数学建模++医学肾炎化验分析模型..docVIP

2008年中央民族大学数学建模选拔赛 医 学 肾 炎 化 验 分 析 模 型 参赛队员 ： 姓名:李 元 学院:信息工程学院 专业:自动化 年级:06级 姓名:张 义 学院:理学院 专业:信息与计算科学 年级:06级 姓名:许经超 学院:理学院 专业:信息与计算科学 年级:06级 医学肾炎化验分析模型 摘 要 此数学模型的建立主要是为了解决这样的问题，通过检测人体内相关微量元素的含量来判定一个人是否患肾炎。因而在此数学模型中，自变量为体内若干种微量元素的含量，因变量作为判定一个人是否患病的主要数据，做如下设定，当被确诊为患病时，设为1，被确诊为健康时，设为0.我们通过对数据的基本分析和判别，试图通过线性回归模型解决这个问题，经过查阅相关资料，了解到logistic模型被广泛应用于病理学研究中作为研究模型，于是利用excel中的回归工具建立logistic回归模型，计算出该线性方程的常量和系数从而完成模型的初步建立。 然后利用回归统计表、方差分析表中、回归参数表等中的数据进行分析，来衡量线性回归的拟合度，以及线性方程中各参数的显著性，发现其回归程度较好，又通过将表1和表2中已确诊的数据代入，对60例受检者的数据进行判别，若大于0.5则判定为患病，若小于0.5则判定为健康。对应的logit（p/（1-p））为正数时候患病,为负数时为健康。发现该模型在本题判断中的正确率高达93.33%，预测能力显著。 诊断待测病人，将表3中的数据代入计算其患病概率，判别标准同上所述，得出受检者中有15人健康，15人患病的结论。 回归参数表中回归系数的统计量的线性系数显著性t值，表征了该系数的显著性水平，也表征了该项因素对于因变量判定的影响程度。因此以此为衡量的标准来筛选7项相关因素，找到系数显著性最小三种元素，分别为Na,Zn,K；我们又用排列组合的方法分别删除其中的一种、两种和三种元素，分别计算此时代入前60组数据时的准确度，通过比较从而确定主要影响元素。保留了Ca,Cu,Fe,Mg四种元素，除去非主因素的干扰，用同样的方法重新计算该模型各系数的数值，在保证较高准确率的前提下，最终达到了简化检测过程的目的。 利用排除非显著性元素后的Logistic模型，将表3中的数据代入计算其患病概率，判别标准同上所述，得出受检者中有16人健康，14人患病的结论。 关键词： logistic回归模型 主因素筛选 显著性检验 一、问题的提出与分析 提出问题： 病理检验的一些指标是医生诊断病人病症的主要依据。诊断人员是否患肾炎时通常要化验人体内各种元素含量。表1列出了60个病理检验结果，其中1－30号病例是已经确诊为肾炎病人的化验结果；31－60号病例是已经确定为健康人的结果。表2给出了另外一些就诊人员的化验结果。的工作是： 根据表1中的数据，提出一种或多种简便的判别方法，判别属于患者或健康人的方法，并检验提出方法的正确性。 按照1提出的方法，对表2中的30名就诊人员的化验结果进行判别，判定他们是肾炎病人还是健康人。 根据表1的数据特征，确定哪些指标是影响人们患肾炎的关键或主要因素，是否可以减少化验的某些指标。 根据3的结果，重复2的工作。 此数学模型的建立主要是为了解决这样的问题，通过检测人体内相关微量元素的含量来判定一个人是否患肾炎。因而在此数学模型中，自变量为体内若干种微量元素的含量，因变量作为判定一个人是否患病的主要数据，做如下设定，当被确诊为患病时，设为1，被确诊为健康时，设为2.这样就建立了一个多元方程，因此我们选择多元统计分析中利用 excel中的回归工具建立logistic回归模型，计算出该线性方程的常量和系数，从而完成模型的初步建立。回归分析工具是通过对一组观察值使用“最小平方法”进行直线拟合，以分析一个几个自变量对单个因变量的影响方向与影响程度的方法。它是Excel中数据分析工具的一个内容。 然后利用回归统计表、方差分析表中、回归参数表等中的数据进行分析，来衡量线性回归的拟合度，以及线性方程中各参数的显著性。同时，将表1和表2中已确诊的数据代入，检测本模型在进行诊断时的正确率。诊断待测病人，将表3中的数据代入计算其患病概率，若大于0.5则判定为患病，若小于0.5则判定为健康。 同时，我们也看到，在图中的一些点的规律性并不明显，因此我们猜测，可以在构建的方程中忽略一些因素的影响，这就为我们提出简化模型提供了思路。回归参数表中回归系数的t统计量的p值，表征了该系数的显著性水平，也表征了该项因素对于因变量判定的影响程度。因此以此为衡量的标准来筛选7项相关因素，保留其中的主因项，去除非主因素的干扰，重新构建模型，以达到简化模型和提高精度的目的。 二、