헬리코박터 파일로리(이하 Hp) 감염은 국제적인 문제가 되었으며, 중국의 Hp 감염률은 약 50~90%로 선진국 평균 수준(50~70%)보다 높습니다. 헬리코박터 파일로리 감염은 우리나라의 공중 보건 위기가 되었습니다. 현재 중국에서는 H. pylori 감염 경로와 위험한 행동에 대해 합의가 이루어지지 않았으며, 질병에 영향을 미치는 요인을 어떻게 효과적으로 찾아내는지도 연구에서 논의할 가치가 있는 주제입니다.
오늘날의 AI 인공지능 기술과 빅데이터 분석은 연구와 보조분석에서 중요한 역할을 할 수 있습니다. 본 연구에서는 광둥성 중산시 한의학병원 담당 약사 위안이밍, 데이터를 사용하여 상대적 특징 데이터와 결과 사이의 선형 관계를 탐색하는 방법을 공유하고, 기계 학습의 시각화 및 해석성을 완전히 적용하여 중국 HP의 감염 패턴과 위험한 행동을 이해하고 사용하기 쉽고 경제적 예측 감염 모델은 무증상 감염에 대한 참고 자료를 제공합니다.
본 연구에서는 내시경 및 신체검사센터에서 헬리코박터 파이로리 검출을 위한 탄소13 및 탄소14 호흡검사나 위내시경 점막검사를 받은 건강한 사람을 연구대상으로 선정하였다.
연구진은 전문가와 문헌 데이터를 바탕으로 헬리코박터 파일로리 감염과 관련된 2개 범주와 다중 범주로 구성된 비규모 전자 설문지를 설계했다. 설문지 양식은 ① 환자 기본정보 양식, ② 임상양상 양식, ③ 생활 및 식습관 양식 등 3차원 63개 변수로 구분된다.
연구원은 JMP Pro를 사용하여 데이터에 대한 통계 분석을 수행했습니다. 먼저, 데이터에 대해 단일요인분석을 수행한 후 다중 로지스틱 회귀분석을 수행하여 예측모델을 구축하고, 마지막으로 모델효과항의 결과를 바탕으로 포레스트 플롯을 작성하였다.
주요 분석 아이디어 및 단계
1단계: 기존 데이터 정리
JMP를 사용하면 배치 변수를 분류하고 관리할 수 있습니다. 수집된 변수는 정성변수이므로 JMP Pro의 모든 변수에 대해 표준화된 열 특성 연산을 수행하고 모든 변수를 일률적으로 문자명 변수로 변환합니다.
2단계: 유효성 검사 열 생성
JMP의 검증 기능을 이용하면 데이터를 훈련 세트와 검증 세트로 분류할 수 있습니다. 훈련 그룹과 검증 그룹은 아래와 같이 7.5:2.5에 따라 무작위로 선택됩니다.
3단계: 단일 요인 분석
비상분석과 유통 플랫폼을 통해 사람들이 바닥에 살고 있고, 복통, 위산 역류, 복부 팽만감, 식욕 부진, 구취, 입 쓰림, 배에서 꼬르륵 소리가 나고, 배고픔, 빈혈, 집에서 점심을 요리하고, 담배를 피우는 등의 증상이 있는 것을 알 수 있습니다. , 외출 시 대중교통을 이용하며, 젓가락, 서빙용 젓가락 사용 습관, 가족 및 친구 감염 여부를 제외한 다른 변수에서는 통계적 유의성이 없습니다.
4단계: 다요인 분석
JMP에서 '분석' 메뉴 → '를 클릭합니다. 모델에 적합 (맞춤 모델) ”(그림 2) 팝업 대화 상자에서 헬리코박터 파일로리 감염 여부를 “Y”로 가져오고, 분석할 독립변수를 “Constructed Model Effect” 상자로 가져옵니다. 생성된 검증 컬럼을 기반으로 검증합니다.
아래 그림의 효과우도비 검정을 통해 입냄새 확률, 구취 확률, 공용 젓가락 사용 여부, 집에서 점심 요리하기, 공용 젓가락 사용 습관, 빈혈, 가족의 층 수 등을 알 수 있습니다. 거주 지역은 카이제곱보다 크며 이는 통계적으로 유의미합니다.
효과 요약 결과에서 독립변수의 기여도를 확인할 수 있습니다.
효과 요약 결과(그림) 중 이 부분은 각 변수의 기여도 값을 반영하는데, 주로 LogWorth 값이 반영되는데, LogWorth 값은 -log와 같습니다. 10 피.
아래 그림에서 볼 수 있듯이 15개의 독립변수 중 호흡, 구취, 젓가락 사용 습관이 가장 큰 영향을 미친 반면 메스꺼움과 복통은 그 영향이 더 작았습니다. 이 결과는 독립변수의 기여도를 직관적으로 반영할 수 있으며, 향후 변수 선별을 위한 참고자료로도 활용될 수 있습니다. 전체 모형 검정 결과, 확률 > 카이제곱 값이 0.001 미만으로 나타나 모형이 통계적으로 유의하다는 것을 증명합니다. 여기서 기여도 값이 낮은 변수는 삭제됩니다.
삭제 전
삭제 후
모수 추정
매개변수 추정(그림)을 통해 해당 예측 모델의 공식을 얻을 수 있을 뿐만 아니라 각 변수가 최종 관찰에 미치는 영향도 얻을 수 있습니다.
모델 검증
훈련군과 검증군의 ROC 곡선 아래 면적은 각각 0.7334(95% CI 0.709~0.784), 0.7153(95% CI 0.6729~0.7577)이었다. 분석 결과 모델은 양호한 수준입니다.
산림지도를 바탕으로 어떤 요인이 보호요인이고 어떤 요인이 위험요인인지 판단
다중 로지스틱 회귀 결과 및 OR 값 테이블을 저장하고 일련의 OR 데이터를 기반으로 그래프 생성기에서 포리스트 플롯을 만듭니다.
단일요인 회귀분석을 통해 다요인 회귀분석을 통해 다음과 같은 사실을 알 수 있다. 팽만감, 구취, 점심 ( 집에서 요리해 보세요 ) , 집에서나 외출할 때 서빙용 젓가락을 사용하는 습관이 있는지, 가족이 감염되었는지, 거주하는 층수 등이 헬리코박터균 감염의 주요 요인입니다. 산림지도를 통해 어떤 요소가 보호요소이고, 어떤 요소가 위험요소인지 확인할 수 있습니다.
요약하면, 헬리코박터 파일로리의 감염특성과 위험행동요인을 분석함으로써 헬리코박터 파일로리의 감염경로 탐색에 대한 방향을 제시하고, 구축된 모델을 바탕으로 치료전 간호전략을 수립할 수 있다.
원본 텍스트 색인 : 헬리코박터 파일로리 감염 환자의 예측 모델 및 예방 전략 구축을 위한 데이터 마이닝 [제이]. 위장병학 및 간장학 저널 ,2022,31(09): 992-998.
본 사례 연구의 아이디어와 방법에 관심이 있거나 저자와 더 깊이 있는 토론을 하고 싶다면 4월 27일 14:00~15:30에 열리는 JMP 온라인 세미나에 등록하시기 바랍니다.
등록하려면 여기를 클릭하세요
그때 Yuan 박사가 JMP 생방송실을 방문하여 이 사례 연구에 대한 귀중한 분석 아이디어와 경험을 자세히 공유할 것입니다. 멋진 콘텐츠, 놓치지 마세요! 지금 JMP 17을 30일 동안 무료로 사용해 보세요 .
추천 도서:
