La infección por Helicobacter pylori (en adelante, Hp) se ha convertido en un problema internacional. La tasa de infección por Hp en China es de aproximadamente el 50% al 90%, que es más alta que el nivel promedio de los países desarrollados (50% a 70%). La infección por Helicobacter pylori se ha convertido en una crisis de salud pública en mi país. Actualmente no hay consenso sobre las rutas de infección por H. pylori y los comportamientos de riesgo en China, y cómo descubrir eficazmente los factores que influyen en la enfermedad también es un tema digno de discusión en la investigación.
La tecnología actual de inteligencia artificial de IA y el análisis de big data pueden desempeñar un papel importante en la investigación y el análisis auxiliar. En este estudio, el farmacéutico a cargo del Hospital de Medicina Tradicional China de la ciudad de Zhongshan, provincia de Guangdong Yuan Yi Ming, Compartiendo cómo utiliza los datos para explorar la relación lineal entre los datos de características relativas y los resultados, aplicando plenamente la visualización y la interpretabilidad del aprendizaje automático, con el objetivo de comprender los patrones de infección y los comportamientos peligrosos de HP en China, y establecer un sistema fácil de usar y económico El modelo predictivo de infección proporciona una referencia para las infecciones asintomáticas.
Este estudio seleccionó como sujetos de investigación a personas sanas que se sometieron a pruebas de aliento con carbono 13 y carbono 14 o a una prueba gastroscópica de la mucosa para la detección de Helicobacter pylori en el centro de endoscopia y examen físico.
Los investigadores diseñaron un cuestionario electrónico sin escala compuesto por dos categorías y múltiples categorías relacionadas con la infección por Helicobacter pylori basándose en datos de expertos y de la literatura. El formulario del cuestionario se divide en tres dimensiones y 63 variables: ① formulario de información básica del paciente, ② formulario de manifestación clínica y ③ formulario de hábitos de vida y alimentación.
El investigador utilizó JMP Pro para realizar análisis estadísticos de los datos. Primero, se realizó un análisis unifactorial de los datos, luego se realizó un análisis de regresión logística múltiple para establecer un modelo de predicción y, finalmente, se dibujó un diagrama de bosque basado en los resultados de los términos de efecto del modelo.
Principales ideas y pasos del análisis.
Paso 1: limpiar los datos existentes
JMP se puede utilizar para clasificar y gestionar variables por lotes. Dado que las variables recopiladas son variables cualitativas, se realizan operaciones de características de columna estandarizadas en todas las variables en JMP Pro y todas las variables se convierten de manera uniforme en variables de nombres de caracteres.
Paso 2: generar columnas de validación
La función de verificación de JMP se puede utilizar para clasificar los datos en conjuntos de entrenamiento y conjuntos de verificación. El grupo de entrenamiento y el grupo de validación se seleccionan aleatoriamente según 7.5:2.5, como se muestra a continuación:
Paso 3: análisis de un solo factor
A través del análisis de contingencia y la plataforma de Distribución, se puede encontrar que las personas viven en pisos, tienen dolor de estómago, reflujo ácido, hinchazón, pérdida de apetito, mal aliento, boca amarga, ruidos de estómago, hambre, anemia, cocinan el almuerzo en casa, fuman. y utilizar el transporte público al salir, excepto los palillos, el hábito de utilizar palillos para servir y si familiares y amigos están infectados, no hay significancia estadística en otras variables.
Paso 4: análisis multifactorial
En JMP, haga clic en el menú "Análisis" → " Modelo de ajuste (Modelo de ajuste) "(Figura 2), en el cuadro de diálogo emergente, importe si está infectado con Helicobacter pylori en "Y" e importe las variables independientes que se analizarán en el cuadro "Efecto del modelo construido". Verifique según la columna de verificación generada.
A partir de la prueba de relación de probabilidad del efecto que se muestra en la figura siguiente, podemos ver que la probabilidad de tener aliento, mal aliento, si usar palillos públicos, preparar el almuerzo en casa, el hábito de usar palillos públicos, anemia y cuántos pisos tiene la familia. vive es > chi-cuadrado, lo cual es estadísticamente significativo.
A partir de los resultados del resumen del efecto, podemos ver la contribución de las variables independientes.
A partir de los resultados del resumen del efecto (imagen), esta parte refleja el valor de contribución de cada variable, que se refleja principalmente en el valor LogWorth, que es igual a -log 10 PAG.
Como se puede ver en la figura siguiente, entre las 15 variables independientes, los mayores contribuyentes son el aliento, el mal aliento y el hábito de usar palillos para servir, mientras que las náuseas y el dolor de estómago tienen un impacto menor. Este resultado puede reflejar intuitivamente la contribución de las variables independientes y también puede usarse como referencia para una mayor selección de variables. De la prueba general del modelo, el valor de probabilidad > chi-cuadrado es inferior a 0,001, lo que demuestra que el modelo es estadísticamente significativo. Aquí se eliminan las variables con valores de contribución bajos.
Antes de la eliminación
Después de la eliminación
estimaciones de parámetros
Mediante la estimación de parámetros (imagen) se puede obtener la fórmula del modelo de predicción correspondiente, así como el impacto de cada variable en la observación final.
Modelo de validación
Las áreas bajo la curva ROC del grupo de entrenamiento y del grupo de validación fueron 0,7334 (IC del 95%: 0,709 ~ 0,784) y 0,7153 (IC del 95%: 0,6729 ~ 0,7577), respectivamente. Tras el análisis, el modelo se encuentra en un buen nivel.
Con base en el mapa forestal, determine qué factores son factores protectores y cuáles son factores peligrosos.
Guarde la tabla de resultados de regresión logística múltiple y valores OR, y cree un diagrama de bosque en el generador de gráficos basado en la serie de datos OR.
A través del análisis de regresión unifactorial a multifactorial se puede observar que Hinchazón, mal aliento, almuerzo. ( Cocínalo en casa ) , si tiene la costumbre de utilizar palillos para servir en casa y al salir, si los miembros de su familia están infectados y en cuántos pisos vive son los principales factores de la infección por Helicobacter pylori. A través del mapa forestal podemos ver qué factores son factores protectores y cuáles son factores peligrosos.
En resumen, al analizar las características de la infección y los factores de comportamiento de riesgo de Helicobacter pylori, podemos proporcionar una dirección para explorar las vías de infección de Helicobacter pylori y formular estrategias de enfermería previas al tratamiento basadas en el modelo construido.
Índice de texto original : Minería de datos para construir modelos de predicción y estrategias de prevención y tratamiento para pacientes con infección por Helicobacter pylori [J]. Revista de gastroenterología y hepatología ,2022,31(09): 992-998.
Si está interesado en las ideas y métodos de este estudio de caso o desea tener discusiones más profundas con el autor, puede inscribirse en el seminario en línea de JMP el 27 de abril de 14:00 a 15:30:
Pulse aquí para registrarse
En ese momento, el Dr. Yuan visitará la sala de transmisión en vivo del JMP para compartir con ustedes en detalle las valiosas ideas de análisis y experiencias de este estudio de caso. ¡Maravilloso contenido, no te lo pierdas! Ahora Pruebe JMP 17 gratis durante 30 días .
Lectura recomendada:
