發(fā)布時間：2020-03-29 20:49

【摘要】：目的:分別采用Logistic回歸和分類樹模型分析探討慢性腎臟病(chronic kidney disease,CKD)非透析患者蛋白質(zhì)-能量消耗(protein-energy wasting,PEW)的發(fā)病情況及相關(guān)危險因素,旨在為臨床防治提供理論依據(jù)。方法:收集我院腎臟內(nèi)科2017年1月-2018年6月CKD1-5期非透析患者的臨床資料,根據(jù)入排標準納入研究對象。按照PEW臨床診斷標準分為PEW組和非PEW組。比較兩組間各臨床指標的差異;分別用Logistic回歸和分類樹模型分析PEW的危險因素,并通過ROC曲線對兩種方式的有效性進行評估;研究分類樹模型篩選出的解釋變量之間的關(guān)系,相關(guān)分析根據(jù)變量的具體情況選擇Pearson/Spearman相關(guān)分析。結(jié)果:1.(1)本次研究共納入CKD1-5期非透析患者400例,合并PEW的患者共有217例,男性121例,女性96例,平均年齡(52.13±17.08)歲;非PEW的患者有183例,男性101例,女性82例,平均年齡(48.72±15.27)歲;總體PEW的患病率為54.25%。(2)PEW組與非PEW組相比,PEW組患者在年齡(P=0.03)、CRE(P=0.012)、Urea(P=0.048)、UA(P=0.006)、PTH(P=0.038)、UACR(P0.001)等指標上高于非PEW組的患者;在e GFR(P=0.003)和Hb(P0.001)上明顯低于非PEW組的患者,差異有統(tǒng)計學(xué)意義。但在性別、MAP、LDL-C、糖化血紅蛋白(Hb Alc)、GLU、Ca、P、Mg等項目上的差異無統(tǒng)計學(xué)意義。2.(1)Logistic回歸分析顯示:Hb(P=0.003)、CRE(P0.001)、HCO3(P0.001)、UA(P=0.006)、CRP(P=0.002)是發(fā)生PEW的獨立危險因素,(2)構(gòu)建的分類樹模型有3層,包括15個結(jié)點,其中9個終末結(jié)點,從20余個預(yù)測變量中篩出5個解釋變量:PTH、CRE、Hb、UACR和CRP;(3)分類樹模型篩選出5個解釋變量,將相鄰兩層中可能具有相關(guān)性的變量進行Pearson/Spearman相關(guān)分析,結(jié)果顯示:PTH與Hb(r=-0.257、P0.001)、CRE與Hb(r=-0.409、P0.001)呈負性相關(guān);PTH與CRE(r=0.304、P0.001)、CRE與CRP(r=0.100、P=0.046)、CRE與UACR(r=-0.225、P0.001)呈正性相關(guān)。3.兩種分析方法所得的預(yù)測概率繪制ROC曲線。Logistic回歸的ROC曲線下面積(area under curve,AUC)為0.722,分類樹模型ROC曲線的AUC為0.859。經(jīng)z檢驗,兩模型的AUC比較差異有統(tǒng)計學(xué)意義(Z1.96,P0.05)。結(jié)論:1.在CKD非透析患者中,PEW的發(fā)病率高,CRE、Hb、CRP及PTH等因素與PEW的發(fā)生密切相關(guān)。2.與Logistic回歸分析相比較,分類樹模型對CKD患者PEW的發(fā)生有更好的的預(yù)測價值。
【圖文】：

圖 1 PEW 的診斷標準1.2.4 統(tǒng)計學(xué)方法采用 SPSS22.0 軟件進行數(shù)據(jù)的統(tǒng)計學(xué)處理。對收集到的變量資料進行統(tǒng)一量化和編碼，定量資料用 X S表示，采用 t 檢驗進行分析，，定性資料用2 檢驗進行分析。分別采用 Logistic 回歸和分類樹模型研究 PEW 的相關(guān)危險因素；繪制兩模型的 ROC 曲線，對其結(jié)果進行評價；對分類樹模型篩選出的解釋變量，根據(jù)變量具體情況進行 Pearson/Spearman 相關(guān)分析。以 P<0.05 為差異有統(tǒng)計學(xué)意義。應(yīng)用 Exhaustive CHAID 模型方法構(gòu)建分類樹模型，對樹進行剪枝以防止樹型的過度擬合，模型中參數(shù)合并與拆分的顯著性檢驗水準均為 0.05，分類樹模型能夠自動識別連續(xù)變量的最佳分界點，并對其進行有效的拆分。設(shè)定最大的生長層數(shù)為 4

節(jié)點 危險人群結(jié)點 增益（PEW） 響應(yīng)（%） 指數(shù)(%)總例數(shù)（N）百分比（%）例數(shù)（n）百分比（%）（n/N） (nNnN00)13 PTH＞54.64且78.2＜CRE≤133.7且UACR＞4.33 132 33.0 112 51.6 84.8 156.315 PTH＞54.64且CRE＞133.7且CRP為異常 37 9.3 30 13.8 81.1 149.514 PTH＞54.64且CRE＞133.7且CRP為正常 106 26.5 66 30.4 62.3 114.810 PTH＞54.64且CRE≤78.2且HB≤122.0 6 1.5 3 1.4 50.0 92.29 41.32＜PTH≤54.64且HB≤129且 12 3.0 5 2.3 41.7 76.911 PTH＞54.64且CRE≤78.2且HB＞122.0 34 8.5 1 0.5 2.9 5.34 PTH≤54.64且HB>129 57 14.3 0 0.0 0.0 0.08 PTH≤41.32且HB≤129 11 2.8 0 0.0 0.0 0.012 PTH＞54.64且78.2＜CRE≤133.7且UACR≤4.33 5 1.3 0 0.0 0.0 0.0
【學(xué)位授予單位】：山西醫(yī)科大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R692

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 杜琳;劉偉佳;劉偉;林漢生;麥錦城;何秀芳;張維蔚;林國楨;;SPSS中的分類樹模型在分析傷害影響因素中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計;2010年05期

2 侯小東;杜詠梅;劉新民;程森;;分類樹模型在煙草農(nóng)業(yè)研究中的應(yīng)用[J];中國煙草科學(xué);2012年05期

3 張晗希;劉聰;李藝然;喬佳穎;許志夢;曾澄波;李凌華;蔡衛(wèi)平;郭艷;;HIV/AIDS患者自殺危險因素分類樹模型篩選[J];中國公共衛(wèi)生;2018年12期

4 趙自強;鄭明;;應(yīng)用分類樹模型篩選logistic回歸中的交互因素[J];中國衛(wèi)生統(tǒng)計;2007年02期

5 劉建平;程錦泉;張仁利;耿藝介;聶紹發(fā);;應(yīng)用分類樹模型構(gòu)建缺血性腦卒中發(fā)病風(fēng)險的預(yù)測模型[J];中國慢性病預(yù)防與控制;2012年03期

6 張勇晶;陳坤;金明娟;范春紅;;應(yīng)用分類樹模型篩選惡性腫瘤危險因素的研究[J];中華流行病學(xué)雜志;2006年06期

7 錢雪亞;劉煥香;陳志;;成本、收益:工資效應(yīng)的企業(yè)異質(zhì)性[J];統(tǒng)計研究;2013年11期

8 張劍鋒;高春芳;王秀麗;鄭國寶;李冬暉;沈東海;;結(jié)直腸癌分類樹模型建立的初步探討[J];中華消化雜志;2007年07期

9 孫月;陳菲;屈會;雷雪;嚴云膺;吳小翎;;基于分類樹模型的老年人智慧健康養(yǎng)老服務(wù)購買意愿影響因素分析[J];現(xiàn)代預(yù)防醫(yī)學(xué);2018年18期

10 謝遠濤;楊娟;王穩(wěn);;Logistic與分類樹模型變量篩選的比較——基于信用卡郵寄業(yè)務(wù)響應(yīng)率分析[J];統(tǒng)計與信息論壇;2011年06期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 曾潔;林愛華;;分類樹模型下腦卒中影響因素分析及發(fā)病風(fēng)險預(yù)測[A];2017年中國衛(wèi)生統(tǒng)計學(xué)學(xué)術(shù)年會論文集[C];2017年

2 陳坤;張勇晶;金明娟;范春紅;;應(yīng)用分類樹模型篩選乳腺癌危險因素的研究[A];應(yīng)對突發(fā)公共衛(wèi)生事件論壇論文集[C];2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 張琪琪;慢性腎臟病非透析400例患者蛋白質(zhì)能量消耗危險因素的相關(guān)研究[D];山西醫(yī)科大學(xué);2019年

2 陳志;工資效應(yīng)的測度及差異性分析[D];浙江工商大學(xué);2012年

3 彭婷婷;早產(chǎn)影響因素的分類樹模型和交互作用分析[D];山西醫(yī)科大學(xué);2015年

4 解冰潔;基于分類樹模型的妊娠期糖尿病影響因素分析[D];山西醫(yī)科大學(xué);2016年

本文編號：2606500