基于LogisticRegression肝纤维化无创诊断模型.PDFVIP

基于 Logistic Regression 的肝纤维化无创诊断模型 摘要 传统的肝穿刺活检是判别肝脏病因、炎症及纤维化程度的金标准，但其具有诸多 的不足之处，建立肝纤维化无创伤性诊断模型有着非常重要的现实意义。本文基于 Logistic 回归等方法分析所给数据，建立诊断模型，采用受试者 (ROC)曲线分析、聚类 分析等方法检验该模型的诊断有效性，结果表明该模型对肝纤维化无创诊断具有良好 的有效性。由于不同医院间存在分布差异，本文采用嫡判别法来判别和消除粗大误 差。聚类分析表明，嫡判别方法处理后的样本到样本中心的均值小于处理前原样本的 均值，可以有效减少数据间的分布差异。 针对问题一，通过 Spearman 相关性分析，选取相关性较强、显著性差异明显的指 标，最终选择 III 型胶原（PCIII）、IV 型胶原（CIV）、层黏连蛋白（LN）、透明质酸 （HA）与肝纤维化等级相关性呈正相关，小板计数（PLT）作为联合诊断指标。 针对问题二，在解决第一问的基础上，以联合诊断指标为自变量，二元化纤维化等 级为因变量，利用 Logistic 回归建立肝纤维化无创伤性诊断模型，得到诊断排除肝纤 维化、早期至晚期纤维化、早期肝硬化的临界值为 3.978、4.294、6.908，以 ROC 分析 为评价标准，结果表明即模型具有较好的敏感性和特异性，诊断效果良好。 针对问题三，由于样本量稀少、地区环境、设备使用情况不同等原因，各个医院 间的数据差异存在分布差异。假设造成分布差异的主要因素为样本量稀少及统计误 差，采用在样本量稀少情况下效果良好的熵判别法处理数据，可以有效的判别和消除 粗大误差。通过聚类分析表明，嫡判别方法处理后的样本到样本中心的均值小于处理 之前原样本的均值，有效减少了数据间差异。 1 一、问题重述 我国慢性肝炎患者多达数千万，其中约有十分之一到三分之一的人会发展成为肝硬 化。当患者发展成为肝硬化的过程中会有肝纤维化的病理表现。近年来的研究表明，肝 纤维化在一定程度上是可逆的。所以肝纤维化的早期诊断和肝纤维化程度的度量具有十 分重要的临床价值。目前我国临床上进行肝纤维化检查和纤维化等级分期的“金标准” 是肝穿刺活检，但是肝活检可能会存在抽样误差；同时，对患者肝活检不仅有创伤性， 还有存在并发症的风险。因此，构建简单、精确和重复性比较好的肝纤维化无创诊断模 型非常具有现实意义。 本文将建立数学模型，根据附件数据解决以下三个问题： （1）合理选择诊断肝纤维化等级的特征； （2） 构建肝纤维化无创诊断模型，并进行诊断效果评价； （3）给出减小各医院之间因为种种客观原因造成的分布差异的方法，并进行效果 评价。 二、模型假设 1.本题所给的数据是真实可信的，能够有效的反应肝纤维化程度。 2. 造成不同医院数据分布差异的主要因素为样本量稀少及统计误差。 三、符号说明 符号 意义 每一位病人的肝纤维化指数 某项指标值 样本个数 相关系数 i 诊断模型中的常数项 i=1,2,3,4，5 回归系数 诊断模型中的常数项 概率值 自变量 肝纤维化程度的对数值 2