研究背景:川崎病(KD)發(fā)病率逐年增高,目前已取代風(fēng)濕熱成為兒童后天獲得性心臟病的首因,其治療主要依賴大劑量靜脈注射丙種球蛋白(IVIG)。但臨床數(shù)據(jù)表明約10-20%患兒對單劑IVIG治療不敏感,導(dǎo)致這部分KD患兒易發(fā)生冠狀動脈病變(CALs)甚至巨大冠脈瘤,繼而影響KD遠(yuǎn)期預(yù)后。目前已發(fā)現(xiàn)多個KD IVIG不敏感危險因子,并建立了多個預(yù)測模型,但沒有一個模型能高效運用到不同地區(qū)、不同人群。研究目的:基于醫(yī)療大數(shù)據(jù)挖掘IVIG不敏感KD的獨立危險因子,并構(gòu)建一個適合重慶地區(qū)的IVIG不敏感KD早期預(yù)測模型。研究方法:1.資料收集:本研究收集2007年10月到2017年12月間在重慶醫(yī)科大學(xué)附屬兒童醫(yī)院第一次因KD住院,且出院第一診斷為KD的患兒全部病例資料信息。2.分組:根據(jù)是否對首劑IVIG(2g/kg)敏感,將KD患兒分為IVIG敏感組KD和IVIG不敏感組KD。3.數(shù)據(jù)清洗:將所有納入KD患兒信息導(dǎo)入SQL SEVER2008,通過該軟件收集KD流行病學(xué)資料、實驗室檢驗資料及影像學(xué)檢查資料,并完成對數(shù)據(jù)的清洗工作。4.模型構(gòu)建及驗證:隨機選擇70%的數(shù)據(jù)集構(gòu)建預(yù)測模型,剩余30%用于模型的驗證。5.統(tǒng)計分析:本研究采用R語言3.4.1版進行數(shù)據(jù)分析,分類資料用百分比表示,連續(xù)性變量用均值±標(biāo)準(zhǔn)差表示。對于缺失率小于25%的變量采用多重插補法進行數(shù)據(jù)填充。對于連續(xù)性變量使用Mann-Whitney U檢驗,對于分類變量采用卡方檢驗。P值0.05被認(rèn)為具有顯著統(tǒng)計學(xué)差異。組與組之間有顯著統(tǒng)計學(xué)差異的納入多變量分析。通過LASSO回歸分析精簡變量,通過多元邏輯回歸分析確定最終獨立危險因素。Hosmer-Lemeshow用于回歸方程擬合優(yōu)度檢驗,P值0.05說明數(shù)據(jù)資料與回歸方程相符。采用ROC和AUC反應(yīng)模型的預(yù)測能力,以及模型預(yù)測的準(zhǔn)確度與靈敏度。通過方程式及列線圖來判斷患兒發(fā)生IVIG耐藥的可能性。結(jié)果:總共收集5789例KD患兒,其中符合納入標(biāo)準(zhǔn)的患兒5277例。這5277例中包括348例(348/5277,6.59%)IVIG不敏感患兒和4929例(4929/5277,93.41%)IVIG敏感患兒。單因素分析發(fā)現(xiàn)42個變量存在顯著統(tǒng)計學(xué)差異(P0.05),其中24個變量在IVIG不敏感KD組中顯著升高,18個變量顯著降低。將單因素分析有統(tǒng)計學(xué)差異的變量納入LASSO和多元邏輯回歸分析最終得出8個KD IVIG不敏感獨立危險因子包括:紅細(xì)胞分布寬度(RDW)、血小板計數(shù)(PLT)、淋巴細(xì)胞百分比(P-LYM)、總膽汁酸(TBA)、鈉離子濃度、白蛋白(ALB)、冠脈病變嚴(yán)重程度(D-CALs)和年齡�；谏鲜鼋Y(jié)果繪制列線圖和建立對數(shù)等式。新預(yù)測模型的AUC=0.74,敏感性=76%,特異性=59%。隨機抽取30%數(shù)據(jù)進行1000次模型驗證,AUC均值=0.72。新模型與此前模型的比較,發(fā)現(xiàn)新模型AUC值更高。結(jié)論:1.使用SQL能高效準(zhǔn)確收集、清洗醫(yī)療大數(shù)據(jù)資料。2.本研究發(fā)現(xiàn)3個新的IVIG不敏感KD獨立危險因子包括:RDW、P-LYM和D-CALs。并通過RDW、PLT、P-LYM、TBA、ALB、血鈉濃度、D-CALs和月齡構(gòu)建IVIG不敏感KD預(yù)測新模型,且較此前預(yù)測模型能更好預(yù)測重慶地區(qū)KD患兒IVIG不敏感。
【學(xué)位單位】：重慶醫(yī)科大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R725.4
【文章目錄】：
英漢縮略語名詞對照
中文摘要
英文摘要
前言
1 數(shù)據(jù)收集與研究方法
2 結(jié)果
3 討論
4 結(jié)論
參考文獻(xiàn)
全文總結(jié)
文獻(xiàn)綜述
    參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的學(xué)術(shù)論文

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 凌云;王建東;;淺析4~#高爐的爐缸侵蝕預(yù)測模型[J];南鋼科技與管理;2007年03期

2 谷鴻秋;王俊峰;章仲恒;周支瑞;;臨床預(yù)測模型:模型的建立[J];中國循證心血管醫(yī)學(xué)雜志;2019年01期

3 周媛;葉燁;王新彥;周宏根;王筱蓉;;零轉(zhuǎn)彎半徑割草機連續(xù)翻滾特性參數(shù)化預(yù)測模型[J];農(nóng)機化研究;2018年01期

4 劉洪太;郭云霞;;基于情景數(shù)據(jù)的火災(zāi)預(yù)測模型設(shè)計與實現(xiàn)[J];科技創(chuàng)新與應(yīng)用;2018年26期

5 王偉卿;;灰色預(yù)測模型在預(yù)測話音網(wǎng)關(guān)故障中的研究與應(yīng)用[J];計算機測量與控制;2016年11期

6 韓文倩;;灰色預(yù)測模型在山東省保費預(yù)測中的應(yīng)用[J];保險職業(yè)學(xué)院學(xué)報;2017年01期

7 楊萌;;基于灰色預(yù)測模型的山西省批發(fā)零售業(yè)人員需求分析[J];數(shù)學(xué)的實踐與認(rèn)識;2017年04期

8 崔劍;巴合提努爾·巴贊;李書欽;;燒結(jié)過程SO_2排放預(yù)測模型研究[J];資源節(jié)約與環(huán)保;2017年08期

9 張春濤;關(guān)文忠;劉學(xué)飛;;混沌時間序列的2階預(yù)測模型[J];數(shù)學(xué)的實踐與認(rèn)識;2016年05期

10 夏靜;;建設(shè)項目環(huán)境影響評價預(yù)測模型發(fā)展現(xiàn)狀[J];綠色科技;2016年08期

相關(guān)博士學(xué)位論文 前10條

1 楊居衡;多相體系蠟析出計算模型研究[D];中國石油大學(xué)(北京);2018年

2 高山硯;妊娠期糖尿病危險因素研究與預(yù)測模型構(gòu)建[D];中國醫(yī)科大學(xué);2019年

3 李金金;天津市慢性病隊列研究及風(fēng)險預(yù)測模型的建立[D];天津醫(yī)科大學(xué);2018年

4 陳玲;孕期及產(chǎn)后壓力性尿失禁風(fēng)險預(yù)測模型的構(gòu)建、驗證及應(yīng)用[D];南方醫(yī)科大學(xué);2018年

5 云科;MSM人群HIV感染風(fēng)險預(yù)測模型的建立及應(yīng)用[D];中國醫(yī)科大學(xué);2018年

6 林開陽;急診經(jīng)皮冠狀動脈介入術(shù)后對比劑腎病的危險因素分析及風(fēng)險預(yù)測模型構(gòu)建[D];南方醫(yī)科大學(xué);2018年

7 支元杰;大氣環(huán)境下小樣本金屬材料腐蝕的數(shù)據(jù)驅(qū)動預(yù)測模型[D];北京科技大學(xué);2019年

8 冉祥棟;基于深度學(xué)習(xí)的交通時間預(yù)測模型與方法研究[D];北京科技大學(xué);2019年

9 胡姍姍;藥物互作數(shù)據(jù)的挖掘與預(yù)測研究[D];安徽大學(xué);2019年

10 沈思鵬;基于生存結(jié)局的多組學(xué)預(yù)測模型統(tǒng)計學(xué)方法研究與應(yīng)用[D];南京醫(yī)科大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 譚續(xù)海;基于大數(shù)據(jù)挖掘川崎病靜脈注射丙種球蛋白不敏感的危險因子及構(gòu)建預(yù)測模型[D];重慶醫(yī)科大學(xué);2019年

2 李宜倫;基于混合預(yù)測的光伏功率預(yù)測方案設(shè)計與研究[D];沈陽工程學(xué)院;2019年

3 鄭強;基于深度學(xué)習(xí)的光伏發(fā)電量預(yù)測模型研究[D];華北電力大學(xué);2019年

4 馬利潔;Spark框架下基于變量預(yù)測模型的變壓器故障的并行化診斷[D];華北電力大學(xué);2019年

5 李薪;基于磁共振成像技術(shù)的大腦老化預(yù)測模型的研究[D];電子科技大學(xué);2019年

6 秦靖柯;基于多源數(shù)據(jù)的礦物浮選過程預(yù)測模型的研究[D];電子科技大學(xué);2019年

7 何宏周;基于深度學(xué)習(xí)的嬰兒姿勢估計算法研究[D];電子科技大學(xué);2019年

8 李幻;基于植株冠層分層孔隙率的霧滴穿透量預(yù)測模型構(gòu)建與試驗研究[D];山東農(nóng)業(yè)大學(xué);2019年

9 吳琪;建立基于生化指標(biāo)的冠心病風(fēng)險預(yù)測模型[D];杭州師范大學(xué);2019年

10 陳嫻;CIN2~+病變風(fēng)險預(yù)測模型構(gòu)建及臨床驗證[D];重慶醫(yī)科大學(xué);2019年

本文編號：2844720