睡眠时间及体力活动与首发缺血性脑卒中关系研究
发布时间：2021-09-17 07:29
目的探讨睡眠时间及体力活动与首发缺血性脑卒中的关系,分析首发缺血性脑卒中的影响因素,建立决策树模型,以期对首发缺血性脑卒中的发生起到一定的预警作用。方法选取2017年9月至2019年9月于本院老年医学科和神经内科诊断为首发缺血性脑卒中住院患者320例（病例组）;同期于本院健康查体中心查体且年龄、性别与前者可比的健康查体者279例（对照组）。采用统一问卷采集生活行为习惯资料如睡眠时间、体力活动、饮茶、饮酒、吸烟、饮食等;人口学资料,如性别、年龄、身高、体重、身体质量指数（BMI）;以及既往病史资料如高血压病、糖尿病、高脂血症、颈动脉硬化、心血管病。统计学软件采用SPSS 24.0,计数资料用例数和百分比表示,计量资料用x±s表示,计数资料采用c2检验,计量资料采用独立样本t检验。比较两组患者的一般临床资料。采用多因素Logistic回归分析睡眠时间、体力活动与首发缺血性脑卒中的关系,以及首发缺血性脑卒中的保护因素和危险因素。以P<0.05为差异有统计学意义。同时采用IBM SPSS Modeler 18.0软件进行决策树C5.0算法,建立首发缺血性脑卒中影响因素决策树模型,观察睡眠...
【文章来源】：青岛大学山东省
【文章页数】：47 页
【学位级别】：硕士
【部分图文】：
决策树模型各变量重要性排序
首发缺血性脑卒中影响因素决策树分析
结果134.决策树模型及Logistic回归模型预测首发缺血性脑卒中发生的ROC曲线本文对2检验、t检验中P＜0.05的影响因素采用决策树C5.0算法，并采用分层十折交叉验证，验证决策树模型准确性平均值为84.1%，标准误为1.6%。以决策树模型预测结果为检验变量，是否为缺血性脑卒中为状态变量绘制ROC曲线（见图3），得出决策树模型预测发生首发缺血性脑卒中的AUC为0.905（95%CI=0.879-0.927）,P＜0.01；Logistic回归模型预测发生首发缺血性脑卒中的AUC为0.875（95%CI=0.846-0.901），P＜0.01。两者ROC曲线比较，P＜0.05，显示两者预测能力差异有统计学意义，并且Logistic回归模型的曲线下面积较决策树模型的曲线下面积小，表明决策树模型的预测效果较好，优于Logistic回归模型。图3决策树模型及Logistic回归模型预测首发缺血性脑卒中发生的ROC曲线
【参考文献】：
期刊论文
[1]基于决策树法和Logistic回归预测神经外科老年住院患者医院感染风险的研究[J]. 樊雯婧,楼冬洁,卢新,鲜于舒铭. 中华医院感染学杂志. 2020(06)
[2]联合决策树及logistic回归建立乳腺癌相对风险预测模型[J]. 宋祖玲,刁莎,严兰平,周敏,吴林. 现代预防医学. 2019(07)
[3]中国高血压防治指南（2018年修订版）[J]. Writing Group of 2018 Chinese Guidelines for the Management of Hypertension, Chinese Hypertension League, Chinese Society of Cardiology, Chinese Medical Doctor Association Hypertension Committee, Hypertension Branch of China International Exchange and Promotive Association for Medical and Health Care, Hypertension Branch of Chinese Geriatric Medical Association;. 中国心血管杂志. 2019(01)
[4]C5.0决策树与RBF神经网络模型用于急性缺血性脑卒中出血性转化的风险预测性能比较[J]. 王海东,张璐,王洁,李晶,周莹,王国立,汪可可,彭延波,武建辉. 中华疾病控制杂志. 2019(02)
[5]急性缺血性脑卒中影响因素分析[J]. 王一,罗庆明,张志民,孟庆涛,李军. 临床军医杂志. 2018(12)
[6]基于优化决策树的脑卒中日常生活习惯风险因素分析[J]. 邵泽国,陈晨,陈炜. 现代预防医学. 2018(15)
[7]缺血性和出血性脑卒中危险因素分析[J]. 刘广会. 中国卫生工程学. 2018(02)
[8]中国2型糖尿病防治指南（2017年版）[J]. Chinese Diabetes Society;. 中国实用内科杂志. 2018(04)
[9]睡眠时间与高血压、糖尿病和冠心病关系的现况研究[J]. 董红,李连海. 临床医药文献电子杂志. 2017(78)
[10]糖尿病与缺血性脑卒中患者颈动脉硬化程度的相关性[J]. 许鹏杰,罗成宏,苏斌儒,陆伟恒,陈月富. 中华老年心脑血管病杂志. 2017(04)
博士论文
[1]脑卒中家族史、饮茶与缺血性脑卒中发病风险的前瞻性队列研究[D]. 田甜.南京医科大学 2017
硕士论文
[1]缺血性脑卒中危险因素及预后的性别差异研究[D]. 肖爽.北京协和医学院 2019
[2]基于不平衡数据的支持向量机和决策树算法的研究[D]. 侯敏杰.大连理工大学 2018
[3]轻度认知障碍影响因素预测模型研究[D]. 石宇.青岛大学 2018
[4]工作日及非工作日睡眠时间与心肌梗死及脑卒中相关性[D]. 张兵.南昌大学 2018
[5]睡眠与初发缺血性脑卒中关系的病例对照研究[D]. 何俏.中国医科大学 2018
[6]血管性认知障碍影响因素的决策树模型研究[D]. 王潇.青岛大学 2017
[7]睡眠时间与糖代谢的相关性研究[D]. 周亚茹.兰州大学 2017
[8]Logistic回归样本量确定所需自变量事件数的模拟研究[D]. 孙亚清.南方医科大学 2016
[9]基于禁忌搜索算法的贝叶斯网络在疾病预测与诊断中的应用[D]. 张雪雷.山西医科大学 2015
本文编号：3398248
【文章来源】：青岛大学山东省
【文章页数】：47 页
【学位级别】：硕士
【部分图文】：
决策树模型各变量重要性排序
首发缺血性脑卒中影响因素决策树分析
结果134.决策树模型及Logistic回归模型预测首发缺血性脑卒中发生的ROC曲线本文对2检验、t检验中P＜0.05的影响因素采用决策树C5.0算法，并采用分层十折交叉验证，验证决策树模型准确性平均值为84.1%，标准误为1.6%。以决策树模型预测结果为检验变量，是否为缺血性脑卒中为状态变量绘制ROC曲线（见图3），得出决策树模型预测发生首发缺血性脑卒中的AUC为0.905（95%CI=0.879-0.927）,P＜0.01；Logistic回归模型预测发生首发缺血性脑卒中的AUC为0.875（95%CI=0.846-0.901），P＜0.01。两者ROC曲线比较，P＜0.05，显示两者预测能力差异有统计学意义，并且Logistic回归模型的曲线下面积较决策树模型的曲线下面积小，表明决策树模型的预测效果较好，优于Logistic回归模型。图3决策树模型及Logistic回归模型预测首发缺血性脑卒中发生的ROC曲线
【参考文献】：
期刊论文
[1]基于决策树法和Logistic回归预测神经外科老年住院患者医院感染风险的研究[J]. 樊雯婧,楼冬洁,卢新,鲜于舒铭. 中华医院感染学杂志. 2020(06)
[2]联合决策树及logistic回归建立乳腺癌相对风险预测模型[J]. 宋祖玲,刁莎,严兰平,周敏,吴林. 现代预防医学. 2019(07)
[3]中国高血压防治指南（2018年修订版）[J]. Writing Group of 2018 Chinese Guidelines for the Management of Hypertension, Chinese Hypertension League, Chinese Society of Cardiology, Chinese Medical Doctor Association Hypertension Committee, Hypertension Branch of China International Exchange and Promotive Association for Medical and Health Care, Hypertension Branch of Chinese Geriatric Medical Association;. 中国心血管杂志. 2019(01)
[4]C5.0决策树与RBF神经网络模型用于急性缺血性脑卒中出血性转化的风险预测性能比较[J]. 王海东,张璐,王洁,李晶,周莹,王国立,汪可可,彭延波,武建辉. 中华疾病控制杂志. 2019(02)
[5]急性缺血性脑卒中影响因素分析[J]. 王一,罗庆明,张志民,孟庆涛,李军. 临床军医杂志. 2018(12)
[6]基于优化决策树的脑卒中日常生活习惯风险因素分析[J]. 邵泽国,陈晨,陈炜. 现代预防医学. 2018(15)
[7]缺血性和出血性脑卒中危险因素分析[J]. 刘广会. 中国卫生工程学. 2018(02)
[8]中国2型糖尿病防治指南（2017年版）[J]. Chinese Diabetes Society;. 中国实用内科杂志. 2018(04)
[9]睡眠时间与高血压、糖尿病和冠心病关系的现况研究[J]. 董红,李连海. 临床医药文献电子杂志. 2017(78)
[10]糖尿病与缺血性脑卒中患者颈动脉硬化程度的相关性[J]. 许鹏杰,罗成宏,苏斌儒,陆伟恒,陈月富. 中华老年心脑血管病杂志. 2017(04)
博士论文
[1]脑卒中家族史、饮茶与缺血性脑卒中发病风险的前瞻性队列研究[D]. 田甜.南京医科大学 2017
硕士论文
[1]缺血性脑卒中危险因素及预后的性别差异研究[D]. 肖爽.北京协和医学院 2019
[2]基于不平衡数据的支持向量机和决策树算法的研究[D]. 侯敏杰.大连理工大学 2018
[3]轻度认知障碍影响因素预测模型研究[D]. 石宇.青岛大学 2018
[4]工作日及非工作日睡眠时间与心肌梗死及脑卒中相关性[D]. 张兵.南昌大学 2018
[5]睡眠与初发缺血性脑卒中关系的病例对照研究[D]. 何俏.中国医科大学 2018
[6]血管性认知障碍影响因素的决策树模型研究[D]. 王潇.青岛大学 2017
[7]睡眠时间与糖代谢的相关性研究[D]. 周亚茹.兰州大学 2017
[8]Logistic回归样本量确定所需自变量事件数的模拟研究[D]. 孙亚清.南方医科大学 2016
[9]基于禁忌搜索算法的贝叶斯网络在疾病预测与诊断中的应用[D]. 张雪雷.山西医科大学 2015
本文编号：3398248
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3398248.html
