基于多元Logistics预测模型的生鲜水果销售情况研究

在互联网时代,短视频、网络直播飞速发展,人们的消费方式发生巨大变化,网络直播以快速便捷、实时互动和可视化强等优势成为主流营销方式。电子商务的崛起,改变了传统水果零售的基本方式,电子商务提供了双方相互交流的平台,对于传统方式来说,提高了工作的效率,降低了成本,扩大了市场,因此我们可以充分利用网络销售的发展趋势推广我们的产品。本文针对生鲜水果的不同销售渠道进行研究,利用多元Logistics回归建立预测模型,分析关注因素与消费者生鲜水果购买渠道选择的相关性。希望能对生鲜水果的线上线下销售渠道的经营策略给出指导意见。

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。

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。

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。

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。

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Logistic回归分析构建ICU脓毒症多器官功能障碍综合征风险预测模型

目的:基于Logistic回归分析构建重症监护室(ICU)脓毒症多器官功能障碍综合征(MODS)风险预测模型,并进行效果检验。方法:采用便利抽样法选取本院2020年1月—2022年1月ICU收治的脓毒症病人220例,根据有无出现MODS分为对照组和MODS组,采用单因素分析、多因素Logistic回归分析筛选ICU脓毒症病人出现MODS的独立危险因素,据此拟合风险预测模型的回归方程,检验模型预测效果。结果:ICU脓毒症病人发生MODS 38例。多因素分析结果显示,合并慢性病、qSOFA评分>2分、APACHEⅡ评分升高、降钙素原升高、肌酐升高、肿瘤坏死因子-α升高等均为ICU脓毒症病人MODS的独立危险因素(P<0.05)。根据独立预测因子拟合预测模型回归方程,模型Hosmer-Lemeshow检验显示,χ^(2)=4.561,P=0.683,提示预测结果与实际情况相符,模型受试者工作特征曲线(ROC)曲线分析显示,ROC曲线下面积(AUC)为0.805[95%CI(0.729,0.877)],最佳风险截断值为0.347,最大约登指数为0.673,对应灵敏度、特异度分别为0.823、0.850,预测准确率为85.45%。结论:本研究在ICU脓毒症病人发生MODS的危险因素基础上,建立的风险预测模型具有良好拟合程度和区分能力,且准确度较高,能为预测ICU脓毒症病人发生MODS风险提供有效工具。

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。

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。

Lasso-Logistic回归模型拟合临床因素、NF-κB/NLRP3信号通路预测心肌梗死后缺血性心肌病价值

目的基于Lasso-Logistic回归分析心肌梗死后缺血性心肌病(ICM)影响因素,探讨临床因素、核因子-κB(NF-κB)/核苷酸结合寡聚结构域样受体家族3(NLRP3)信号通路及Lasso-Logistic回归模型对心肌梗死后ICM的预测价值,为本病防治提供参考。方法选取2020年9月—2023年9月秦皇岛市第一医院收治的342例心肌梗死患者为研究对象进行前瞻性研究,按照7∶3比例分为建模组239例、验证组103例,依据经皮冠状动脉介入术(PCI)术后6个月内是否发生ICM分为ICM亚组、非ICM亚组。采用Lasso筛选心肌梗死后ICM发生相关变量,以有统计学意义变量构建临床因素模型,以NF-κB/NLRP3信号通路构建NF-κB/NLRP3信号通路模型,以临床因素、NF-κB/NLRP3联合建立混合模型(Lasso-Logistic回归模型)。对比不同预测模型对心肌梗死后ICM的预测价值。结果建模组ICM发生率为27.97%,验证组ICM发生率为26.47%;Lasso筛选出5个预测变量为NF-kB mRNA、NLRP3 mRNA、Gensini评分、LVEF、饮酒,Logistic回归分析显示,Gensini评分、NLRP3 mRNA、NF-κB mRNA、饮酒是心肌梗死后ICM影响因素(P<0.05);混合模型预测心肌梗死后ICM的AUC、敏感度、特异度分别为0.921、80.30%、88.82%,临床因素模型分别为0.886、78.79%、85.29%,NF-κB/NLRP3信号通路模型分别为0.873、74.24%、87.06%,混合模型的AUC高于临床因素模型、NF-κB/NLRP3信号通路模型(P<0.05)。结论Gensini评分、NLRP3 mRNA、NF-κB mRNA、饮酒是心肌梗死后ICM危险因素,联合上述影响因素建立Lasso-Logistic回归模型,该模型对心肌梗死后ICM具有一定预测效能,有助于临床早期筛查高危人群,并予以相应干预措施,以降低ICM发生风险。

基于过采样Logistic回归模型的互联网贷款违约预测研究

在持续增长的居民贷款消费需求刺激下,互联网贷款业务的规模呈现出持续快速扩张的发展态势,发挥机器学习模型在个贷违约预测的作用,控制和防范互联网贷款违约风险,具有十分重要的意义。通过对不同数据集的样本特征进行详细分析,构建个人信用风险评估指标体系,利用具有普适性特征和可解释性特征的Logistic回归模型对个贷违约进行预测。针对原始数据集存在不平衡样本的问题,分别采用过采样和欠采样的重抽样方法获得平衡样本集,调整正则化惩罚力度,选择最优结果的参数来进行建模,得到模型预测结果。最后对如何防范互联网贷款违约风险提出了相关建议。

基于Logistic回归方程分析aSAH病人脑积水的影响因素及预测模型构建

目的:基于Logistic回归方程分析动脉瘤性蛛网膜下腔出血(aSAH)病人脑积水的影响因素,进一步构建预测模型,旨在为临床防治脑积水提供指导。方法:采用便利抽样法,选取2021年1月—2022年10月中国人民解放军空军军医大学第二附属医院收治的aSAH病人,将符合纳入、排除标准的236例病人作为研究对象,统计脑积水发生情况,并通过单因素、Lasso回归、Logistic回归方程分析aSAH病人脑积水的影响因素,采用似然比卡方、Wald卡方、拟合优度检验评价Logistic回归模型,受试者工作特征(ROC)曲线评价Logistic回归模型预测价值。结果:236例aSAH病人脑积水发生率为14.83%(35/236)。动脉瘤位于后循环[OR=4.443,95%CI(1.028,19.201)]、出血破入脑室[OR=5.842,95%CI(2.212,15.428)]、蛛网膜下腔出血厚度≥5 mm[OR=3.440,95%CI(1.120,10.568)]、弥散性蛛网膜下腔出血[OR=3.951,95%CI(1.213,12.869)]、颅内感染[OR=5.092,95%CI(2.326,11.147)]、脑脊液转化生长因子β1(TGF-β1)水平[OR=5.112,95%CI(1.283,20.368)]、脑脊液基质金属蛋白酶-9(MMP-9)水平[OR=6.530,95%CI(2.302,18.521)]是aSAH病人发生脑积水的危险因素,脑脊液净化[OR=0.365,95%CI(0.154,0.865)]是aSAH病人发生脑积水的保护因素(P<0.05)。ROC曲线显示,Logistic回归模型对aSAH病人发生脑积水的预测价值曲线下面积(AUC)为0.932,95%CI[0.892,0.961],预测敏感度为97.14%,特异度为86.07%。结论:动脉瘤位于后循环、出血破入脑室、蛛网膜下腔出血厚度≥5 mm、弥散性蛛网膜下腔出血、颅内感染、脑脊液TGF-β1水平、脑脊液MMP-9是aSAH病人发生脑积水的危险因素,脑脊液净化是aSAH病人发生脑积水的保护因素,临床可据此制定针对性防治措施,进一步改善预后。

Logistic回归与决策树模型对大面积急性岛叶梗死患者预后的预测价值

目的探讨Logistic回归模型和决策树模型对大面积急性岛叶梗死预后不良的预测价值。方法回顾性分析2019年1月—2022年12月收治的大面积急性岛叶梗死100例的临床资料,根据发病3个月后改良Rankin量表分为预后良好组和预后不良组。统计2组临床资料、实验室指标、疾病史等基线资料。构建Logistic回归模型、决策树模型分析预后不良影响因素。绘制受试者工作特征(ROC)曲线分析2种模型对预后不良的预测效能。结果发病3个月后失访3例,预后不良发生率为39.18%(38/97),预后良好率为60.82%(59/97)。Logistic回归分析显示,年龄、房颤、基线肌钙蛋白T(cTnT)、鸢尾素、闭锁蛋白(Occludin)是预后不良影响因素(P<0.01);决策树模型分析显示,年龄、房颤、基线cTnT及Occludin是预后不良影响因素;决策树模型预测预后不良的曲线下面积大于Logistic回归模型。结论年龄、房颤、基线cTnT、Occludin是大面积急性岛叶梗死患者预后不良影响因素,基于上述因素构建Logistic回归模型和决策树模型均具有良好应用价值,应结合2种模型优点,为临床诊治提供新思路。

基于Logistic模型的哈尔滨市私家车保有量预测

近年来,城市私家车保有量大幅增加,为了准确预测哈尔滨市私家车的保有量,基于Logistic模型建立了私家车保有量预测模型。首先通过预测哈尔滨未来人口数量确定人口峰值,长春市与哈尔滨市的经济发展与人口变化趋势相似,因此对长春市户均人口数进行回归分析,预测长春市户均人口数,进而通过类比法确定哈尔滨未来的户均人口数。结合人口峰值、户均人口数、户均机动车数量对哈尔滨市未来私家车保有量进行预测。结果表明,私家车保有量预测模型的拟合效果良好,哈尔滨市私家车保有量在未来22年内继续增长,2027—2032年哈尔滨市私家车数量的发展处于快速增长阶段,在2042年将达到431.96万辆,为避免城市拥挤和环境污染问题,应制定政策加以干预。

Logistic回归与决策树模型在碘造影剂不良反应预测中的应用

目的采用Logistic回归与决策树模型分析碘造影剂(iodinated contrast medium,ICM)不良反应影响因素。方法不良反应组为2019年1月至2023年8月期间在云南省阜外心血管病医院行CT检查使用ICM并出现不良反应的患者129例,对照组为同期使用ICM未发生不良反应的患者135例,将单因素分析中有统计学意义的变量纳入多因素Logistic回归和决策树模型,提取引起不良反应的影响因素并进行分析。结果Logistic回归结果显示BMI、过敏史和肾功能不全是发生ICM不良反应的影响因素(P<0.05),预测模型为Lggit(P)=0.123×BMI+1.684×过敏史+2.551×肾功能不全-3.652;决策树分析筛选出3个风险变量,包括过敏史、肾功能不全和ICM种类,其中过敏史是最主要的影响因素。结论通过运用Logistic回归和决策树模型预测不良反应的影响因素并将研究转变为了避免不良反应发生的主动预测,对患者安全用药有参考价值。

基于随机森林、Logistic回归的角膜塑形镜近视控制效果及预测模型构建和评价

目的探究角膜塑形镜(OK镜)的近视控制情况,基于随机森林、Logistic回归构建近视控制效果的预测模型,为进一步改善青少年视力提供依据。方法选取2019年1月至6月于石家庄市人民医院眼科就诊后配戴OK镜的289例患者为OK镜配戴组,同期选取289例配戴框架眼镜患者为框架镜配戴组,观察配戴2年、4年后患者眼轴长度增加情况,并以配戴OK镜4年后患者眼轴长度变化量为依据分为近视控制良好组与控制不良组,基于随机森林、Logistic回归分析近视控制效果的影响因素,并构建列线图预测模型,以受试者工作特征曲线(ROC曲线)、校准曲线及决策曲线(DCA曲线)进行效能评价。结果配戴2年、4年后,OK镜配戴组患者屈光度增加值、眼轴长度增加值均低于框架镜配戴组(均为P<0.001)。两组患者间配戴前、配戴2年及4年后角膜内皮细胞参数及角膜中央最薄点厚度相比,差异均无统计学意义(均为P>0.05)。随机森林模型显示,基础眼轴长度、每日配戴时间、正确用眼卫生行为、瞳孔直径、每日户外活动时间、放学后做作业时间、每日睡眠时间达标是重要性排序前7的变量。Logistic回归分析结果显示,放学后做作业时间长是OK镜配戴患者近视控制不良的影响因素,基础眼轴长度、瞳孔直径、每日配戴时间、用眼卫生行为、每日户外活动时间、每日睡眠时间是近视控制效果的因素;ROC曲线、校准曲线及DCA曲线提示,基于随机森林、Logistic回归分析构建的列线图预测模型具备较好的准确性、一致性及临床效用。结论OK镜具有良好的近视控制效果,对角膜内皮细胞及角膜厚度影响甚微,安全性较高,且放学后做作业时间、基础眼轴长度、瞳孔直径、每日配戴时间、用眼卫生行为、每日户外活动时间、每日睡眠时间是近视控制效果的影响因素,而加强预测模型构建有助于对近视控制不良高危人群的识别,指导临床及时采取干预措施。