Die Infektion mit Helicobacter pylori (im Folgenden als Hp bezeichnet) ist zu einem internationalen Problem geworden. Die Infektion mit Helicobacter pylori ist in meinem Land zu einer Krise der öffentlichen Gesundheit geworden. Über den Weg der Hp-Infektion und das Risikoverhalten in China besteht derzeit kein Konsens, wie man die Einflussfaktoren der Erkrankung effektiv herausfinden kann, ist auch ein diskussionswürdiges Thema in der Forschung.
Die heutige KI-Technologie für künstliche Intelligenz und Big-Data-Analyse kann eine wichtige Rolle in der Forschung und Hilfsanalyse spielen. In dieser Studie, der Chefapotheker des Zhongshan-Krankenhauses für traditionelle chinesische Medizin, Provinz Guangdong Yüan Yiming, Teilen Sie mit, wie er Data Mining verwendet, um die lineare Beziehung zwischen relativen Merkmalsdaten und Ergebnissen zu untersuchen, die Visualisierung und Interpretierbarkeit des maschinellen Lernens vollständig anwendet, darauf abzielt, den Infektionsmodus und das gefährliche Verhalten von Hp in China zu verstehen, und eine praktische und wirtschaftliche The Predictive etabliert Infektionsmodell bietet eine Referenz für asymptomatische Infektionen.
Als Untersuchungsobjekte wurden in dieser Studie gesunde Personen ausgewählt, die im Endoskopie- und Untersuchungszentrum Kohlenstoff-13- und Kohlenstoff-14-Atemtests oder Schleimhauttests unter Gastroskop zur Überprüfung des Nachweises von Helicobacter pylori erhielten.
Die Forscher entwarfen auf der Grundlage von Experten- und Literaturdaten einen nicht skalierten elektronischen Fragebogen, der aus zwei Kategorien und mehreren Kategorien im Zusammenhang mit Helicobacter-pylori-Infektionen bestand. Der Fragebogen gliedert sich in drei Dimensionen mit 63 Variablen: ①Formblatt Patientenbasisinformation, ②Formblatt klinische Manifestation und ③Formblatt Lebens- und Essgewohnheiten.
Die Forscher verwendeten JMP Pro für die statistische Analyse der Daten. Zuerst wurde eine Einzelfaktoranalyse an den Daten durchgeführt, dann wurde eine multiple logistische Regressionsanalyse durchgeführt, um ein Vorhersagemodell zu erstellen, und schließlich wurde ein Walddiagramm basierend auf den Ergebnissen der Modelleffektelemente gezeichnet.
Hauptanalyseideen und -schritte
Schritt 1: Datenbereinigung für vorhandene Daten
Batch-Variablen können mit JMP klassifiziert und verwaltet werden. Da es sich bei den erfassten Variablen um qualitative Variablen handelt, führt JMP Pro standardisierte Spaltenfunktionsoperationen für alle Variablen durch und wandelt alle Variablen einheitlich in zeichenartige Namensvariablen um.
Schritt zwei: Generieren Sie Validierungsspalten
Mit der Validierungsfunktion von JMP können die Daten in Trainingsset und Validierungsset klassifiziert werden. Wählen Sie gemäß 7.5:2.5 die Trainingsgruppe und die Verifizierungsgruppe zufällig aus, wie in der folgenden Abbildung gezeigt:
Schritt drei: Univariate Analyse
Durch die Notfallanalyse und die Distributionsplattform kann festgestellt werden, dass der lebende Boden der Masse, Magenschmerzen, Sodbrennen, Blähungen, Appetitlosigkeit, Mundgeruch, bitterer Mund, Magenklingeln, Hunger, Anämie, Kochen zu Hause für Mittagessen, Rauchen und Benutzung öffentlicher Verkehrsmittel beim Ausgehen Außer Essstäbchen, der Gewohnheit, Essstäbchen zu servieren, und ob Familienmitglieder und Freunde infiziert sind, haben andere Variablen keine statistische Bedeutung.
Schritt vier: Multivariate Analyse
Klicken Sie in JMP auf das Menü „Analysieren“ → „ Modell passen (Fit-Modell) " (Abbildung 2), importieren Sie im angezeigten Dialogfeld eine Pylori-Infektion oder nicht in "Y" und importieren Sie die unabhängigen Variablen für die multivariate Analyse in das Feld "Construction Model Effect". Validieren Sie basierend auf der generierten Validierungsspalte.
Aus dem in der folgenden Abbildung gezeigten Effektwahrscheinlichkeitsverhältnis-Test ist ersichtlich, dass die Wahrscheinlichkeit von Mundgeruch, Mundgeruch, die Verwendung von Essstäbchen zum Servieren, das Kochen des Mittagessens zu Hause, die Gewohnheit, Essstäbchen zu verwenden, Anämie und die Anzahl der Stockwerke wo der Wohnsitz lebt > Chi-Quadrat hat statistische Signifikanz.
Aus den Ergebnissen der Effektzusammenfassung können wir den Beitrag unabhängiger Variablen erkennen
Aus den Effektzusammenfassungsergebnissen (Grafik) spiegelt dieser Teil den Beitragswert der jeweiligen Variablen wider, der hauptsächlich durch den LogWorth-Wert widergespiegelt wird, der gleich -log ist 10 P.
Wie aus der Abbildung unten ersichtlich, tragen unter den 15 unabhängigen Variablen Atem, Mundgeruch und die Gewohnheit, öffentliche Essstäbchen zu benutzen, am meisten bei, während Übelkeit und Magenschmerzen einen geringeren Einfluss haben. Dieses Ergebnis kann den Beitrag unabhängiger Variablen direkt widerspiegeln und kann auch als Referenz für ein weiteres Variablen-Screening verwendet werden. Aus dem Gesamtmodelltest ist der Wert der Wahrscheinlichkeit > Chi-Quadrat kleiner als 0,001, was beweist, dass das erstellte Modell statistisch signifikant ist. Hier werden die Variablen mit geringem Beitragswert gelöscht.
Vor dem Löschen
nach Löschung
Parameterschätzungen
Durch Parameterschätzung (Abbildung) kann die Formel des entsprechenden Vorhersagemodus und der Einfluss jeder Variablen auf die endgültige Beobachtung erhalten werden.
Modell Bestätigung
Die Fläche unter der ROC-Kurve der Trainingsgruppe und der Verifizierungsgruppe betrug 0,7334 (95 % KI 0,709–0,784) bzw. 0,7153 (95 % KI 0,6729–0,7577). Nach der Analyse befindet sich das Modell auf einem guten Niveau.
Welche Faktoren sind laut Walddiagramm Schutzfaktoren und welche Risikofaktoren?
Speichern Sie die Ergebnisse der multiplen logistischen Regression und Tabellen mit OR-Werten und erstellen Sie im Graphgenerator ein Gesamtstrukturdiagramm basierend auf der Reihe von OR-Daten.
Von der univariaten zur multivariaten Regressionsanalyse kann man das sehen Blähungen, Mundgeruch, Mittagessen ( Zuhause kochen ) 1. Ob die Gewohnheit besteht, zu Hause und beim Ausgehen Essstäbchen zu verwenden, ob Familienmitglieder infiziert sind und wie viele Stockwerke das Haus bewohnt, sind die Hauptfaktoren für eine Infektion mit Helicobacter pylori. Durch die Waldkarte ist ersichtlich, welche Faktoren Schutzfaktoren und welche Risikofaktoren sind.
Zusammenfassend lässt sich sagen, dass es durch die Analyse der Infektionsmerkmale und Risikoverhaltensfaktoren von Helicobacter pylori eine Richtung für die Erforschung des Infektionswegs von Helicobacter pylori vorgibt und Pflegestrategien vor der Behandlung auf der Grundlage des konstruierten Modells formuliert.
ursprünglicher Textindex : Data Mining zum Aufbau eines Vorhersagemodells und einer Präventionsstrategie für Patienten mit Helicobacter-pylori-Infektion [J]. Zeitschrift für Gastroenterologie und Hepatologie ,2022,31(09): 992-998.
Wenn Sie an den Ideen und Methoden dieser Fallstudie interessiert sind oder sich weiter intensiv mit dem Autor austauschen und diskutieren möchten, können Sie sich gerne für das JMP-Online-Seminar am 27. April um 14:00-15:30 Uhr anmelden :
Hier anmelden
Zu diesem Zeitpunkt wird Dr. Yuan den Live-Übertragungsraum von JMP besuchen und Ihnen ausführlich die wertvollen Analyseideen und Erfahrungen dieser Fallstudie mitteilen. Wunderbarer Inhalt, nicht verpassen! Jetzt Testen Sie JMP 17 30 Tage lang kostenlos .
Literatur-Empfehlungen:
