神经痛各种治疗方法疗效评价.docVIP

神经痛各种治疗方法疗效评价 　　摘要：如今老年神经痛疾病在中老年人群中越来越常见，且严重影响着中老年人的身体健康。本文采用某研究人员记录的相关数据，通过极大似然估计法建立logisitic回归模型，对比两个试验治疗和安慰剂治疗，并区别性别和年龄，对其疗效进行比较分析。结果表明该模型对神经痛的各种治疗方法的评价及适用条件的认识有重要意义。 　　关键词：神经痛疗法 治疗情况 logisitic回归 　　 　　1 引言 　　神经痛为神经科一种常见病，临床上分为原发性和继发性，后者指明确病因的三叉神经痛，在三叉神经通路上，任何病变的刺激均可引起，如桥脑小脑角或半月状神经节部位肿瘤、血管畸形、动脉瘤、颅底蛛网膜炎等。原发性三叉神经痛至今病因尚无统一认识。 　　原发性三叉神经痛大多发生在老年人身上，可能与中老年人多有脑萎缩，蛛网膜下腔及脑池增大，而致脑组织下移，并且中老年人多有动脉硬化及骨质增生等有关。 　　治疗神经痛的方法通常有三种：神经周围支撕脱术、封闭治疗和药物疗法。从三种治疗方法分析，以三叉神经周围支撕脱术效果最佳，此手术损伤小，方法简单，并发症少，术后维持时间长，我们观察年龄愈大，复发率越低，故此手术特别适合于50岁以上患者。药物治疗需长期服药，且很多患者不能耐受卡马西平的副作用。封闭治疗易复发。故在药物及封闭治疗无效或效果差时，或因药物副作用患者难以忍受时，神经周围支撕脱术确实为一种行之有效的治疗方法。 　　 　　2 理论综述 　　 　　2.1 模型的提出 　　2.1.1 “LPM”模型的局限性 　　“LPM”模型，即Liner Probility Model，具体为： 。在没有引进logistic模型时，大家普遍使用的一种线性模型。但它具有一定的局限性： 　　第一，误差性非正态性。对一个二分的被解释变量，其误差项 只有两个值，当Yi=1时， ，当Yi=0时， 。显然，不满足 服从正态分布的假定； 　　第二，存在异方差性。当被解释变量为虚拟变量时，关于误差项的另外一个问题就是误差项的方差不相等，它随着X水平的变化而变化，因此最小二乘法不再适用。 　　第三，回归函数的取值范围不符合。Y等于1???0的概率应该在[0，1]之间，而一个线性函数的响应变量的取值可能超出这个范围。 　　2.1.2Logistic 模型优势 　　上述LPM模型的局限性中的非正态性可以通过增加样本量的方法来克服，而异方差性可以通过加权的方法来解决，但函数的取值范围则是一个比较麻烦的问题。Logistics模型正是在这样的需求下提出来的，它克服取值范围这个问题，且具有很好的解释意义，因此被广泛应用。 　　2.2 logisitic模型理论说明 　　本文所使用的案例只涉及到二分变量的logistic回归模型，因此下面只对二分类logistic模型做一定的说明。 　　被解释变量为二分类变量，取Y等于0或1，当Y=1时表示事件发生，其概率为 ，Y=0表示事件不发生，其概率为1- 。Y的概率分布如下： 　　表1：Y概率分别 　　Yi Probability 　　1 　　 　　0 　　 　　因此， 　　 =1*+0*（1-）== （1） 　　Logist function，得出。 　　为了克服问题三（回归函数的取值范围不符合），假设： 　　事件发生的概率： 　　 = （2） 　　事件不发生的概率： 　　 （3） 　　事件发生与不发生的概率比为 ： 　　（4） 　　对（4）式两边同时取对数，得到： 　　 （5） 　　（4）式这个值被称为事件的发生比（也即英文中的the odds of experiencing an event，简称odds）。（5）式称为对数发生比。 　　当X增加一个单位时，即X从Xi变为Xi+1，分别用Xi（0）和Xi（1）表示，则 　　odds（0）= （6） 　　 odds（1）=（7） 　　由（6）式和（7）式可以得出二者之比： （8） 　　（8）式即为常用的机会比（odds ratio，简写为OR）。 　　对logistic模型中的参数 和 的估计通常采用极大似然估计法假设有N个样本构成的总体，Y1，Y2.…，YN，从中随机抽取n各案例作为样本，观测值标注为y1，y2，…，yn，由前面所述不难得到一个观测值出现的概率为： 　　 （9） 　　因为yi独立，得到它们的联合概率函数为： 　　（10） 　　（11） 　　为了估计使 最大的参数 和 ，分别对 和 求偏导数，使偏导数分别等于0，即可计算出参数 和 的估计值。 　　3 实例分析 　　3.1 被解释变量的选取及说明 　　为了研究对神经痛老年患者的止痛作用的治疗，两个试验治疗和安慰剂治