ヘリコバクター ピロリ（以下、Hp）感染症は国際的な問題となっていますが、中国のHp感染率は約50%～90%で、先進国の平均水準（50%～70%）よりも高い水準にあります。ヘリコバクター ピロリ感染は、私の国で公衆衛生上の危機となっています。現在、中国におけるHpの感染経路やリスク行動についてはコンセンサスが得られておらず、この疾患の影響因子を効果的に発見する方法もまた、研究上の議論に値するトピックです。
今日の AI 人工知能技術とビッグデータ分析は、研究と補助分析において重要な役割を果たすことができます。この研究では、広東省中山漢方病院の主任薬剤師がユアン・イミン彼がどのようにデータ マイニングを使用して相対的な特性データと結果の間の線形関係を調査し、機械学習の視覚化と解釈可能性を完全に適用し、中国での Hp の感染モードと危険な行動を理解することを目指し、便利で経済的な予測を確立するかを共有します。感染モデルは、無症候性感染の参照を提供します。
この研究では、内視鏡検査および身体検査センターでヘリコバクター・ピロリの検出を確認するために、炭素13および炭素14の呼気検査または胃内視鏡下での粘膜検査を受けた健康な人が研究対象として選択されました。
研究者は、専門家と文献データに基づいて、ヘリコバクター ピロリ感染に関連する 2 つのカテゴリと複数のカテゴリからなるノンスケールの電子アンケートを設計しました。問診票は、①患者基本情報フォーム、②臨床症状フォーム、③生活・食生活フォームの3次元に63変数に分かれています。
研究者は、データの統計分析に JMP Pro を使用しました。まず、データに対して単一因子分析を行い、次に多重ロジスティック回帰分析を行って予測モデルを構築し、最後にモデル効果項目の結果に基づいてフォレスト ダイアグラムを作成しました。
主な分析のアイデアと手順
ステップ 1: 既存データのデータクリーニング
バッチ変数は、JMP を使用して分類および管理できます。収集された変数は質的変数であるため、JMP Pro はすべての変数に対して標準化された列機能操作を実行し、すべての変数を文字型の名前変数に一様に変換します。
ステップ 2: 検証列を生成する
JMP の検証機能を使用して、データをトレーニング セットと検証セットに分類できます。 7.5:2.5 に従って、下の図に示すように、トレーニング グループと検証グループをランダムに選択します。
ステップ 3: 単変量解析
偶発分析と配信プラットフォームを通じて、群衆の生活床、胃の痛み、胃酸の逆流、膨満感、食欲不振、口臭、苦い口、胃の鳴き声、空腹、貧血、家庭での調理が原因であることがわかります。昼食、喫煙、外出時の公共交通機関の利用 箸、配膳箸の習慣、家族や友人が感染しているかどうかを除いて、他の変数は統計的に有意ではありません。
ステップ 4: 多変量解析
JMPで「分析」メニュー→「適合モデル(フィットモデル) 」（図2）、ポップアップダイアログボックスで、ピロリ菌感染の有無を「Y」にインポートし、多変量解析する独立変数を「Construction Model Effect」ボックスにインポートします。生成された検証列に基づいて検証します。
下図の効果尤度比検定から、口臭の発生確率、口臭、配膳箸の有無、家庭でのお弁当作り、膳箸の使用習慣、貧血の階数などが分かります。住宅の寿命 > カイ 2 乗には統計的有意性があります。
効果の要約結果から、独立変数の寄与を確認できます
効果の集計結果 (グラフ) から、この部分は各変数の寄与値を反映し、主に -log に等しい LogWorth 値によって反映されます。 10 p。
下の図からわかるように、15の独立変数のうち、息、口臭、公共箸の使用習慣が最も寄与し、吐き気と胃の痛みは影響が少ない.この結果は、独立変数の寄与を直接反映することができ、さらに変数をスクリーニングするための参照としても使用できます。全体的なモデル テストから、確率 > カイ 2 乗の値は 0.001 未満であり、構築されたモデルが統計的に有意であることを証明しています。ここでは、寄与度の低い変数を削除します。
削除前
削除後
パラメータ推定
パラメーター推定 (図) を通じて、対応する予測モードの式と、各変数が最終的な観測に与える影響を取得できます。
モデルの検証
トレーニング グループと検証グループの ROC 曲線下面積は、それぞれ 0.7334 (95% CI 0.709-0.784) と 0.7153 (95% CI 0.6729-0.7577) でした。分析後、モデルは良好なレベルにあります。
森林図によると、どの要因が保護要因であり、どの要因が危険要因であるか
多重ロジスティック回帰の結果と OR 値のテーブルを保存し、一連の OR データに基づいてグラフ ジェネレーターでフォレスト グラフを作成します。
単変量回帰分析から多変量回帰分析まで、次のことがわかります。息苦しさ、口臭、昼食(家で料理する) , 家庭や外出時に配膳箸を使う習慣があるか, 同居している家族に感染症があるか, 家庭が何階に住んでいるかがヘリコバクター・ピロリ感染の主な要因です.森林マップを通じて、どの要因が保護要因であり、どの要因が危険要因であるかを確認できます。
要約すると、ヘリコバクター・ピロリの感染特性とリスク行動要因を分析することにより、ヘリコバクター・ピロリの感染経路を探索するための方向性を提供し、構築されたモデルに基づいて治療前の看護戦略を策定します。
原文索引: ヘリコバクター ピロリ感染患者の予測モデルと予防戦略を構築するためのデータマイニング[J]。 Journal of Gastroenterology and Hepatology ,2022,31(09): 992-998。
この記事のケース スタディのアイデアや方法に興味がある場合、または著者とさらに深い交流や議論をしたい場合は、4 月 27 日の 14:00 ～ 15 に開催される JMP オンライン セミナーにサインアップしてください。 30:
ここでサインアップ
その際、Yuan 博士が JMP のライブ ブロードキャスト ルームを訪問し、このケース スタディの貴重な分析アイデアと経験を詳細に共有します。素晴らしい内容、お見逃しなく！今JMP 17 を 30 日間無料でお試しください.
推奨読書:
