ヘリコバクター・ピロリ（以下、Hp）感染が国際的な問題となっているが、中国におけるHp感染率は50～90％程度であり、先進国の平均レベル（50～70％）を上回っている。私の国ではヘリコバクター・ピロリ感染が公衆衛生上の危機となっています。現時点では、中国におけるヘリコバクター・ピロリの感染経路や危険な行動についてはまだ統一見解はなく、感染に影響を与える要因をいかに効果的に解明するかは、研究で議論される価値のあるテーマでもある。
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、広東省中山市の中医薬病院の担当薬剤師が、ユアン・イーミン相対的な特徴データと結果の間の線形関係を調査するためにデータをどのように使用するかを共有し、機械学習の視覚化と解釈可能性を完全に適用して、中国における HP の感染パターンと危険な行為を理解し、使いやすく、使いやすいシステムを確立することを目指しています。経済的 予測感染モデルは、無症候性感染の基準を提供します。
この研究は、内視鏡・健康診断センターで炭素13および炭素14呼気検査またはヘリコバクター・ピロリ検出のための胃粘膜検査を受けた健康人を研究対象として選択した。
研究者らは、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で構成されるノンスケールの電子アンケートを設計しました。アンケートフォームは、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つの項目と63の変数に分かれています。
研究者は JMP Pro を使用してデータの統計分析を実行しました。まず、データに対して単因子分析を実行し、次に重ロジスティック回帰分析を実行して予測モデルを確立し、最後にモデル効果項の結果に基づいてフォレスト プロットを描画しました。
主な分析の考え方と手順
ステップ 1: 既存のデータをクリーンアップする
JMP を使用して、バッチ変数を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ではすべての変数に対して標準化された列特徴量演算が実行され、すべての変数が一律にキャラクター名変数に変換されます。
ステップ 2: 検証列を生成する
JMP の検証機能を使用すると、データを学習セットと検証セットに分類できます。以下に示すように、トレーニング グループと検証グループは 7.5:2.5 に従ってランダムに選択されます。
ステップ 3: 単一因子分析
偶発性分析と配信プラットフォームを通じて、人々が床に住んでいる、腹痛、胃酸逆流、膨満感、食欲不振、口臭、口が苦い、お腹が鳴る、空腹、貧血、自宅で昼食を作る、喫煙していることがわかります。 、外出時に公共交通機関を利用する、箸、取り箸を使う習慣、家族や友人の感染の有無を除いて、他の変数には統計的有意性はありません。
ステップ 4: 多要素分析
JMPで「分析」メニュー→「適合モデル(適合モデル) 」（図2）のポップアップダイアログボックスで、「Y」にヘリコバクター・ピロリ感染の有無をインポートし、「構築されたモデルの効果」ボックスに分析する独立変数をインポートします。生成された検証列に基づいて検証します。
下図に示す影響尤度比検定から、口臭、口臭、共用箸の使用の有無、家庭での昼食の調理、共用箸の使用習慣、貧血、家族の階数の確率が分かります。これは統計的に有意な有意性です。
効果の要約結果から、独立変数の寄与がわかります。
効果の集計結果 (図) から、この部分は各変数の寄与値を反映しており、主に LogWorth 値に反映されます。LogWorth 値は -log と等しくなります。 10 P.
下の図からわかるように、15 の独立変数のうち、最も大きな影響を与えるのは口臭、口臭、取り箸の習慣であり、吐き気や腹痛の影響は小さいです。この結果は、独立変数の寄与を直感的に反映することができ、さらなる変数スクリーニングの参照としても使用できます。全体的なモデル検定から、確率 > カイ 2 乗の値は 0.001 未満であり、モデルが統計的に有意であることが証明されています。ここでは、寄与度の低い変数を削除する。
削除前
削除後
パラメータ推定値
パラメーター推定 (画像) を通じて、対応する予測モデルの式と、最終観測に対する各変数の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。分析後のモデルは良好なレベルにあります。
森林マップに基づいて、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判断します。
多重ロジスティック回帰結果と 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 プロットを作成します。
単一因子から多因子への回帰分析を通じて、次のことがわかります。膨満感、口臭、昼食(家で調理してください) 、自宅や外出時に取り箸を使う習慣があるかどうか、家族が感染しているかどうか、何階に住んでいるかなどがピロリ菌感染の主な要因となります。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因子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することができます。
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および治療戦略を構築するためのデータ マイニング[J]。消化器病学および肝臓学ジャーナル,2022,31(09): 992-998。
このケーススタディのアイデアや手法に興味がある場合、または著者とさらに深く議論したい場合は、4 月 27 日 14:00 ～ 15:30 に開催される JMP オンライン セミナーにご登録ください。
ここをクリックして登録してください
その際、ユアン博士が JMP 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。素晴らしい内容です、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:
