L’infezione da Helicobacter pylori (di seguito denominata Hp) è diventata un problema internazionale: il tasso di infezione da Hp in Cina è compreso tra il 50% e il 90%, un livello superiore alla media dei paesi sviluppati (tra il 50% e il 70%). L’infezione da Helicobacter pylori è diventata una crisi sanitaria pubblica nel mio paese. Attualmente non vi è consenso sulle vie di infezione da H. pylori e sui comportamenti a rischio in Cina, ma anche come individuare in modo efficace i fattori che influenzano la malattia è un argomento degno di discussione nella ricerca.
L'odierna tecnologia di intelligenza artificiale AI e l'analisi dei big data possono svolgere un ruolo importante nella ricerca e nell'analisi ausiliaria. In questo studio, il farmacista responsabile dell'Ospedale di Medicina Tradizionale Cinese della città di Zhongshan, nella provincia del Guangdong Yuan Yiming, Condividendo il modo in cui utilizza i dati per esplorare la relazione lineare tra dati relativi alle funzionalità e risultati, applicando pienamente la visualizzazione e l'interpretabilità dell'apprendimento automatico, con l'obiettivo di comprendere i modelli di infezione e i comportamenti pericolosi di HP in Cina e stabilire un approccio facile da usare e economico Il modello predittivo delle infezioni fornisce un riferimento per le infezioni asintomatiche.
Questo studio ha selezionato come soggetti di ricerca persone sane sottoposte al test del respiro con carbonio 13 e carbonio 14 o al test gastroscopico della mucosa per il rilevamento dell'Helicobacter pylori nel centro di endoscopia ed esame fisico.
I ricercatori hanno progettato un questionario elettronico non su scala composto da due categorie e più categorie relative all’infezione da Helicobacter pylori sulla base di esperti e dati della letteratura. Il modulo del questionario è diviso in tre dimensioni e 63 variabili: ① modulo delle informazioni di base del paziente, ② modulo delle manifestazioni cliniche e ③ modulo delle abitudini di vita e alimentari.
Il ricercatore ha utilizzato JMP Pro per eseguire analisi statistiche sui dati. Innanzitutto è stata eseguita un'analisi a fattore singolo sui dati, quindi è stata eseguita un'analisi di regressione logistica multipla per stabilire un modello di previsione e infine è stato tracciato un forest plot sulla base dei risultati degli effetti del modello.
Principali idee e passaggi dell'analisi
Passaggio 1: pulire i dati esistenti
JMP può essere utilizzato per classificare e gestire le variabili batch. Poiché le variabili raccolte sono variabili qualitative, JMP Pro esegue operazioni standardizzate sulle caratteristiche delle colonne su tutte le variabili e converte uniformemente tutte le variabili in variabili di nomi di carattere.
Passaggio 2: genera colonne di convalida
La funzione di verifica di JMP può essere utilizzata per classificare i dati in set di addestramento e set di verifica. Il gruppo di addestramento e il gruppo di validazione vengono selezionati casualmente secondo 7.5:2.5, come mostrato di seguito:
Passaggio 3: analisi a fattore singolo
Attraverso l'analisi delle contingenze e la piattaforma di distribuzione, si può scoprire che le persone vivono su pavimenti, soffrono di mal di stomaco, reflusso acido, gonfiore, perdita di appetito, alitosi, bocca amara, brontolii di stomaco, fame, anemia, cucinano il pranzo a casa, fumano , e usare i mezzi pubblici quando si esce. Fatta eccezione per le bacchette, l'abitudine di usare le bacchette per servire e se familiari e amici sono infetti, non c'è significatività statistica in altre variabili.
Passaggio 4: analisi multifattoriale
In JMP, fare clic sul menu "Analisi" → " Modello adatto (Modello adatto) " (Figura 2), nella finestra di dialogo pop-up, importa se sei infetto da Helicobacter pylori in "Y" e importa le variabili indipendenti da analizzare nella casella "Effetto modello costruito". Verifica in base alla colonna di verifica generata.
Dal test del rapporto di verosimiglianza dell'effetto mostrato nella figura seguente, possiamo vedere che la probabilità di alito, alitosi, se usare le bacchette pubbliche, cucinare il pranzo a casa, l'abitudine di usare le bacchette pubbliche, l'anemia e quanti piani della famiglia vive è > chi-quadrato, che ha un significato statisticamente significativo.
Dai risultati riassuntivi degli effetti, possiamo vedere il contributo delle variabili indipendenti
Dai risultati di riepilogo degli effetti (immagine), questa parte riflette il valore del contributo di ciascuna variabile, che si riflette principalmente nel valore LogWorth. Il valore LogWorth è uguale a -log 10 P.
Come si può vedere dalla figura seguente, tra le 15 variabili indipendenti, i maggiori contributori sono l’alitosi, l’alito cattivo e l’abitudine di usare le bacchette per servire, mentre nausea e mal di stomaco hanno un impatto minore. Questo risultato può riflettere intuitivamente il contributo delle variabili indipendenti e può anche essere utilizzato come riferimento per un ulteriore screening delle variabili. Dal test complessivo del modello, il valore della probabilità > chi-quadrato è inferiore a 0,001, il che dimostra che il modello è statisticamente significativo. Qui vengono cancellate le variabili con valori di contributo bassi.
Prima della cancellazione
Dopo la cancellazione
stime dei parametri
Attraverso la stima dei parametri (immagine), è possibile ottenere la formula del modello di previsione corrispondente, nonché l'impatto di ciascuna variabile sull'osservazione finale.
Convalida del modello
Le aree sotto la curva ROC del gruppo di training e del gruppo di validazione erano rispettivamente 0,7334 (IC al 95% 0,709 ~ 0,784) e 0,7153 (IC al 95% 0,6729 ~ 0,7577). Dopo l'analisi, il modello è a un buon livello.
Sulla base della mappa forestale, determinare quali fattori sono fattori protettivi e quali sono fattori pericolosi
Salvare la tabella dei risultati della regressione logistica multipla e dei valori OR e creare un forest plot nel generatore di grafici basato sulla serie di dati OR.
Attraverso l’analisi di regressione da singolo fattore a multifattoriale, si può vedere questo Gonfiore, alitosi, pranzo ( Cucinalo a casa ) , se hai l'abitudine di usare le bacchette in pubblico a casa e quando esci, se i tuoi familiari sono infetti e su quanti piani vivi sono i principali fattori di infezione da Helicobacter pylori. Attraverso la mappa forestale possiamo vedere quali fattori sono protettivi e quali sono pericolosi.
In sintesi, analizzando le caratteristiche dell’infezione e i fattori comportamentali di rischio dell’Helicobacter pylori, possiamo fornire indicazioni per esplorare i percorsi dell’infezione dell’Helicobacter pylori e formulare strategie infermieristiche pre-trattamento basate sul modello costruito.
Indice del testo originale : Data mining per costruire modelli di previsione e strategie di prevenzione e trattamento per i pazienti con infezione da Helicobacter pylori [J]. Giornale di Gastroenterologia ed Epatologia ,2022,31(09): 992-998.
Se sei interessato alle idee e ai metodi di questo caso di studio o desideri avere discussioni più approfondite con l'autore, puoi iscriverti al seminario online JMP il 27 aprile, dalle 14:00 alle 15:30:
Clicca qui per registrarti
In quel momento, il Dr. Yuan visiterà la sala di trasmissione dal vivo di JMP per condividere con voi in dettaglio le preziose idee di analisi e le esperienze di questo caso di studio. Contenuti meravigliosi, da non perdere! Ora Prova JMP 17 gratuitamente per 30 giorni .
Lettura consigliata:
