鼻咽癌患者放疗期间营养指数模型构建及营养状况下降影响因素分析

目的构建鼻咽癌患者放疗期间营养评价综合模型,探析营养状况下降的早期预测因素。方法调查104例鼻咽癌患者放疗前后的营养状况,定期评价放射毒性反应,采用主成分分析建立营养指数模型,采用多元线性回归分析患者放疗期间营养状况下降的影响因素。结果运用营养指数模型对患者的营养状况进行评价,放疗前后鼻咽癌患者营养不良率分别为6.73%和69.23%,放疗后患者的营养不良率高于放疗前(P0.001)。多因素分析显示:急性放射毒性反应、焦虑、诱导化疗周期数等是患者营养状况下降的影响因素。结论营养指数模型综合地反映了患者的营养状况,具有一定的临床应用价值。急性放射毒性反应、焦虑等因素可以对鼻咽癌患者放疗期间营养状况下降起到预测作用。     

基于三种统计学方法构建的超重及肥胖人群高血压发病预测模型的分析比较

目的 利用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型。方法 抽取出3150名超重及肥胖人群（体质指数≥24kg/m²）。分别应用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型，筛选出高危因素，采用受试者工作特征曲线（ROC）对三种统计学方法构建的预测模型进行特异性、敏感性及准确性评估。结果 三种方法构建的预测模型筛选出的高危因素包括非酒精性脂肪性肝病(NAFLD)、空腹血糖(FPG)、年龄、甘油三酯(TG)、尿酸(UA)、低密度脂蛋白胆固醇(LDL-c)。CRT分类树模型、logistic回归模型、BP神经网络模型ROC曲线下面积(AUC)值分别为0.721、0.734、0.733，敏感性分别为61.63%、76.59%、82.85%，特异性分别为77.58%、60.44%、52.00%，Youden指数分别为39.20%、37.02%、34.85%。结论 本研究筛选的危险因素包括NAFLD、FPG、年龄、TG、UA、LDL-c，基于危险因素应用三种统计学方法构建的预测模型具有中等预测价值，对超重及肥胖人群高血压发病具有较好的预测能力。     

时点/动态ROC曲线法在生存模型预后评价中的应用

目的探讨时点/动态ROC曲线法在生存模型的预后评价中的应用。方法介绍时点/动态ROC曲线法的基本原理,以Cox比例风险模型为例,阐述如何采用Cox模型输出结果获取时点灵敏度与动态特异度及时依ROC曲线,通过对各时点曲线下的面积进行加权平均得到整个随访期模型的总体预测准确度。结果时点/动态的ROC曲线法是以时刻风险集中的病例与对照的分类为基础,该定义与风险模型的意义相吻合。同时,可以扩展到协变量不满足比例风险的生存模型预测准确度的评价。结论时点/动态的ROC曲线法可以通过不同时点下风险集的变化情况动态地观察模型预测准确度的瞬时变化情况,可作为生存分析中决定系数这一指标更好的替代方法。     

脑血管血液动力学参数脑卒中预测模型的建立

目的 根据脑血管血液动力学参数(CVHI)和脑卒中的主要危险因素建立脑卒中预测模型。方法 选择全国六大行政区脑卒中研究队列人群25355例，将基线调查时的CVHI检测结果 进行主成分分析，再以各主成分和主要脑卒中危险因素为自变量，以随访中脑卒中发病为应变量进行回归分析，根据回归系数建立脑卒中预测模型，计算发病概率，绘制ROC曲线，确定最佳截断点，评价预测模型的预测效能。结果 四个主成分的累积贡献率依次为58．1％、79．4％、88．4％和94．6％，被筛检进入logistic回归方程的变量分别为第一至第四主成分、高血压病史、年龄和性别，ROC曲线下面积为0．855，最佳截断点为预测概率≥0．05，预测脑卒中的敏感度、特异度和准确度分别为踟．7％，78．5％，78．5％。结论 通过主成分回归分析，可以建立具有良好效能的脑卒中预测模型。     

能量多普勒超声联合Logistic回归模型及受试者工作特征曲线对早孕期流产的诊断价值

目的 评价经阴道能量多普勒超声(TV-PDU)联合Logistic回归模型及受试者工作特征(ROC)曲线对不明位置妊娠患者进行鉴别分析,预测宫内早孕期流产(IUPA)的发生及其严重程度.方法 应用TV-PDU检查子宫内膜(建模组),同时测定其血清B-HCG、孕酮,运用多因素Logistic回归法对各研究变量进行分析,并建立回归模型和ROC曲线,应用ROC曲线分析确定各超声参数及临床指标预测判断IUPA的最佳阈值和评价各指标对IUPA诊断的准确性.另外选取60例患者(测试组)对该回归模型的真实性和准确性进行验证.结果 多变量模型1(M1)选择内膜下血流阻力指数(RI)、最高流速(PSV)这两个参数,而内膜回声类型、血清孕酮、停经时间则进入多变量模型2(M2).M1、M2的ROC曲线下面积分别为0.887、0.976,约登指数和阳性似然比分别为90.8%、87.5%和12.213、8.000.M2特异度和阳性预测值均低于M1,M1的诊断准确率较高,但M1、M2对IUPA的诊断价值均较单变量明显提高.M1、M2对测试组进行回代,模型稳定性较好.结论 TV-PDU能简单、无创和有效地预测早孕期IUPA的可能性,内膜下血流动力学参数与IUPA联系密切.     

海南省居民高血压患病风险预测模型建立与验证

目的分析海南省成人居民高血压患病的危险因素，建立个体化高血压患病风险预测模型。方法 2021年7月—2022年1月，通过多层多阶段随机抽样的方法，随机抽取海南省4个市（县）≥18岁的常住居民进行问卷调查、体格检查、血生化及尿液常规检验等资料的收集。按7∶3的比例随机分为建模组和验证组，经过单因素分析及LASSO回归初步筛选，再经过多因素分析确定预测变量，构建高血压患病列线图模型并应用C指数、受试者工作特征（receiver operating characteristic,ROC）曲线、校准曲线和决策曲线分析法（decision curve analysis,DCA）对预测模型进行评价。结果 调查4 606人，高血压患病率为32.50%。年龄、文化程度、吸烟、体质量指数、高血压病家族史、糖尿病、三酰甘油、血尿酸、尿肌酐及尿微量白蛋白为海南省成人居民高血压患病的独立危险因素（均P<0.05）。高血压患病风险预测模型在建模组和验证组C指数分别为0.858 5和0.853 0,ROC曲线下面积（area under ROC curve,AUC）分别为0.858和0.845，校准曲线表现...     

能量多普勒超声联合Logistic回归模型及受试者工作特征曲线对早孕期流产的诊断价值

目的评价经阴道能量多普勒超声（TV—PDU）联合Logistic回归模型及受试者工作特征（ROC）曲线对不明位置妊娠患者进行鉴别分析，预测宫内早孕期流产（IUPA）的发生及其严重程度。方法应用TV—PDU检查子宫内膜（建模组），同时测定其血清β-HCG、孕酮，运用多因素h—gistic回归法对各研究变量进行分析，并建立回归模型和ROC曲线，应用ROC曲线分析确定各超声参数及临床指标预测判断IUPA的最佳阈值和评价各指标对IUPA诊断的准确性。另外选取60例患者（测试组）对该回归模型的真实性和准确性进行验证。结果多变量模型1（M1）选择内膜下血流阻力指数（RI）、最高流速（PSV）这两个参数，而内膜回声类型、血清孕酮、停经时间则进入多变量模型2（M2）。M1、M2的ROC曲线下面积分别为0．887、0．976，约登指数和阳性似然比分别为90．8％、87．5％和12．213、8．000。M2特异度和阳性预测值均低于M1，M1的诊断准确率较高，但M1、M2对IUPA的诊断价值均较单变量明显提高。M1、M2对测试组进行回代，模型稳定性较好。结论TV—PDU能简单、无创和有效地预测早孕期IUPA的可能性，内膜下血流动力学参数与IUPA联系密切。     

随机森林模型和决策树模型在肝硬化上消化道出血预后中的应用

目的探讨随机森林模型和决策树模型在肝硬化并发上消化道出血患者预后评估中的应用。方法利用logistic回归方法从肝硬化住院患者病历资料中筛选出与并发上消化道出血有关联的变量;以筛选出的变量作为输入变量,以是否出血作为结局变量,分别建立随机森林、决策树和传统logistic回归模型,通过受试者工作特征曲线(ROC)来评价三种模型的性能。结果 logistic回归、决策树和随机森林模型在测试集中的准确率分别为81.5%、75.1%和88.9%,三种模型的ROC曲线下面积(AUC)分别为0.854、0.720和0.909;在随机森林模型的变量重要性评分中,血糖、胆固醇、血清钾、总蛋白、碱性磷酸酶、尿素氮等指标得分较高,提示这些指标或有临床意义。结论随机森林模型在肝硬化上消化道出血患者的预后评估中具有较高的应用价值。     

不明位置妊娠Logistic回归超声诊断模型的初步研究

目的:通过经阴道超声(TVS)检测不明位置妊娠(PUL)患者的子宫内膜,建立鉴别诊断的多变量回归模型,并评价该模型的临床应用价值。方法:分析早期PUL患者的子宫内膜二维声像图特征,并对年龄、β-HCG、停经时间等进行分析,采用多变量Logistic回归法及ROC曲线筛选出有意义的诊断指标,建立PUL患者的多变量回归模型。结果:建立了三个预测PUL妊娠结局的Logistic回归模型,分别对宫内早孕(MIUP)、宫内早孕流产(MIUPM)和早期异位妊娠(MEP)进行评估,ROC曲线下面积(AUC)分别为0.941、0.886、0.891,预测模型循证试验的诊断指标均优于各自回归模型中任何单一变量。结论:本研究所建立的多变量预测模型能更早期、更有效地预测PUL患者的妊娠状态,对早期PUL患者妊娠结局的预测有较大的临床价值。     

石油工人代谢综合征的三种风险预测模型比较

目的 运用logistic回归、卷积神经网络和QUEST决策树建立石油工人代谢综合征发生风险预测模型,并比较三种模型的预测性能。方法 以2017年4月—2018年10月参加职业健康体检的1 468名石油工人作为研究对象。由培训后的调查人员对其进行调查,根据石油工人代谢综合征影响因素的分析结果和相关文献综述确定模型的输入变量,构建logistic回归、卷积神经网络和QUEST决策树模型。结果 训练集显示logistic回归、卷积神经网络和QUEST决策树模型的准确率分别为83.45%、86.34%、79.75%;F1分数分别为0.79、0.83、0.74;ROC曲线下面积（AUC）分别为0.894、0.935、0.844。卷积神经网络明显优于其他两种模型,模型各评价指标间差异均具有统计学意义（P＜0.05）。测试集显示以上三种模型的准确率分别为76.72%、78.69%、74.75%;F1分数分别为0.70、0.71、0.65;ROC曲线下面积分别为0.797、0.855、0.826。卷积神经网络模型与其他两种模型相比差异具有统计学意义（P＜0.05）。结论 卷积神经网络模型的预测效果较logistic回归和QUEST决策树模型更优。     

ICU患者医院感染logistic回归模型预测

目的构建ICU患者医院感染logistic回归预测模型,并对模型进行评价。方法以入住ICU>48 h的患者为研究对象,构建医院感染logistic回归模型,对模型进行拟和优度检验、ROC曲线下面积分析。结果入住ICU天数、气管插管、前列腺肥大、动静脉插管、基础疾病(肿瘤)等变量进入logistic回归方程,模型ROC曲线下面积为0.856。结论 logistic回归模型对ICU患者医院感染预测拟合度较好。     

参数法ROC曲线在孤立性肺结节良恶性判断预测数学模型的应用探讨

目的以我中心建立孤立性肺结节(solitary pulmonary nodules,SPN)良恶性判断预测数学模型为依据,计算该科连续145例SPN患者的预测良恶性概率,使用非参数法描绘ROC曲线,并探讨使用参数法拟合光滑ROC曲线,判定数学预测模型的最佳截断点,确定可疑区间范围,及评估其临床应用价值。方法回顾性收集2009年10月至2011年8月,北京大学人民医院胸外科连续手术获得病理明确诊断的SPN患者145例,其中恶性98例,良性47例,分别计算其预测恶性概率,非参数法绘制ROC曲线。应用CurveExpert1.3软件进行参数法曲线拟合,绘制光滑ROC曲线,通过求U=Y-X=f(x)-x的最大值对应最佳截断点;对ROC曲线求其曲率半径方程,进一步求曲率半径方程一阶导数函数,分析曲率变化趋势,得出曲率变化最明显的两点所对应区间,为选定可疑区域。再对所分3个区域内良恶性比率行卡方分析进一步验证选定可疑区间价值。结果 ROC曲线下面积为0.874±0.035,说明该数学模型有较高诊断价值。通过拟合光滑的ROC曲线分析,确定最佳截断点为57.65%,具有最高灵敏度及特异度。可疑区间范围为51.15%～60.67%,且围绕最佳截断点分布。对所分3组患者进行预测分析,差异有统计学意义,提示预测结果和金标准分类结果之间存在相关关系。结论使用ROC曲线评价具有简单有效的优点,通过参数法曲线拟合,可确定数学模型的最佳截断点及可疑区间范围,有较高临床应用价值。     

基于贝叶斯网络模型对重症手足口病预测变量的筛选研究

目的通过构建贝叶斯网络模型,来对重症手足口病的预测变量进行相关筛选以及探讨相应变量之间的依赖关系。方法收集郑州市某医院感染科2016年4月到2017年10月收治的手足口病患儿资料。选用SPSS Statistics 25.0进行统计学方面的分析,SPSS Modeler 18.0软件则用于构建TAN贝叶斯网络和Logistic回归模型,以Logistic回归模型作为对比,并对两个模型的整体拟合性能进行评价。结果最终筛选出7个重要变量,在所有预测变量中,对输出变量分组影响最大的前三个分别为:病原学结果、肢体抖动和中性细胞比率。TAN贝叶斯网络模型总体预测正确率为83.32%,ROC曲线下面积0.815,灵敏度71.87%,特异度为91.28%。结论 TAN贝叶斯网络模型在筛选重症手足口病预测变量方面具有较好的应用价值,同时模型的预测性能也较好。     

腹部外科手术部位感染风险预测模型

目的构建手术部位感染发病风险预测模型,为筛选手术部位感染高危人群提供技术支持。方法选择2013年1月-2015年12月国内6所医院5 067例腹部外科手术病例资料,采用logistic回归构建预测模型,以ROC曲线下面积(AUC)评价模型的预测效果。结果手术部位感染率为7.14%;纳入风险预测模型的变量包括糖尿病、低蛋白血症、高血压、术前炎症反应、手术切口分类、手术持续时间、ASA分级、腹腔镜手术8个指标,构建的模型ROC曲线下面积为0.803,优于NNIS风险指数的预测效力(AUC=0.731)。结论预测是预警的基础,本研究所建立的风险预测模型若与信息技术结合,对于预警高危患者具有重要价值。     

对数几率回归模型构建联合预测因子对慢性乙型肝炎患者早期肝硬化诊断的临床应用

目的探讨对数几率回归模型(Logistic)构建联合预测因子在慢性乙型肝炎患者(CHB)早期肝硬化(LC)诊断中的临床应用。方法选择本院2018年1月-2019年10月的CHB患者179例、CHB/LC患者179例及测试集57例,检测血常规、血清肝纤维化、凝血功能、血清生化等实验室指标。单因素Logistic回归筛选并用多因素Logistic回归拟合得到联合预测因子,生成受试者工作曲线(ROC),在测试集中进行测试,评价模型预测效果。结果透明质酸(HA)、部分活化凝血酶原时间(APTT)、谷丙转氨酶(ALT)和血小板(PLT)纳入拟合得到新的联合预测因子表达式Logit(X)=39.621+1.365HA+1.213APTT+1.011ALT-0.723PLT。ROC曲线显示X的cut-off值取308.80时,YI指数最大为0.538,AUC为0.815,分别高于单个协变量因子。在模型准确率为70.12%的前提下,CHB合并LC患者测试组的预测LC准确率为72.41%,CHB患者测试组的预测为非LC的准确率为96.42%。结论对数几率回归模型构建的联合预测因子ROC曲线能对CHB患者的早期LC诊疗有更好的预测价值。     

急性缺血性脑卒中病人营养风险预测模型的建立和验证

目的:建立并验证急性缺血性脑卒中病人营养风险预测模型.方法:前瞻性选择2018年1月至2019年12月收治于安徽医科大学第二附属医院神经内科且符合标准的急性缺血性脑卒中病人为研究对象.运用NRS2002评估病人营养风险状况.依入组先后顺序按7∶3的比例分配入模型建模队列与验证队列.采用Logistic回归法建立模型,分别应用ROC曲线、Hosmer-Lemeshow拟合优度检验对构建的预测模型在建模及验证队列中的区分度和校准度进行评价,计算预测的准确率.结果:纳入符合标准的病人837例,营养风险发生率为67.14％.建模队列和验证队列的营养风险发生率分别为65.36％和71.31％.Logistic回归结果显示,NIHSS≥15分、年龄≥62岁、每日服处方药≥3种、存在卒中史、小腿围≥32.4cm、饮酒史超过20年均是营养风险发生的独立危险因素(P均＜0.05).评分系统分值范围为0～24分,预测评分为14分时,Youden指数最大.该模型在建模和验证队列中的ROC面积分别为0.67(95％CI:0.62 ～ 0.70)和0.70(95％CI:0.68～0.77),P值均＜0.001.Hosmer-Lemeshow拟合优度检验结果显示,模型预测风险与实际发生风险的一致程度较好,模型预测准确率较高(建模队列和验证队列分别为86.02％和87.37％).结论:本研究构建的风险评估系统具有较好的区分度和校准度,具备一定的预测能力,可作为病人营养风险评估参考工具.     

船舶外来医学媒介生物传入风险分析初探

目的探讨船舶外来医学媒介生物传入的风险评估方法。方法通过建立医学媒介风险logistic回归模型,同时采用层次聚类分析以实例数据进行医学媒介风险预测,与医学媒介实际检出情况进行比对,以受试者工作特征曲线（ROC曲线）比较2种方法的预测效果。结果船员国籍、本地季节和历史医学媒介疫情是外来医学媒介生物传入的危险因素。医学媒介风险logistic回归模型的预测灵敏度为50%,特异度为77%;层次聚类分析法灵敏度为11%,特异度为93%;以ROC曲线比较2种方法的预测效果,其ROC曲线下面积AUC分别为0.64和0.52,Logistic回归模型预测效果略高于层次聚类分析。结论2种预测方法（AUC）均在0.7以下,准确性不高,为国际航行船舶外来媒介生物风险评估及预警系统的建立提供一种思路。     

Logistic模型联合ROC曲线法和Bayes判别函数对新型冠状病毒肺炎严重程度的鉴别

  目的  使用两种统计方法（Logistic模型联合ROC曲线法和Bayes判别函数法）对新型冠状病毒肺炎（简称新冠肺炎,corona virus disease 2019,COVID-19）患者严重程度进行预测,以期辅助临床对于患者分型早期诊断。  方法  收集538名确诊病例的人口学相关信息、临床资料及流行病学调查资料等,计数资料使用例数（%）表示,采用Logistic回归分析模型进行单因素和多因素回归分析;采用ROC曲线法找到最佳临界值;采用Bayes判别法对研究对象进行分类。  结果  Logistic模型联合ROC曲线法的总体预测准确率分别为0.682,重症预测正确率为0.784,轻症预测正确率为0.662;Bayes判别法总体预测准确率分别为0.703,重症预测正确率为0.705,轻症预测正确率为0.702。  结论  Logistic模型联合ROC曲线法与Bayes判别分析在鉴别COVID-19临床严重程度诊断中均有较高的正确率,且各有优势,两种方法均有一定的应用价值。     

随机生存森林和Cox回归对ICU内缺血性卒中患者死亡风险的预测性能比较

目的 以重症监护病房(intensive care unit,ICU)内缺血性卒中患者为研究对象，分别构建随机生存森林和Cox回归并对两者预测效果进行比较。方法 以是否发生院内死亡及在ICU内接受治疗的时间为结局变量，以人口学特征、实验室指标、合并症等为预测变量，将研究对象按7:3的比例随机划分成训练集和测试集，在训练集提取重要变量并构建模型，在测试集进行模型评价。用受试者工作特征(receiver operation characteristic,ROC)曲线下面积(area under curve,AUC)评价区分度，以Brier score评价校准度，并综合灵敏度(sensitivity,TP)、特异度(specificity,TN)、阳性预测值(positive predictive value,PPV)和阴性预测值(negative predictive value,NPV)对模型比较。结果 共纳入1 505例缺血性卒中患者，其中217例发生院内死亡。500次Bootstrap自助抽样结果表明，在测试集中，随机生存森林和Cox回归AUC_7day分别为0....     

降钙素原及N末端前体脑钠肽对脓毒血症预后判断的研究

目的 探讨降钙素原(PCT)和N末端前体脑钠肽(NT-proBNP)对脓毒血症预后判断的意义。方法 回顾性分析89例脓毒血症患者,按预后分为生存组和死亡组,比较两组发病早期血清PCT和NT-proBNP水平,并建立ROC曲线比较两种标志物对预后的评估价值。结果 生存组PCT和NT-proBNP水平分别为(1.62±1.12)ng/ml和(2 626.30±784.55)pg/ml,死亡组PCT和NT-proBNP水平分别为(8.72±9.39)ng/ml和(4 226.31±1 841.49)pg/ml,两组血清PCT和NT-proBNP差异均有统计学意义(P<0.01);PCT和NT-proBNP预测死亡的ROC曲线下面积分别为0.800和0.820,PCT的最佳界值为2.33ng/ml,其敏感性和特异性分别为75.0%和75.4%,NT-proBNP的最佳界值为3456.945pg/ml,其敏感性和特异性分别为71.9%和94.7%,NT-proBNP对脓毒血症预后的评估优于PCT。结论 PCT和NT-proBNP对脓毒血症患者预后均具有较好的预测价值,两种标志物敏感性相当,但NT-proBNP特异性更高。