脑卒中类型和复发Logistic回归预测及SMOTE算法处理非平衡临床数据.pdfVIP

目 录 中文摘要……………………………………………………………………．1 英文摘要……………………………………………………………………3 非平衡临床数据 前言……………………………………………………………………4日IJ舌…………………………………………………………………… 材料与方法……………………………………………………………7 结果……………………………………………………………………8 附图……………………………………………………………………12 附表……………………………………………………………………13 讨论……………………………………………………………………17 结论……………………………………………………………………20 参考文献………………………………………………………………21 综述不平衡数据分类方法的应用………………………………………25 致谢…………………………………………………………………………34 个人简历……………………………………………………………………35 中文摘要 衡临床数据 摘 要 目的：脑卒中是一种突然起病的脑血液循环障碍性疾病，居全世界主 要死因的第二位，分为缺血性脑卒中和出血性脑卒中，两者的治疗方法大 不相同，目前临床判断卒中类型最准确的方式是CT或MRI检查，但在未能 进行影像检查的情况下，只能依据临床表现初步判断类型，较容易误诊。 本研究拟通过已有的临床数据，构建脑卒中分型回归模型、脑卒中复发回 归模型，用于临床辅助诊断及出院后的健康管理，并评价预测效果，希望 能够为临床提供一种辅助诊断手段，提高诊断正确率。使用分类模型分类 时需要有分布较平衡的数据才能获得良好效果，在多数类似的研究中，数 据不平衡现象普遍存在，本研究引入了非平衡数据处理方法SMOTE (SyntheticMinorityOver-sampling 法，并对处理结果进行了比较。 方法：获取石家庄市某医院因脑卒中入院治疗244例患者的病例及出 院后健康监测数据并整理，通过IBM 数，获得Logistic回归方程。若数据中出现类别分布不平衡的现象，导致 分类预测准确率或灵敏度较低，则使用数据平衡方法平衡数据，随机复制 平衡数据， 结果： 1获得了脑卒中分型的回归模型，其预测准确率较高。脑卒中分型回 R 归模型CoxSnell 2得到了脑卒中复发预测的回归模型，其预测灵敏度较低。缺血性脑 R 卒中复发回归模型CoxSnell R 为28．6％。出血性脑卒中复发回归模型CoxSnell Square检验拟合优度 为0．272，其灵敏度为60％。 中文摘要 3得到了使用SMOTE算法、随机复制过抽样法及随机欠抽样法平衡 数据后缺血性脑卒中复发回归模型的预测数据及ROC曲线。其中随机复 R 制过抽样法处理获得的回归模型CoxSnell Square检验拟合优度为 R R 回归模型CoxSnell 法大于随机过抽样法和随机欠抽样法。 结论： 提高诊断准确率。根据回归式可知血压的升高对发生出血性脑卒中有较大 影响，而TIA史与出血性脑卒中呈负相关性，在脑卒中患者中，经常运动 的人患脑出血的可能性更高，有脑卒中家族史的患者患脑出血的概率较 音 同o 2脑卒中患者