儿童白血病已成为危害儿童生命的主要疾病,它不仅对儿童的健康造成威胁,同时也给社会和家庭带来了经济负担和精神压力。但儿童白血病也是可防可治的,它在规范治疗后比成人白血病更容易缓解;故采用适当的筛查工具,对高危儿童进行筛查、预防监测,做到对白血病患儿的早发现、早诊断、早治疗,具有十分重要的公共卫生意义。国内外已建立了多个癌种的疾病风险预测模型,但尚没有关于儿童白血病的;指标体系的建立是构建儿童白血病预测模型的关键之一,而对于白血病儿童这个特殊的人群,疾病的发生不仅与患儿的有害环境暴露相关,还与其父母亲产前、哺乳期的有害环境暴露有关;另外,各个区域的致病因素也不尽相同,各有其特点。目的本研究旨在环境危险因素流行病学分析的基础上,筛选适当的预测因素建立预测模型的指标体系,而后建立河南省儿童白血病发病风险预测模型并进行验证,为该省儿童白血病高危人群的筛选、疾病的预测及一级预防策略的制定提供支持。方法1.根据病例-对照的研究设计,于2014-2016和2017-2018年分两阶段在河南省4家医院募集住院在治的、经骨髓组织病理学确诊的白血病患儿为病例;同时,按1:1比例于病例所在同家医院的呼吸病区、消化病区及中医康复病区,募集非白血病患儿作为对照。以面对面访谈患儿父母或其他监护人的形式完成统一的调查问卷,问卷内容包含研究对象及其父、母亲的一般人口学资料、潜在疾病影响因素暴露情况等。2.利用前阶段收集的病例-对照数据,用非条件Logistic回归等方法对各指标作危险因素分析,计算人群归因危险度百分比(Population Attributable Risk Percent)。根据OR值(Odds Ratio)及其95%置信区间、PARP等结果,结合文献学习及咨询专家意见建立本次模型的指标体系。3.合并前、后两阶段募集的样本数据,按照3:1的比例将样本随机分为建模人群和验证人群,分别运用人工神经网络(Artificial Neural Network,ANN)和Logistic回归两种方法建立预测模型;在验证人群中进行模型的验证,从区分度和校准度两方面评价模型的预测效果。4.统计学处理采用IBM SPSS Statistics 21.0和R 3.3.3软件。结果1.样本募集:第一阶段募集符合标准、问卷合格的病例407例,对照407例;第二阶段募集病例120例,对照120例,合并所得样本共得病例527例、对照527例,按3:1的比例将对象随机分为建模人群790例和验证人群264例。2.预测模型指标体系的建立:根据各指标OR值、PARP的结果,结合文献学习及专家意见,最终确定15个指标作为模型的输入变量,分别为:儿童相关因素(X_1出生体质量、X_2娩出方式、X_3家庭月收入水平、X_4住宅周围空气污染史、X_5居住环境低频电磁场暴露史、X_6感冒发烧史、X_7肿瘤家族史、X_8农药杀虫剂接触史、X_9居室经常通风换气、X_(10)经常食用不健康食品史),母亲相关因素(X_(11)经常体育锻炼、X_(12)常规服用叶酸、X_(13)房屋装修史、X_(14)农药杀虫剂接触史)及父亲相关因素(X_(15)染发史)。3.预测模型的建立与验证:在建模过程中,ANN模型在逐渐纳入预测指标X_1~X_(15)后,结果显示隐含层节点数为2时,交叉验证的均方根误差最小(0.4127),受试者工作特征曲线下面积(AUC)值最大(0.864),模型的最佳临界点为0.3365,灵敏度为89.9%,特异度为61.9%,拟合优度检验P=0.773(P0.05认为模型拟合了数据,即模型的校准度较好);Logistic回归结果显示共有11个指标纳入方程,预测模型为:P=1/(1+exp[-(1.151+1.313X_8+1.214X_6+1.073X_(15)+0.953X_4+0.941X_7+0.837X_(13)+0.835X_5+0.722X_(14)+0.632X_(10)-0.683X_3-0.734X_(12))]),模型的AUC为0.842,最佳临界点为0.3252,灵敏度为89.6%,特异度为55.9%,拟合优度检验P=0.361。预测模型经验证,结果显示,ANN模型的AUC(0.878)、灵敏度(89.3%)、特异度(79.6%)及约登指数(0.648)均优于Logistic回归模型的AUC(0.847),灵敏度(85.2%),特异度(58.5%)及约登指数(0.478),且AUC的差异具有统计学意义(P=0.042),即ANN模型的区分度优于Logistic回归模型;经拟合优度检验,ANN模型的校准度(P=0.572)优于Logistic回归模型(P=0.359)。结论采用ANN和Logistic回归两种方法建立儿童白血病发病风险的预测模型,ANN模型的预测效能优于Logistic回归模型。
【学位单位】：郑州大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R733.7
【部分图文】：
人工神经网络多层前馈模型结构图
儿童白血病人工神经网络模型（ANN）
人工神经网络模型交叉验证筛选隐含层节点数结果
【参考文献】
相关期刊论文 前10条
1 李双;徐雪晶;刘美彤;赵龙宇;刘欣;;磁场暴露与儿童白血病发病风险的Meta分析[J];中国妇幼保健;2015年27期
2 唐亚婷;鲁倩;张敏妮;周亚男;董雯;王义军;;染发剂的毒性研究进展[J];科技创新与应用;2015年22期
3 李玉玲;陈春霞;王世琴;;母亲孕期苯暴露与儿童急性淋巴细胞白血病关系的Meta分析[J];环境卫生学杂志;2015年03期
4 郑黎强;张蕊;;疾病发病风险预测模型拟合度评价方法的研究进展[J];中国卫生统计;2015年03期
5 罗静;卢洁;盛光耀;王璐;徐学聚;陈音;张美霞;;围孕期父母环境危险因素暴露与儿童急性白血病发生风险的关系[J];郑州大学学报(医学版);2015年03期
6 孙倩倩;王晓成;孔盼盼;余红梅;;基于Markov模型的中国阿尔茨海默病患病趋势预测[J];中国卫生统计;2015年01期
7 彭艳英;杨旦红;穆怀典;陈伟;张伟东;;多状态Markov模型在高血压中的应用研究[J];中国全科医学;2014年19期
8 陈迪迪;张妍;施蓉;田英;季晓帆;韩开益;胡诗尧;茅淑倩;冯婧顗;高宇;;室内杀虫剂暴露与儿童急性白血病发病的关系[J];上海交通大学学报(医学版);2014年02期
9 戴明锋;金勇进;查奇芬;刘寅飞;;二分类Logistic回归插补法及其应用[J];数学的实践与认识;2013年21期
10 王文斌;辛菲;李仓廪;辛全兵;曲鹏飞;丁炎强;李杰;李国珍;;我国儿童及母亲孕期接触农药与儿童白血病关系的Meta分析[J];环境与健康杂志;2013年07期
相关硕士学位论文 前7条
1 张经纬;儿童急性淋巴细胞性白血病环境危险因素研究[D];天津医科大学;2017年
2 孙亚清;Logistic回归样本量确定所需自变量事件数的模拟研究[D];南方医科大学;2016年
3 李双;急性白血病与五种危险因素的Meta分析[D];吉林大学;2016年
4 罗静;儿童白血病的环境危险因素研究[D];郑州大学;2015年
5 李佳丽;重庆地区儿童白血病发病相关危险因素的初步研究[D];第三军医大学;2012年
6 朱新波;温州市儿童白血病的环境危险因素研究[D];安徽医科大学;2010年
7 吴丕六;儿童白血病发病危险因素相关性研究[D];重庆医科大学;2009年
本文编号：
2862579
本文链接：https://www.wllwen.com/wenyilunwen/shinazhuanghuangshejilunwen/2862579.html
