目的多發(fā)性骨髓瘤是血液系統(tǒng)中常見的惡性腫瘤,其發(fā)病率近年來逐年增高。當合并腎損傷時,多數(shù)患者表現(xiàn)為腎小球濾過率下降,從而易導(dǎo)致該部分患者首診于腎內(nèi)科,被誤診為腎臟疾病。本研究基于臨床信息建立多發(fā)性骨髓瘤合并腎損傷和慢性腎臟病/腎病綜合征的鑒別診斷模型,進而尋找疾病間鑒別更有效的模型以及探索疾病間的差異指標,為臨床上疾病的準確診斷提供方法學(xué)依據(jù),且進一步提高對疾病間檢查指標差異的認識,為今后此類疾病的診斷提供輔助。方法研究對象為2019年1月-2019年12月在鄭州市某三甲醫(yī)院血液科收院在治的多發(fā)性骨髓瘤合并腎損傷患者77例,作為病例組;腎內(nèi)科收院在治的腎臟疾病患者112例,包括30例慢性腎臟病患者和82例腎病綜合征患者,作為對照組。同時,收集研究對象的臨床資料包括人口學(xué)特征、臨床癥狀、血生化指標和免疫學(xué)指標,并按3:1的比例將研究對象隨機分成訓(xùn)練集和預(yù)測集。首先,采用t檢驗、χ2檢驗或非參數(shù)檢驗對臨床信息進行單因素分析,確定納入模型的變量;其次,以單因素分析有意義的變量作為輸入變量,以患有多發(fā)性骨髓瘤合并腎損傷或腎臟疾病作為輸出變量,利用訓(xùn)練集建立支持向量機（Support Vecto... 

【文章來源】：鄭州大學(xué)河南省 211工程院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３．１模型的數(shù)據(jù)流??

?＾???３．２．２?ＳＶＭ?模型??經(jīng)過優(yōu)化訓(xùn)練后，建立ＳＶＭ模型，其分類結(jié)果見圖３．２、圖３．３和表３．４。??由圖３．２表明：在ＳＶＭ模型中，重要性占比大于０．０５的變量依次為：骨痛、??ＬＤＨ、年齡、下肢水腫、Ａ／Ｇ、Ｍ蛋白分型、蛋白尿、ＩｇＭ、Ｃｒ、ＩｇＧ和（３２－ＭＧ。??ＳＶＩ??Ｔａｒｇｅｔｓ：分組??ｉ?ｉ?（??ＬＤＨ－＂?ｉ?］??年齡－?；?￣１??：？?．－：ｊ?Ｉ??Ａ／ｔ－?｜?￣￣１?；??凡浪穴分幫一￣￣＇?：￣ｌ?：?＼??３？ｆｉｇ－?；＇：ｌ??＇??＞?？?＜??Ｉｇ）Ｔ?：?Ｉ??＇?？?ｆ??Ｃｒ＿?．．…．１?．１－＾１?：?；??Ｉｇ＆－?—??Ｐ２－Ｋ＆－?：１??Ｆ＝Ｆ?１?１???０．?００?０．?０５?０．?１０?０．?１５?〇．?２０??圖３．２?ＳＶＭ模型中重要性占比大于０．０５的變量??圖３．３和表３．４表明，建立的ＳＶＭ模型的分類預(yù)測準確度為８４．３１％，在８??個錯誤預(yù)測樣本中，病例組被誤判為對照組的有５個，對照組被誤判為病例組的??為３個。??白?Ｃｏｍｐａｒｉｎｇ?￥Ｓ－分組?ｗｉｔｈ?分組??１?ｒ，Ｐａｒｔｉｔｉｏｎ，?１?一Ｔｒａｉｎｉｎｇ?２＿Ｔｅｓｔｉｎｇ??Ｃｏｒｒｅｃｔ?１３１?９４．９３％?４３?８４．３１％??｜Ｗｒｏｎｇ?７?５．０７％?８?１５．６９％??ｊ?丨?Ｔｏｔａｌ?１３８?５１???Ｂ?Ｃｏｉｎｃｉｄｅｎｃｅ?Ｍａｔｒｉｘ?ｆｏｒ?￥Ｓ－分組（ｒｏｗｓ?ｓｈｏｗ?ａｃｔｕａｌｓ）??＾Ｐ

????圖３．５和表３．５表明：建立的ＤＴ模型的分類預(yù)測準確度為９０．２０％，在５個錯誤??預(yù)測樣本中，病例組被誤判為對照組的有４個，對照組被誤判為病例組的為１個。??Ｂ…Ｃ〇ｍｐａｒｉｎｇ?ｗｉｔｈ????，Ｐａｒｔｉｔｉｏｎ，?ｌｌＪｒａｉｎｉｎｇ?２＿Ｔｅ?ｓｔｉｎｇ￣￣??Ｃｏｒｒｅｃｔ?１３３?９６．３８％?４６?９０．２％??Ｉ?？…Ｗｒｏｎｇ?５?３．６２％?５?９．８％??ｊ?［Ｔｏｔａｌ?１＿３８?５１???白?Ｃｏｉｎｃｉｄｅｎｃｅ?Ｍａｔｒｉｘｆｔｆ?￥Ｃ－分組（ｒｏｗｓ?ｓｈｏｗ?ａｃｔｕａｌｓ）??＂Ｐａｒｔｉｔｉｏｎ＾?１＿Ｔｒａｉｎｉｎｇ０?Ｆ??；…．０?７６?４??１?１?５７??？Ｐａｒｔｉｔｉｏｎ１?＝?２＿Ｔｅｓｔｉｎｇ?０?１??Ｌ．．?〇?３１?１??ｈ?、?４?ｉ５｜??圖３．５?ＤＴ模型對訓(xùn)練集和預(yù)測集的分類結(jié)果??表３．５ＤＴ模型預(yù)測集結(jié)果（ｎ＝５１）??ＤＴ預(yù)測結(jié)果??分組???合計???病例組?對照組???病例組?］５?４?１９??對照組?１?３］?３２??合計?１６?３５?５１??３．２．４?ＡＮＮ?模型??利用ＢＰ神經(jīng)網(wǎng)絡(luò)，經(jīng)過優(yōu)化訓(xùn)練后，建立ＡＮＮ模型，其分類結(jié)果見圖３．６、??圖３．７和表３．６。??由圖３．６表明：在ＡＮＮ模型中，重要性占比大于０．０５的變量依次為：下肢??水腫、骨痛、ＩｇＧ、Ｃｒ、年齡、ＬＤＨ、Ｍ蛋白分型、貧血（乏力、頭暈）和蛋白??尿。??１９??

【參考文獻】：
期刊論文
[1]Clinical value evaluation of serum markers for early diagnosis of colorectal cancer[J]. Wen-Yue Song,Xin Zhang,Qi Zhang,Peng-Jun Zhang,Rong Zhang.  World Journal of Gastrointestinal Oncology. 2020(02)
[2]基于聚類分析的癌癥病人癥狀群及其與生活質(zhì)量、炎癥因子的關(guān)系[J]. 龐秋萍,姬艷博,許翠萍.  護理研究. 2019(24)
[3]初診多發(fā)性骨髓瘤患者的血清游離輕鏈對腎功能及預(yù)后的影響[J]. 陳旭端,駱曉峰,祖燕萍,葉洪,李琳琳,陳巧玲,謝文珍,楊婷,胡建達,魏立新.  中國實驗血液學(xué)雜志. 2019(06)
[4]常見新近決策樹算法及其在衛(wèi)生領(lǐng)域中的應(yīng)用[J]. 林文怡,宛小燕,劉元元.  現(xiàn)代預(yù)防醫(yī)學(xué). 2019(23)
[5]校準血鈣和PTH在多發(fā)性骨髓瘤合并高鈣血癥中的臨床意義[J]. 孫彤,王冬蓮,陳霄峰.  全科醫(yī)學(xué)臨床與教育. 2019(11)
[6]不同類型慢性腎病患者血清游離輕鏈表達及對預(yù)后判斷的價值[J]. 李春梅,繆衛(wèi)華,張梅香,李麗霞,唐汝新,杜海珍.  國際免疫學(xué)雜志. 2019(06)
[7]多發(fā)性骨髓瘤腎損害患者的血清免疫固定電泳和尿蛋白性質(zhì)的關(guān)系分析[J]. 俞凱.  現(xiàn)代實用醫(yī)學(xué). 2019(10)
[8]聯(lián)合檢測D-D、LDH、FGF23在慢性腎衰中的臨床意義[J]. 儲云鵬,鄧瑩,盛小花,趙泱泱,吳雪江,李陽,李文婷.  科學(xué)技術(shù)創(chuàng)新. 2019(28)
[9]基于臨床數(shù)據(jù)的胃癌篩查模型研究[J]. 楊榮,陳譽,高紅梅,陳先來.  中國醫(yī)學(xué)物理學(xué)雜志. 2019(09)
[10]基于貝葉斯網(wǎng)絡(luò)的典型關(guān)節(jié)炎代謝譜研究[J]. 李憶濤,桑潮,梁丹丹,陳天璐.  轉(zhuǎn)化醫(yī)學(xué)雜志. 2019(04)

博士論文
[1]貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)及其應(yīng)用研究[D]. 胡春玲.合肥工業(yè)大學(xué) 2011

碩士論文
[1]多生支持向量機及其優(yōu)化方法研究[D]. 安悅瑄.中國礦業(yè)大學(xué) 2019
[2]非參數(shù)回歸方法與貝葉斯網(wǎng)絡(luò)的研究及應(yīng)用[D]. 周迎超.長春理工大學(xué) 2019
[3]聚類分析中最佳聚類數(shù)確定方法研究[D]. 張雄.南京郵電大學(xué) 2018
[4]貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法研究與實現(xiàn)[D]. 雷江南.西安電子科技大學(xué) 2018
[5]多發(fā)性骨髓瘤合并腎功能損害的相關(guān)因素分析[D]. 張亞蘭.遵義醫(yī)學(xué)院 2018
[6]隨機支持向量機分類方法研究及其應(yīng)用[D]. 張津.成都理工大學(xué) 2018
[7]數(shù)據(jù)挖掘中決策樹分類算法的研究與改進[D]. 徐洪偉.哈爾濱工程大學(xué) 2010



本文編號：3440001