基于非参数交叉证实判别分析法建立社区脑膜炎诊断模型.docVIP

基于非参数交叉证实判别分析法建立社区脑膜炎诊断模型 作者：刘娟崔树起吕曼路孝琴罗艳侠贾忠伟闫宇翔郭 秀花 【摘要】目的：建立适用于社区中脑膜炎与其他中枢 神经系统疾病的鉴别诊断模型。方法：采用不等带宽核密 度估计的非参数判别分析，对中国典型病例大全近四年内 符合纳入标准的161例脑膜炎和161例非脑膜炎患者完整 的病例资料进行分析。结果：经交叉证实法得到脑膜炎组 的判别正确率为％，对照组为％，总的判断正确率％。同时对 资料进行logis tic回归和人工神经网络模型进行分析，并 进行与人工神经网络和logistic回归所建立的模型进行比 较。结论：非参数判别分析建立的脑膜炎诊断模型是理想 模型。 【关键词】非参数判别；交叉证实;诊断模型;脑膜炎 脑膜炎是由病原体引起的中枢神经系统严重的感染性 疾病。由于发病原因复杂，诊断难度大，病程凶险且可造 成流行，因此，在亚洲一些地区，流行性脑膜炎是15岁以 下的孩子死亡的主要原因之一。流行性脑膜炎在流行强度 较大的时候会导致3000?100 00人死亡［1］。脑膜炎早期的 症状不具有特异性，因此在社区医生水平有限的情况下很 难得到重视，而大部分的脑膜炎都是急性的，尤其是流行 性脑脊髓膜炎，一旦没有及时诊断，对病人的生命和愈后 都会造成很大的影响。因此，建立适合于社区的脑膜炎初 筛诊断模型对提高社区卫生服务能力是很有意义的。 1资料和方法 资料来源 在互联网上系统检索国内信息量最大且有高影响力的 《中国期刊全文数据库》(CNKI)及其新近开发的含有1 00 多万病例的医学数据库《中国典型病例大全》(Medical Case),以医学主题词表中的“脑膜炎”为关键词，以“病 例报告、病例分析”为副关键词，检索XX年1月?XX年3 月的相关临床病例。 脑膜炎病人纳入标准①数据库中有完整症状、体征和 实验室检查记录，及临床诊断明确的脑膜炎病例、病案;② 年龄＞3周岁;③首次发病或首次因脑膜炎住院的患者;④发 病前无肢体瘫痪或脑与脑神经功能障碍等的患者。 对照组病人选择标准①数据库中有完整症状、体征和 实验室检查记录及临床诊断明确，并有治疗记录的其他相 关的同期非脑膜炎的中枢神经系统病例、病案;②病人＞3 周岁且与脑膜炎病例年龄相近。 病例排除标准①患有严重并发症;②患有严重精神疾病、 痴呆者;③交叉重复的病案;④多脏器功能衰竭等严重病人； ⑤由其他医院转院过来的病人；⑥医院获得性脑膜炎病人 （如因手术感染所致）。 质量控制对病例筛选和数据录入进行质量控制：①制 定统一标准选择病例；②建立数据库，统一调查项目；③双 录入，及时纠错;④注明资料出处，从病例筛选、数据录入、 统计分析等各步分别进行核准。 研究方法 数据挖掘数据挖掘是一个利用各种分析工具在海量数 据中发现模型和数据间关系的过程［2］。临床医学上大量的 数据中蕴含着丰富的信息。利用数据挖掘技术，通过数据训 练集所训练得到的算法模型能够有效应用于疾病诊断，并获 得很高的准确率。尤其是临床上大量的数据都还为得到挖 掘利用，本研究对《中国期刊全文数据库》和《中国典型 病例大全》两个数据库中收集回顾近四年符合纳入标准的 1 61例脑膜炎和161例非脑膜炎患者完整的病例资料进行 判别分析研宄。 判别分析判别分析是根据已得到的一批分类明确的样 品，建立较好的判别函数，使产生错判的事例最少，进而 对给定的一个新样品，判断它来自哪个总体。判别分析近 年来在自然科学、社会学及经济管理学科中都有广泛的应 用。在医学上也已逐步用于疾病的诊断。本研究采用不等 带宽核密度估计的非参数逐步判别分析。下面介绍不等带 宽核密度估计的非参数判别分析的主要步骤： 首先建立判别对象X与j类中判别对象Y间的平方距 离函数： D2 (X，Y ) = (X-Y) COV-lj (X-Y) (X-Y):对象X与j类中对象Y的各相同指标差值向 量;COV -lj(X-Y)：对象X与j类中各对象Y的各相同指标 差值的协方差矩阵之逆矩阵。 其次求出判别函数： F (X/j) =n-l jSUiMexp (-5D2 (X，Yji/1R2) D2(X，Yji):对象X与j类中第i个对象Yj i间的平方 距离;R2 :各指标分别与分类变量间相关系数的平方之均值。 然后计算后验概率： Pr (j/j ) -PRIOPjF (X | j) /SUkMP RIORkF (X|k) PRIORk为k类的先验概率。 最后将判别对象判入后验概率大的类别中［3］。 统计学方法应用软件编程建立非参数判别分析模型， 对322例病例组和对照组资料进行判别归类，最后采用交 叉验证法来验证判别函数的功效。 2结果 变量赋值和单因素结果 单因素分析与判别指标的选择，首先选取以下症状或 体征作为自变量进行数据录入和单因素