乙肝肝硬化患者医院感染危险因素及多因素Logistic风险预测模型的构建与验证

目的分析乙肝肝硬化患者医院感染的危险因素,构建医院感染的风险预测模型,为临床制定预防措施提供依据。方法回顾性分析2015年1月至2020年12月南通大学附属医院收治的126例乙肝肝硬化患者的临床资料,统计医院感染发生情况。采用单因素及多因素Logistic回归分析乙肝肝硬化患者发生医院感染的危险因素,并构建医院感染风险预测模型,绘制ROC曲线评估模型的预测效果。结果126例乙肝肝硬化患者中,发生医院感染42例,以呼吸系统为主(66.67%)。单因素分析结果显示,感染与未感染患者Child-Pugh肝功能分级、并发症发生率、使用广谱抗菌药物情况、胆红素水平、血清白蛋白水平及住院时间比较差异有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,胆红素≥17.1 mol/L、血清白蛋白<30 g/L、使用广谱抗菌药物是乙肝肝硬化患者发生医院感染的独立危险因素(P<0.05)。经Hosmer-Lemeshow检验,乙肝肝硬化患者发生医院感染的风险预测模型拟合度较好(P>0.05),ROC曲线分析结果显示,风险预测模型预测乙肝肝硬化患者发生医院感染的效能较好(AUC=0.816,95%CI:0.739~0.893,P<0.05)。结论胆红素≥17.1 mol/L、血清白蛋白<30 g/L、使用广谱抗菌药物是乙肝肝硬化患者发生医院感染的独立危险因素,构建多因素Logistic风险预测模型能准确预测乙肝肝硬化患者发生医院感染的危险因素,有利于临床及时识别易感人群,提前采取有效的干预措施,降低医院感染率。

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。

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。

基于Logistic回归的老年髋部骨折患者术后尿道感染风险预测模型构建与应用

目的探讨老年髋部骨折患者术后尿道感染风险因素,并以此构建老年髋部骨折术后患者尿道感染风险预测模型,并应用于老年髋部骨折围手术期。方法选取我院骨科2019年1月至2023年5月收治的老年髋部骨折患者1012例作为研究对象,其中发生术后尿道感染者111例。通过单因素分析初步筛选出老年骨科患者尿道感染的危险因素,综合考虑临床经验,将相关危险因素纳入多因素Logistic回归分析,并根据结果建立Logistic模型。结果纳入单因素、多因素Logistic回归分析模型分析,经筛选后发现,影响术后尿道感染的独立危险因素有低蛋白血症、电解质失衡、肺炎、糖尿病4项(P<0.05)。检测发现,预测模型在老年髋部骨折患者诊断中的敏感度、特异度各为83.78%,90.77%。结论低蛋白血症、电解质失衡、肺炎、糖尿病均是影响老年髋部骨折患者术后尿道感染风险的因素。基于本文列线图模型构建的老年髋部骨折尿道感染预测模型有良好的预测能力与准确性。

胸部战创伤患者多器官功能障碍综合征危险因素的logistic回归分析及列线图风险预测模型构建

目的探讨胸部战创伤患者多器官功能障碍综合征(MODS)的影响因素并构建列线图风险预测模型。方法回顾性分析2020年2月至2023年7月中国人民解放军联勤保障部队第960医院收治的174例胸部战创伤患者的临床资料,根据是否发生MODS分为发生组(78例)和未发生组(96例)。收集患者的临床资料,采用logistic回归分析其发生MODS的危险因素,并据此建立胸部战创伤患者发生MODS的列线图风险预测模型,以Bootstrap法进行内部验证,绘制受试者操作特征(ROC)曲线评估模型的预测能力。结果与未发生组相比,发生组患者受伤至急诊时间>5 h、急性生理和慢性健康状况Ⅱ(APACHE-Ⅱ)评分>25分、创伤严重度(injury severity score,ISS)评分>16分、合并全身炎症反应的比例及活化部分凝血活酶时间(APTT)、D-二聚体水平均显著升高(P<0.05)。Logistic回归分析显示,受伤至急诊时间、APACHE-Ⅱ评分、ISS评分、全身炎症反应、APTT、D-二聚体均为胸部战创伤患者发生MODS的危险因素(P<0.05),据此构建预测胸部战创伤患者发生MODS的风险列线图模型,ROC曲线验证显示该模型的C-index为0.776(95%CI 0.749~0.885),曲线下面积为0.786(95%CI 0.699~0.873),敏感度为68.18%,特异度为80.28%;校准曲线和标准曲线较贴合,表明所建列线图模型预测结果与实际观察结果一致性较好。结论受伤至急诊时间、APACHE-Ⅱ评分、ISS评分、全身炎症反应、APTT水平、D-二聚体水平均可影响胸部战创伤患者MODS的发生,据此构建的列线图模型可对胸部战创伤患者MODS的发生进行个体化预测,有助于临床制订相应的预防措施以改善预后。

构建股骨转子间骨折股骨近端防旋髓内钉内固定失效的风险预测模型

背景:股骨转子间骨折是主要的老年脆性骨折类型,股骨近端防旋髓内钉是首选手术方案,但术后内固定失效的相关因素尚存在争议。目的:通过术前评估患者影像学资料提出一种新的股骨转子间骨折“三柱”分类法,并分析其与术后内固定失效的交互关系,利用数字技术运算开发和验证风险预测模型,便于临床医生术前甄别并干预高风险患者。方法:选择2012年6月和2022年6月佛山市中医院三水医院收治的股骨转子间骨折患者,按照术后是否出现内固定失效结局,分为内固定失效组和内固定维持组。根据患者术前X射线片将股骨近端分为“三柱”:内侧柱、外侧柱及中柱,每柱均有不同的亚组分型。分析“三柱”的形态特征与股骨近端防旋髓内钉内固定术后复位失效的关系,通过先单因素后多因素logistics回归分析,筛选出引起内固定失效的独立风险因素,根据独立风险因素利用R语言软件构建风险预测模型。采用自助法重抽样1000次,使用受试者工作特征曲线下的面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①利用“三柱”分型系统预测骨折术后内固定失效的4个独立风险因素,分别为内侧柱(小转子及股骨距粉碎性骨折)[优势比=5.385,95%CI(1.961,14.782),P=0.001]、中间柱(烟囱型)[优势比=2.893,95%CI(1.167,7.173),P=0.022]、外侧柱(外侧壁厚度<20.5 mm)[优势比=2.804,95%CI(1.078,7.297),P=0.035]及外侧柱(外侧壁骨折)[优势比=4.278,95%CI(1.670,10.959),P=0.012];②构建的风险预测模型表现出良好的区分度和准确度[受试者工作特征曲线下面积=0.852,95%CI(0.837,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.2-0.82范围内时,模型具有较好的临床适用性;风险概率为28%是模型风险分层的最佳阈值,模型在不同风险组别患者的预测性能较好;④此次研究通过“三柱”分型系统构建预测模型计算股骨转子间骨折患者术后内固定失效的风险概率,此方法准确、简便,易于临床应用,可作为一种数字化工具指导临床个性化治疗。

基于Logistic模型和SPC算法的关键技术识别与预测——以卫星互联网为例

识别关键技术有助于在制定技术和市场战略布局中获得先发优势,对我国经济发展、国家安全具有重要意义。文中提出一种融合生命周期与主路径分析的关键技术识别方法,是对已有的研究理论和方法的重要补充。首先,检索相关领域专利数据并进行技术划分;然后,综合运用Lo-gistic模型和SPC算法构建技术轨道,识别关键技术;接着,使用显性技术优势指数比较主要国家技术竞争态势;最后,结合关键技术与技术竞争态势绘制技术路线图,识别技术热点与前沿预测。以卫星互联网为例,阐述该方法的应用过程。研究结果表明,该方法能够较为准确识别出该领域关键技术,揭示全球技术竞争态势,有效实现技术热点识别和未来技术预测;识别出的卫星互联网关键技术,能够为国家发展政策制定与相关产业布局提供参考。

基于Logistic回归和随机森林算法的2型糖尿病并发视网膜病变风险预测及对比研究

目的应用随机森林算法和Logistic回归算法,分析2型糖尿病并发视网膜病变的关联因素并构建风险预测模型。方法采用2011~2013年中国人民解放军总医院2型糖尿病住院患者的电子病历信息,主要利用其中的糖尿病诊断数据、糖尿病糖化数据以及糖尿病生化检查数据,应用Logistic回归和随机森林算法,根据ROC曲线下面积比较两种模型的预测效果。结果在随机森林模型的39个变量重要性评分中,糖化血红蛋白、空腹血糖、尿素、肌酐、尿酸、年龄、冠心病和慢性肾病得分较高且具有临床意义,Logistic回归模型最终纳入性别、血糖控制情况（糖化血红蛋白浓度）、慢性肾病、冠心病、心梗和癌症6个因素,ROC曲线下面积提示随机森林模型预测效果优于Logistic回归模型。结论本次研究随机森林算法分析结果给出了各个因素指标的重要性评分,为2型糖尿病并发视网膜病变的早期诊断以及优化诊断流程提供了一定的依据。

机器学习预测肱骨近端骨折钢板内固定后继发性螺钉切出的风险

背景:继发性螺钉切出关节面是肱骨近端骨折锁定钢板内固定术后的主要并发症之一,切出的螺钉会磨损关节盂和引起肩峰撞击,影响肩关节功能。因此,准确的风险预测有积极的临床意义。目的:通过机器学习方法筛选肱骨近端骨折钢板内固定后继发性螺钉切出的风险因素,开发并验证风险预测模型,便于临床医生早期甄别并干预高风险患者。方法:收集2013年6月至2022年6月接受锁定钢板内固定治疗的214例肱骨近端骨折患者的临床资料作为训练组建立模型,将同一时间段另一医院收治的同类患者61例纳入外部验证组。按照患者术后是否出现继发性螺钉切出,分为螺钉切出组和螺钉维持组。训练组利用随机森林、支持向量机、逻辑回归3种机器学习算法构建预测模型;采用递归特征消除法、10折交叉验证重抽样作为变量的筛选方法,并将3种模型准确度最高时纳入变量的交集作为与螺钉切出高度相关的可靠风险变量。通过R语言软件构建动态预测模型,以网页计算器形式展示,并对模型进行内、外部验证。模型内部检验采用Bootstrap法重抽样1000次,使用受试者工作特征曲线下面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将外部验证组患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①机器学习算法筛选出继发性螺钉切出高度相关的4个风险变量,分别为肱骨近端内侧柱皮质支撑、三角肌结节指数、骨折类型及术后复位情况;②构建的风险预测模型表现出良好的区分度和准确度[曲线下面积=0.874,95%置信区间(0.827,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.1-0.75范围内时,模型具有较好的临床适用性;④风险概率为26%是模型风险分层的最佳阈值,外部验证组利用模型风险分层预测螺钉切出的总正确率为84%;⑤结果说明该风险预测模型准确度和外延性较好,可为指导临床治疗提供依据。

基于Logistic回归构建急性白血病患者红细胞输注效果不良的风险预测模型

目的探讨Logistic回归构建急性白血病患者红细胞输注效果不良的风险预测模型。方法回顾性选取急性白血病患者200例,根据患者红细胞输注后效果分组为效果良好组(n=158)和效果不良组(n=42)。多因素Logistic回归模型分析急性白血病红细胞输注效果的危险,受试者工作曲线(ROC)检测模型的预测效能。结果急性白血病患者输注效果不良与输血史、妊娠史、合并感染、合并恶性肿瘤和脾肿大有关(P<0.05),性别、年龄、疾病种类与Hb无显著影响(P>0.05)。Logistic回归分析显示,输血史≥4次(OR=2.956,P<0.05)、合并感染(OR=2.683,P<0.05)和脾肿大(OR=2.643,P<0.05)均为影响急性白血病患者红细胞输注效果不良的独立危险因素。风险预测模型概率P=1/[1+e^((-7.638+1.084×(输血史≥4次)+0.987×(合并感染)+0.972×(脾肿大)))],Hosmer-Lemeshowχ^(2)=4.187,P=0.651。ROC分析显示,Logistic回归模型预测输注效果不良的AUC为0.605,95%CI为0.514~0.697。结论输血史≥4次、合并感染和脾肿大均为影响急性白血病患者红细胞输注效果不良的独立危险因素,临床可采用Logistic回归模型分析各变量与红细胞输注效果相关性并予以早期干预。

基于Logistic模型对心血管疾病风险的预测

针对国家统计局已公布的循环系统疾病相关数据和中国健康与营养调查数据,分析我国人群近年来心血管疾病(CVD)患病情况的变化总趋势,将年龄、体重指数(BMI)、吸烟情况、饮酒情况、血压、血糖以及血脂状况7个因素纳入二项Logistic回归模型,选取影响显著的因素建立回归方程,并根据模型得到各因素对发病情况的影响程度。利用该模型的回归结果可以预测我国男性、女性心血管疾病的发病风险,为广大群众进行自我诊断、尽早防治心血管疾病提供一定帮助。

支持向量机和Logistic回归在GDM风险预测中的应用

目的探讨两种不同机器学习算法在妊娠期糖尿病(gestational diabetes mellitus,GDM)风险预测中的应用。方法选取2019年7月—2020年8月在广州市妇女儿童医疗中心及广东省计划生育专科医院进行产前检查的孕早期妇女520例,其中妊娠期糖尿病孕妇200例,随机抽取同期正常孕妇320例,收集孕妇的一般资料和孕早期(8~12周)的生化指标、血常规和凝血功能等检测资料。利用这些分析变量建立支持向量机(SVM)和Logistic回归(LR)预测模型。根据模型预测能力和模型实用性,如准确率、精确率、真阳性(TP)率、假阳性(FP)率、召回率、F测度、受试者工作特征曲线(ROC)进行效果评价。结果两种预测模型的分类准确率总体为86%。SVM模型在真阳性(TP)率、假阳性(FP)率、召回率、F测度、受试者工作特征曲线(ROC)方面优于LR模型。结论在分类与预测方面,支持向量机算法比Logistic回归模型更具有实用价值。

构建及验证基于Logistic回归的Stanford A型主动脉夹层术后谵妄风险预测模型效果

目的 基于Logistic回归分析构建Stanford A型主动脉夹层(TAAD)术后谵妄风险预测模型,同时验证其预测效果。方法 选取2021年1月至2021年7月河南省胸科医院收治的200例TAAD患者为研究对象,均行外科手术治疗,并收集上述患者临床资料。将上述受试者根据术后情况分为非谵妄组和谵妄组。比较非谵妄组和谵妄组基线资料,然后将有统计学意义的基线资料进行Logistic回归分析。基于Logistic回归分析结果构建TAAD患者术后谵妄风险预测模型。检验模型区分度和拟合优度。另在2022年3月至2022年6月本院收治的行外科手术治疗的25例TAAD患者对模型预测效能进行验证。结果 Logistic回归分析显示男、年龄> 54.60岁、术前血乳酸值> 1.96 mmol/L、术中深低温停循环时间> 35.70 min、术后住ICU时间> 8.3 d、术后急性肾功能不全、术后感染均是影响患者术后发生谵妄的危险因素,差异有统计学意义(P <0.05)。基于Logistic回归分析结果建立的预测模型ROC曲线下面积、95%CI、敏感度、特异度分别为0.913、0.879~0.984、75.30%、86.50%,差异有统计学意义(P <0.05)。Hosmer-Lemeshow检验χ^(2)=4.315,P=0.324。模型验证结果显示,ROC曲线下面积为0.884,差异有统计学意义(95%CI为0.768~0.983,P <0.001),Hosmer-Lemeshow检验χ^(2)=5.246,P=0.286。敏感度和特异度分别为74.50%、83.60%。结论 基于Logistic回归分析构建的TAAD术后谵妄风险预测模型预测效果较好,可用于预测TAAD患者术后发生谵妄的风险,为该病术后护理及预防措施提供参考。

基于机器学习的冠心病风险预测模型构建与比较

背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目的探索冠心病的影响因素,通过使用2种平衡数据的方法,基于5种算法建立冠心病风险相关的预测模型,比较这5种模型对冠心病风险的预测价值。方法基于2021年美国国家行为风险因素监测系统(BRFSS)横断面调查数据筛选出112606名研究对象的健康相关风险行为、慢性健康状况等24个变量信息,结局指标为自我报告是否患有冠心病并据此分为冠心病组和非冠心病组。通过进行单因素分析和逐步Logistic回归分析探索冠心病发生的影响因素并筛选出纳入预测模型的变量。随机抽取112606名受访者的10%(共计11261名),以8∶2的比例随机划分为训练与测试的数据集,采用随机过采样和合成少数过采样技术(SMOTE)两种过采样的方法处理不平衡数据,基于k最邻近算法(KNN)、Logistic回归、支持向量机(SVM)、决策树和XGBoost算法分别建立冠心病预测模型。结果两组年龄、性别、BMI、种族、婚姻状态、教育水平、收入水平、家里有几个孩子、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者、过去30 d内是否有体育锻炼、心理健康状况以及自我健康评价比较,差异有统计学意义(P<0.05)。逐步Logistic回归分析结果显示:年龄、性别、BMI、种族、教育水平、收入水平、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者以及自我健康评价为冠心病的影响因素(P<0.05)。风险模型构建的分析结果显示:k最邻近算法、Logistic回归、支持向量机、决策树和XGBoost采用SMOTE处理不平衡数据的总体分类精度分别为59.2%、67.4%、66.2%、69.2%和85.9%,召回率分别为75.2%、71.4%、70.5%、62.9%和34.8%,精确度分别为15.4%、18.2%、17.5%、17.6%和28.7%,F值分别为0.256、0.290、0.280、0.275和0.315,受试者工作特征曲线下面积分别为0.80、0.78、0.72、0.72和0.82;采用随机过采样处理不平衡数据的总体分类精度分别为62.5%、68.5%、69.0%、60.2%和70.1%,召回率分别为70.0%、69.5%、71.9%、69.0%和67.6%;精确度分别为15.8%、18.4%、19.1%、14.8%和19.0%,F值分别为0.258、0.291、0.302、0.244和0.297,受试者工作特征曲线下面积分别为0.80、0.77、0.72、0.72和0.83。结论本研究不仅确认了已知冠心病的影响因素,还发现了自我健康评价水平、收入水平和教育水平对冠心病具有潜在影响。在使用2种数据平衡方法后,5种算法的性能显著提高。其中XGBoost模型表现最佳,可作为未来优化冠心病预测模型的参考。此外,鉴于XGBoost模型的优异性能以及逐步Logistic回归的操作便捷和可解释性,推荐在冠心病风险预测模型中结合使用数据平衡后的XGBoost和逐步Logistic回归分析。

普外科术中低体温发生情况Logistics回归分析及预测模型构建

目的探讨普外科术中低体温发生的风险因素,构建并验证术中低体温发生的风险预测模型。方法选取2020年12月至2022年12月在本院接受普外科手术的117例患者作为观察对象。收集患者临床资料,根据患者术中是否发生低体温将其分为发生低体温组(A组)和未发生低体温组(B组)。Logistic回归分析影响患者普外科术中发生低体温的危险因素,并建立风险预测模型,受试者工作特征曲线(ROC)检测该模型的预测效能。结果117例患者中发生低体温31例(26.49%),未发生低体温86例(73.50%)。两组患者在年龄、体重指数、手术方式、ASA分级、术中输液量、手术室温、手术时间等方面比较,差异具有统计学意义(P<0.05)。Logistic回归分析结果显示,年龄≥65岁、术中输液量≥1000 mL、麻醉时间≥4 h、手术室温<23℃是普外科术中发生低体温的危险因素(P<0.05)。独立危险因素纳入Logistic回归分析并建立预测模型,模型预测概率P=1/[1+e(-1.020+0.874)×(年龄)+1.114×(术中输液量)+1.556×(手术室温)+1.453×(麻醉时间)]。ROC曲线检验该模型预测效能,结果显示ROC曲线下面积(AUC)=0.754(P<0.05);Hosmer-Lemeshow拟合优度检验显示,χ^(2)=1.001,P=0.998。结论患者年龄、术中输液量、麻醉时间、手术室温是普外科患者术中发生低体温的独立危险因素,Logistic风险预测模型拟合效度好,具有较高预测价值。

基于改进的Logistic阻滞增长模型的人口预测研究

人口对中国经济发展和能源需求影响重大,为了预测2030年中国的人口数量,文章基于改进的Logistic阻滞增长模型,采用了3种参数估计方法进行求解,包括向后差分线性最小二乘参数估计、向前差分线性最小二乘参数估计、非线性最小二乘参数估计。相比于其他方法,基于非线性最小二乘参数估计法采用改进后的Logistic阻滞增长模型求解的拟合优度与平均相对误差更优,更适合进行中国人口数量的预测。其中1960—1969年预测的中国人口数量相较于实际的人口数量存在一定异常,通过3次样条插值法对该时间段的人口数据进行修正能使预测效果更好。计算结果表明:中国2030年人口预计将达到145 353万人。根据中国人口预测数据,建议政府在未来的经济和能源规划中,加快推进能源结构转型,促进经济可持续发展。

基于KMV—Logistic混合模型的城投债信用风险研究

为了准确衡量城投债的信用风险,本文首先运用KMV模型估算2023-2026年不同城投债债务规模下的预期违约概率,随后选取12个指标对影响城投债信用风险的因素进行有序逻辑回归分析。结果发现:第一,当可担保财政收入为地方政府财政收入的30%时,到期城投债的债务规模已超过安全债务规模,具有一定的违约风险。第二,城投企业的获利能力、短期偿债能力和当地的财政实力等因素与城投债的信用风险水平呈负相关关系,而城投债发行的票面利率、发行规模和当地政府的债务率等因素则与城投债的信用风险水平呈正相关关系。最后,基于研究结论提出推动经济可持续发展、积极引导平台市场化转型、有序置换隐性债务和拉长偿债期限、提升信息披露的透明度等政策建议。

基于Logistic回归的韧性城市电网信息物理融合系统风险源辨识

针对韧性城市电网信息物理融合系统风险源的系统性量化问题,提出基于Logistic回归的风险源辨识模型。通过分析韧性城市电网信息物理融合系统风险产生位置,从物理层、信息层、耦合层和外部环境4个方面选取潜在风险源。根据风险源和风险事件的映射关系,借助Logistic回归分析对风险源进行筛选,构建韧性城市电网信息物理融合系统风险源体系,得出对风险事件有显著影响的主要风险源。

ESG评级对中小企业信用风险评估的影响研究——基于因子分析法和Logistic回归法

本文以2018-2022年深交所中小板制造业企业作为研究对象,选取了19项财务指标与非财务指标对企业进行信用风险评估。在普遍采用的财务指标与非财务指标的基础上,新加入ESG评级,通过构建新的指标体系,对中小企业进行信用风险评估并研究模型的预测效果。采用因子分析法选出6个主成分因子,并且进行Logistic回归分析。研究结果表明,在加入ESG评级之前模型的预测精度为75.6%,在加入ESG评级之后与6个主成分因子进行Logistic回归,模型的预测精度显著提高且达到了86.3%,具有较高的拟合精度和判别能力。本文针对制造业中小企业进行模型的构建,在一定程度上有利于对企业进行风险预判,提高风险控制能力。

基于logistic回归和决策树法预测颅脑肿瘤患者术后病情恶化风险

目的 探讨logistic回归模型与决策树模型预测颅脑肿瘤患者术后病情恶化风险的应用价值,为早期识别和干预高危患者提供参考。方法 选取颅脑肿瘤行开颅手术患者539例,按是否发生病情恶化分为病例组(n=241)和对照组(n=298),分别建立logistic回归模型和决策树模型,分析比较两种模型的差异。结果 logistic回归结果显示,ASA分级、手术时间、脉搏血氧饱和度、格拉斯哥评分、中线结构是影响颅脑肿瘤术后病情恶化的主要因素;决策树模型分析结果显示,格拉斯哥评分和ASA分级是颅脑肿瘤术后病情恶化的影响因素。logistic回归模型的ROC曲线下面积显著大于决策树模型,分别为0.881、0.848。结论 将两种模型结合可以从不同层面发现颅脑肿患者术后病情恶化的影响因素,为临床医护人员评估患者病情和及时采取针对性的干预措施提供指导。