结果,用R语言软件构建冠状动脉狭窄程度预测的可视化列线图。应用曲线下面积(AUC)、临床决策曲线分析(DCA)及校准曲线评价模型的区分度、临床效用和校准度。结果 年龄、非汉族、高血压、高脂血症、脑血管病史是发生冠状动脉中重度狭窄的危险因素,纳入风险预测模型。训练组和验证组AUC分别为0.905 (95%CI:0.790~0.863)和0.864(95%CI:0.744~0.861),校准曲线预测值与实际值一致度较高(训练组和验证组Brier得分分别为0.03和0.14),模型的预测性能好,DCA结果提示本模型具有临床净获益。结论 本研究所构建塔城地区人群冠状动脉狭窄程度风险预测模型具有良好的预测性能,可为筛查冠状动脉中重度狭窄患者提供简便易行、经济、易推广的评估工具。

基于DCE-MRI表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用

目的 分析基于动态对比增强磁共振成像(DCE-M RI)表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用。方法 回顾性分析2021年1月~2023年10月来我院进行乳腺检查患者161例临床资料。其中良性病变60例、恶性病变101例,分别纳入良性组(n=60)及恶性组(n=101)。分析两组DCE-MRI表现差异,进行单因素分析,利用二元Logistic回归分析构建乳腺良恶性病变诊断模型。采用受试者工作特征(ROC)曲线分析乳腺良恶性病变诊断模型的效能。结果 单因素分析显示,良性组与恶性组TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小比较差异有统计学意义(P<0.05);二元Logistic回归分析结果显示, TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小是乳腺良恶性病变危险征像;构建logistic乳腺癌良恶性病变诊断模型Y=-0.633+0.645TIC曲线+2.112×BI-RADS分级+1.142×早期强化率+1.136×边缘形态+1.136×病灶大小;ROC曲线分析显示该模型诊断效能,AUC为0.944,敏感度为83.33%,特异度为85.15%,提示该模型具有较高的诊断效能。结论 基于乳腺病变早期DCE-MRI表现的logistic诊断模型,能够筛选出对乳腺恶性病变鉴别诊断有意义的特征变量,对乳腺良恶性病变具有较高的诊断效能。

基于Logistic回归和支持向量机的早发性结直肠癌风险预测模型

目的:通过Logis tic回归和支持向量机(SVM)探究早发性结直肠癌(EOCRC)和晚发性结直肠癌(LOCRC)的危险因素,建立针对不同年龄段人群的风险预测模型并比较预测效果。方法:选择2012—2022年诊断为结直肠癌患者,记录人口学特征、临床表现、既往史、家族史、生活方式、体格检查、实验室检查及病理诊断,分别建立风险预测模型,比较两模型的ROC曲线下面积(AUROC)、准确率、精确率、召回率、F1分数。结果:综合两模型结果,EOCRC风险与出现消化道出血、腹胀腹痛、大便习惯改变等临床表现、体重减轻、肿瘤标志物升高具有较强的正相关性,与婚姻状况、阑尾切除史、糖尿病史、血脂异常病史、结直肠癌家族史也存在较弱的正相关;LOCRC风险与婚姻状况、出现临床表现、体重减轻、血脂异常、肿瘤标志物升高具有较强的正相关性,与年龄、吸烟、阑尾切除史、结直肠癌家族史也存在一定的正相关性。两模型的AUROC、准确率、F1分数相差不大,但Logistic回归模型的精确率更高而SVM模型的召回率更高。结论:EOCRC和LOCRC的危险因素不完全相同,婚姻状况、吸烟、血脂异常、肿瘤家族史在EOCRC中的贡献低于在LOCRC中的贡献。相较Logistic回归,SVM能发现更多的结直肠癌危险因素,能尽可能多的找出结直肠癌的可能患者。

基于决策树回归的水质参数反演模型

随着国民经济的高速发展,水污染问题逐渐提上日程。由于遥感监测可以更加快速、高效、动态、全局性地监测水质,开始与传统的水质监测方法形成互补发挥重要作用。文章以木兰溪为研究区域,利用GF-1BCD卫星组遥感影像构建氨氮、总磷、溶解氧、化学需氧量等水质参数的反演模型。根据遥感影像提供的4个波段,基于波段及运算后的波段表达式与氨氮、总磷、溶解氧、化学需氧量之间的相关性分析,进行特征向量中输入变量选取,将实测浓度作为特征向量中的输出变量,运用决策树回归算法构建出水质参数反演模型,根据模型评价指标确定最优的氨氮、总磷、溶解氧、化学需氧量水质参数的决策树回归反演模型。试验表明,氨氮、总磷、溶解氧、化学需氧量反演模型的评价指标R2均达到0.9以上,均方误差也较低,说明各个水质参数反演模型的预测值和实测值的拟合度较高。

基于多模态超声图像特征的Logistic回归模型预测三阴性乳腺癌病灶肿瘤浸润淋巴细胞表达的临床价值

目的探讨基于多模态超声(包括二维超声、剪切波弹性成像、超声造影及自动乳腺全容积成像)图像特征的Logistic回归模型术前预测三阴性乳腺癌(TNBC)病灶肿瘤浸润淋巴细胞(TILs)表达的临床价值。方法选取经病理证实的TNBC女性患者99例,根据TILs表达水平将其分为TILs低表达组41例(TILs表达水平<20%)和TILs高表达组58例(TILs表达水平≥20%),应用二维超声获取病灶形态、方位、边缘、内部回声、后方回声、钙化等特征,剪切波弹性成像检测病灶剪切波速度(SWV),自动乳腺全容积成像获取病灶有无汇聚征、晕环征、导管改变等特征,超声造影获取起始增强时间、增强强度、增强方向、增强模式、局灶性充盈缺损、周围血管征、增强后病变范围等特征。比较两组多模态超声图像特征的差异;应用多因素Logistic回归分析筛选预测TNBC病灶TILs高表达的独立影响因素,并建立回归模型。绘制受试者工作特征(ROC)曲线分析回归模型预测TNBC病灶TILs高表达的诊断效能。结果TIls高表达组二维超声图像特征形态规则、边缘光整、后方回声增强、内部回声不均匀,以及超声造影图像特征高增强、局灶性充盈缺损占比均高于TIls低表达组,差异均有统计学意义(均P<0.05);两组自动乳腺全容积成像特征及SWV比较差异均无统计学意义。多因素Logistic回归分析显示,形态规则、边缘光整、后方回声增强、高增强及局灶性充盈缺损均为预测TNBC病灶TILs高表达的独立影响因素(OR=6.858、3.824、5.909、1.945、6.522,均P<0.05);建立的回归模型为:Logit(P)=-2.989+1.925×形态规则+1.341×边缘光整+1.776×后方回声增强+0.665×高增强+1.875×局灶性充盈缺损;其预测TNBC病灶TILs高表达的ROC曲线下面积为0.772。结论基于多模态超声图像特征的Logistic回归模型对术前预测TNBC病灶TILs表达有一定的临床价值。

基于各向异性混合核函数高斯过程回归的RC柱概率抗剪承载力模型

针对钢筋混凝土(RC)柱抗剪承载力传统预测模型的非线性逼近能力不足且无法合理描述不确定性所存在的缺陷,提出一种基于各向异性混合核函数高斯过程回归的RC柱概率抗剪承载力预测模型。首先,基于核函数相加性和自动相关性,构造出一种新型的各向异性混合核函数;然后,结合高斯过程回归原理和各向异性混合核函数,建立了RC柱的概率抗剪承载力模型;进而采用极大似然估计法,确定了RC柱概率抗剪承载力模型的超参数;最后,基于91组剪切破坏RC柱的试验数据,通过与传统核函数形式和传统模型进行对比分析,验证了该模型的有效性。结果表明:与传统核函数相比,各向异性混合核函数的确定性预测指标均方根误差R_(MSE)和平均绝对误差M_(AE)分别降低约16%和19%,概率性预测值指标负对数预测密度N_(LPD)和平均标准化对数损失M_(SLL)分别降低约15%和23%;与传统机器学习模型相比,本文模型的均方根误差R_(MSE)和平均绝对误差M_(AE)分别降低约38%和39%;根据所提出的概率模型能够建立概率密度函数曲线和置信区间,从而合理描述抗剪承载力的不确定性并校准分析传统模型的预测精度。

随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能比较

目的比较随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能。方法在手术麻醉系统中筛选一次住院期间申请2次手术的患者信息。提取所有非计划再次手术患者(n=219)作为研究组,对应科室的计划再次手术患者(n=14311)作为对照组。运用随机森林模型和Logistic回归模型建立非计划再手术预测模型。采用受试者工作特征曲线下面积评价两种模型的预测效能。结果(1)Logistic回归分析结果显示,前次术中输血、罹患恶性肿瘤、合并疾病数量、前次手术切口愈合等级、前次手术级别、前次手术时长、前次手术切口类别是非计划再手术发生的影响因素(P<0.05)。Logistic回归预测模型的曲线下面积为0.922,灵敏度、特异度、准确率分别为92.59%、79.11%、79.28%。(2)随机森林模型特征变量的重要性排序结果显示,前次手术切口类别、前次术中输血、前次手术级别、前次手术切口愈合等级、合并疾病数量、罹患恶性肿瘤等变量的重要性更靠前。随机森林预测模型的曲线下面积为0.866,灵敏度、特异度、准确率分别为80.00%、93.33%、86.66%。Logistic回归预测模型曲线下面积大于随机森林预测模型,但差异无统计学意义(P>0.05)。结论综合使用Logistic回归模型和随机森林模型,并将二者分析结果互为补充,可从各个方面预测非计划再次手术的风险因素,能获得更好的预测效能。

Logistic回归模型和XGBoost模型对急性缺血性脑卒中患者发生吞咽障碍的预测价值

目的筛选危险因素构建急性缺血性脑卒中后吞咽障碍风险预测模型,对比XGBoost模型和Logistic回归模型的优劣性。方法选取2022年1-12月新疆医科大学第二附属医院神经内科573例急性缺血性脑卒中患者,按7∶3比例随机分为建模组(n=401)和验证组(n=172)。筛选发生吞咽障碍的危险因素,以单因素分析有统计学意义的变量分别建立Logistic回归模型和XGBoost模型。在验证组数据集上使用十折交叉验证法进行内部验证,采用校准曲线、受试者工作特征曲线(ROC曲线)和决策曲线评价两种模型的预测效能。结果多因素Logistic回归分析结果显示,年龄、NIHSS评分、GCS评分、BI指数、脑干病变、构音障碍、失语症、咽反射(正常)是急性缺血性脑卒中后吞咽障碍的影响因素。XGBoost模型特征重要性排序前8位分别为年龄、BI指数、NIHSS评分、咽反射、TOAST分型、白蛋白、文化程度、营养评分。对比两种模型结果显示,XGBoost模型的准确性、精确度、敏感度、F1分值分别为0.849、0.830、0.754、0.790,表现优于Logistic回归模型。Logistic回归、XGBoost模型预测吞咽障碍的AUC值分别是0.894、0.925,两者AUC值比较,差异无统计学意义(P>0.05)。模型的校准曲线和临床决策曲线均显示XGBoost模型准确度和临床实用价值优于Logistic回归模型。结论XGBoost模型和Logistic回归模型均能有效预测急性缺血性脑卒中后吞咽障碍风险,XGBoost模型表现更优,可为临床早期预防急性缺血性脑卒中吞咽障碍提供参考。

基于逻辑回归的心内科医疗设备风险分级模型构建研究

目的:基于逻辑回归构建医疗设备风险分级模型,提升心内科医疗设备应用效率。方法:采用逻辑回归算法对心内科医疗设备不良事件风险等级进行架构,通过数据整理和分析实现对医疗设备的监测与管理控制。选取2021年10月至2023年11月西安市第三医院心内科临床在用的31台医疗设备,将2021年10月至2022年10月期间的设备管理采用常规方法进行风险管理,将2022年11月至2023年11月期间的设备管理采用基于逻辑回归的风险分级模型进行风险管理。抽取两种管理方法心内科设备的204份使用日志,每种方法抽取102份,对比两种管理方法的设备临床操作差错率、设备故障发生情况、设备风险管理及时性评分和设备安全风险隐患率。结果:采用风险分级模型管理方法的102份调查日志中发生设备错误使用、操作失误和人为错误份数为3、2和2份,发生率分别为2.94%、1.97%和1.97%,均低于常规管理方法,差异有统计学意义(χ^(2)=11.613、13.058、14.191,P<0.05);采用风险分级模型管理的心内科医疗设备平均故障发生率、故障自行检修率和平均设备报废率分别为(0.56±0.22)%、(0.79±0.19)%和(0.90±0.22)%,均低于常规管理方法,差异有统计学意义(χ^(2)=16.971、15.531、15.809,P<0.05);采用风险分级模型管理方法的风险预警、风险识别和风险防控及时性平均评分分别为(90.29±8.69)、(89.69±7.69)和(94.58±6.69)分,均高于常规管理方法,差异有统计学意义(t=13.325、11.003、11.676,P<0.05);采用风险分级模型管理的31台医疗设备发生机械损伤、关联感染和设备运行异常分别为1、1和2台,发生率分别为3.23%、3.23%和6.45%,均低于常规管理方法,差异有统计学意义(χ^(2)=5.167、7.631、5.413,P<0.05)。结论:基于逻辑回归的心内科医疗设备风险分级模型应用,能够提高设备利用率,减少潜在安全风险隐患,提高设备运行质量。

基于Lasso-logistic回归和随机森林模型的癌症患者抑郁影响因素分析

目的探究癌症患者抑郁现状及其影响因素,为促进癌症患者心理健康,提高临床照护水平提供参考依据。方法选取2020年10月至2021年10月安徽省内不同地域8家医院的560例患者为研究对象,采用问卷调查的方法,收集患者的医院焦虑抑郁等相关信息。描述调查对象一般特征,构建Lasso-logistic回归模型确定癌症患者抑郁的影响因素,再利用随机森林模型对变量重要性进行评价。结果560例癌症患者中,有237例患者患有抑郁情绪,占比42.32%。Lasso-logistic回归结果显示,焦虑、住院环境、失眠、家庭年收入和临床分期是癌症患者抑郁的影响因素(P<0.05),变量重要性排序依次为焦虑、住院环境、失眠、家庭年收入和临床分期。结论癌症患者抑郁发生率较高,焦虑、住院环境、失眠、家庭年收入和临床分期是影响癌症患者抑郁情绪的重要因素,临床照护应从以上方面加强对癌症患者抑郁情绪的管理和干预。

基于logistic回归模型分析骨科手术部位感染的影响因素

目的总结骨科手术部位感染现状,探讨骨科手术部位感染的影响因素。方法收集江苏省盐城市第三人民医院2022年1月至2023年12月骨科手术部位感染病例作为感染组,共41例,按照1∶1的比例,随机抽取同科室2022年1月至2023年12月年龄相近(±10岁)、性别相同未发生手术部位感染的41例病例作为非感染组,分析骨科手术部位感染病原菌分布情况并基于二分类logistic回归模型分析骨科手术部位感染的影响因素。结果本研究共纳入41例手术部位感染患者,术后1~3 d发生手术部位感染10例(24.39%),术后4~6 d发生手术部位感染12例(29.27%),术后7~9 d发生手术部位感染5例(12.20%),术后10~30 d发生手术部位感染10例(24.39%),术后31~90 d发生手术部位感染4例(9.76%)。感染组检出40株病原菌,主要为革兰氏阳性球菌(31株,77.50%),最常见的为金黄色葡萄球菌(19株,47.50%),其次为凝固酶阴性葡萄球菌(7株,17.50%)。两组糖尿病史、体重指数(BMI)、术前纤维蛋白原、手术持续时间、手术引流比较,差异有统计学意义(P<0.05)。logistic回归分析显示,患者BMI(OR=1.231,95%CI:1.049~1.445,P=0.011)是骨科手术部位感染的独立危险因素。BMI作为手术部位感染的独立危险因素,其临界值为25.37 kg/m2。结论骨科手术患者中,肥胖患者更易发生手术部位感染,建议进一步强化肥胖患者的围手术期管理,以减少手术部位感染的发生。

CART决策树模型与logistic回归模型对住院肝硬化患者发生衰弱风险预测的比较

目的应用CART决策树和logistic回归构建住院肝硬化患者发生衰弱风险预测模型,比较2种模型预测效果。方法采用便利抽样法,选取2023年3-10月某三级甲等医院确诊并收治的317例肝硬化患者,运用CART决策树和logistic回归构建住院肝硬化患者发生衰弱风险预测模型,内部验证采用Bootstrap重采样1000次的方法,采用准确度、灵敏度、特异度、阳性预测值、阴性预测值和受试者工作特征(ROC)曲线下面积(AUC)对2种模型的性能进行比较。结果CART决策树与logistic回归准确度为86.3%和89.1%、灵敏度为76.5%和92.5%、特异度为91.8%和82.8%、阳性预测值为84.8%和91.6%、阴性预测值为86.8%和83.8%、AUC为0.876和0.965。结论logistic模型对住院肝硬化患者发生衰弱风险的预测性能优于CART决策树模型,可为衰弱的早期筛查和预防提供参考。

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。

均值回归过程扰动下具双重流行假设的随机SIS流行病模型

考虑一类非线性发病率下双重流行假设的随机SIS流行病模型。首先,通过对传播率进行均值回归过程下的扰动,建立随机模型;其次,从理论上证明了随机模型具有唯一的全局正解;再次,通过构造李雅普诺夫函数,得到两种传染病灭绝的充分条件。最后证明了:当R^(*)_(1)>1、R′_(2)<1时,疾病I_(1)持久,疾病I_(2)灭绝;当R′_(1)<1、R^(*)_(2)>1时,疾病I_(2)持久,疾病I_(1)灭绝;当R^(*)_(1)>1、R^(*)_(2)>1时,疾病I_(1)和I_(2)均持久。