多发性骨髓瘤合并肾损伤和慢性肾脏病与肾病综合征的鉴别诊断模型
发布时间：2021-10-16 14:47
目的多发性骨髓瘤是血液系统中常见的恶性肿瘤,其发病率近年来逐年增高。当合并肾损伤时,多数患者表现为肾小球滤过率下降,从而易导致该部分患者首诊于肾内科,被误诊为肾脏疾病。本研究基于临床信息建立多发性骨髓瘤合并肾损伤和慢性肾脏病/肾病综合征的鉴别诊断模型,进而寻找疾病间鉴别更有效的模型以及探索疾病间的差异指标,为临床上疾病的准确诊断提供方法学依据,且进一步提高对疾病间检查指标差异的认识,为今后此类疾病的诊断提供辅助。方法研究对象为2019年1月-2019年12月在郑州市某三甲医院血液科收院在治的多发性骨髓瘤合并肾损伤患者77例,作为病例组;肾内科收院在治的肾脏疾病患者112例,包括30例慢性肾脏病患者和82例肾病综合征患者,作为对照组。同时,收集研究对象的临床资料包括人口学特征、临床症状、血生化指标和免疫学指标,并按3:1的比例将研究对象随机分成训练集和预测集。首先,采用t检验、χ2检验或非参数检验对临床信息进行单因素分析,确定纳入模型的变量;其次,以单因素分析有意义的变量作为输入变量,以患有多发性骨髓瘤合并肾损伤或肾脏疾病作为输出变量,利用训练集建立支持向量机（Support Vecto...
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图３．１模型的数据流??
?＾???３．２．２?ＳＶＭ?模型??经过优化训练后，建立ＳＶＭ模型，其分类结果见图３．２、图３．３和表３．４。??由图３．２表明：在ＳＶＭ模型中，重要性占比大于０．０５的变量依次为：骨痛、??ＬＤＨ、年龄、下肢水肿、Ａ／Ｇ、Ｍ蛋白分型、蛋白尿、ＩｇＭ、Ｃｒ、ＩｇＧ和（３２－ＭＧ。??ＳＶＩ??Ｔａｒｇｅｔｓ：分组??ｉ?ｉ?（??ＬＤＨ－＂?ｉ?］??年齡－?；?￣１??：？?．－：ｊ?Ｉ??Ａ／ｔ－?｜?￣￣１?；??凡浪穴分帮一￣￣＇?：￣ｌ?：?＼??３？ｆｉｇ－?；＇：ｌ??＇??＞?？?＜??Ｉｇ）Ｔ?：?Ｉ??＇?？?ｆ??Ｃｒ＿?．．…．１?．１－＾１?：?；??Ｉｇ＆－?—??Ｐ２－Ｋ＆－?：１??Ｆ＝Ｆ?１?１???０．?００?０．?０５?０．?１０?０．?１５?〇．?２０??图３．２?ＳＶＭ模型中重要性占比大于０．０５的变量??图３．３和表３．４表明，建立的ＳＶＭ模型的分类预测准确度为８４．３１％，在８??个错误预测样本中，病例组被误判为对照组的有５个，对照组被误判为病例组的??为３个。??白?Ｃｏｍｐａｒｉｎｇ?￥Ｓ－分组?ｗｉｔｈ?分组??１?ｒ，Ｐａｒｔｉｔｉｏｎ，?１?一Ｔｒａｉｎｉｎｇ?２＿Ｔｅｓｔｉｎｇ??Ｃｏｒｒｅｃｔ?１３１?９４．９３％?４３?８４．３１％??｜Ｗｒｏｎｇ?７?５．０７％?８?１５．６９％??ｊ?丨?Ｔｏｔａｌ?１３８?５１???Ｂ?Ｃｏｉｎｃｉｄｅｎｃｅ?Ｍａｔｒｉｘ?ｆｏｒ?￥Ｓ－分组（ｒｏｗｓ?ｓｈｏｗ?ａｃｔｕａｌｓ）??＾Ｐ
????图３．５和表３．５表明：建立的ＤＴ模型的分类预测准确度为９０．２０％，在５个错误??预测样本中，病例组被误判为对照组的有４个，对照组被误判为病例组的为１个。??Ｂ…Ｃ〇ｍｐａｒｉｎｇ?ｗｉｔｈ????，Ｐａｒｔｉｔｉｏｎ，?ｌｌＪｒａｉｎｉｎｇ?２＿Ｔｅ?ｓｔｉｎｇ￣￣??Ｃｏｒｒｅｃｔ?１３３?９６．３８％?４６?９０．２％??Ｉ?？…Ｗｒｏｎｇ?５?３．６２％?５?９．８％??ｊ?［Ｔｏｔａｌ?１＿３８?５１???白?Ｃｏｉｎｃｉｄｅｎｃｅ?Ｍａｔｒｉｘｆｔｆ?￥Ｃ－分组（ｒｏｗｓ?ｓｈｏｗ?ａｃｔｕａｌｓ）??＂Ｐａｒｔｉｔｉｏｎ＾?１＿Ｔｒａｉｎｉｎｇ０?Ｆ??；…．０?７６?４??１?１?５７??？Ｐａｒｔｉｔｉｏｎ１?＝?２＿Ｔｅｓｔｉｎｇ?０?１??Ｌ．．?〇?３１?１??ｈ?、?４?ｉ５｜??图３．５?ＤＴ模型对训练集和预测集的分类结果??表３．５ＤＴ模型预测集结果（ｎ＝５１）??ＤＴ预测结果??分组???合计???病例组?对照组???病例组?］５?４?１９??对照组?１?３］?３２??合计?１６?３５?５１??３．２．４?ＡＮＮ?模型??利用ＢＰ神经网络，经过优化训练后，建立ＡＮＮ模型，其分类结果见图３．６、??图３．７和表３．６。??由图３．６表明：在ＡＮＮ模型中，重要性占比大于０．０５的变量依次为：下肢??水肿、骨痛、ＩｇＧ、Ｃｒ、年龄、ＬＤＨ、Ｍ蛋白分型、贫血（乏力、头晕）和蛋白??尿。??１９??
【参考文献】：
期刊论文
[1]Clinical value evaluation of serum markers for early diagnosis of colorectal cancer[J]. Wen-Yue Song,Xin Zhang,Qi Zhang,Peng-Jun Zhang,Rong Zhang. World Journal of Gastrointestinal Oncology. 2020(02)
[2]基于聚类分析的癌症病人症状群及其与生活质量、炎症因子的关系[J]. 庞秋萍,姬艳博,许翠萍. 护理研究. 2019(24)
[3]初诊多发性骨髓瘤患者的血清游离轻链对肾功能及预后的影响[J]. 陈旭端,骆晓峰,祖燕萍,叶洪,李琳琳,陈巧玲,谢文珍,杨婷,胡建达,魏立新. 中国实验血液学杂志. 2019(06)
[4]常见新近决策树算法及其在卫生领域中的应用[J]. 林文怡,宛小燕,刘元元. 现代预防医学. 2019(23)
[5]校准血钙和PTH在多发性骨髓瘤合并高钙血症中的临床意义[J]. 孙彤,王冬莲,陈霄峰. 全科医学临床与教育. 2019(11)
[6]不同类型慢性肾病患者血清游离轻链表达及对预后判断的价值[J]. 李春梅,缪卫华,张梅香,李丽霞,唐汝新,杜海珍. 国际免疫学杂志. 2019(06)
[7]多发性骨髓瘤肾损害患者的血清免疫固定电泳和尿蛋白性质的关系分析[J]. 俞凯. 现代实用医学. 2019(10)
[8]联合检测D-D、LDH、FGF23在慢性肾衰中的临床意义[J]. 储云鹏,邓莹,盛小花,赵泱泱,吴雪江,李阳,李文婷. 科学技术创新. 2019(28)
[9]基于临床数据的胃癌筛查模型研究[J]. 杨荣,陈誉,高红梅,陈先来. 中国医学物理学杂志. 2019(09)
[10]基于贝叶斯网络的典型关节炎代谢谱研究[J]. 李忆涛,桑潮,梁丹丹,陈天璐. 转化医学杂志. 2019(04)
博士论文
[1]贝叶斯网络结构学习及其应用研究[D]. 胡春玲.合肥工业大学 2011
硕士论文
[1]多生支持向量机及其优化方法研究[D]. 安悦瑄.中国矿业大学 2019
[2]非参数回归方法与贝叶斯网络的研究及应用[D]. 周迎超.长春理工大学 2019
[3]聚类分析中最佳聚类数确定方法研究[D]. 张雄.南京邮电大学 2018
[4]贝叶斯网络参数学习算法研究与实现[D]. 雷江南.西安电子科技大学 2018
[5]多发性骨髓瘤合并肾功能损害的相关因素分析[D]. 张亚兰.遵义医学院 2018
[6]随机支持向量机分类方法研究及其应用[D]. 张津.成都理工大学 2018
[7]数据挖掘中决策树分类算法的研究与改进[D]. 徐洪伟.哈尔滨工程大学 2010
本文编号：3440001
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图３．１模型的数据流??
?＾???３．２．２?ＳＶＭ?模型??经过优化训练后，建立ＳＶＭ模型，其分类结果见图３．２、图３．３和表３．４。??由图３．２表明：在ＳＶＭ模型中，重要性占比大于０．０５的变量依次为：骨痛、??ＬＤＨ、年龄、下肢水肿、Ａ／Ｇ、Ｍ蛋白分型、蛋白尿、ＩｇＭ、Ｃｒ、ＩｇＧ和（３２－ＭＧ。??ＳＶＩ??Ｔａｒｇｅｔｓ：分组??ｉ?ｉ?（??ＬＤＨ－＂?ｉ?］??年齡－?；?￣１??：？?．－：ｊ?Ｉ??Ａ／ｔ－?｜?￣￣１?；??凡浪穴分帮一￣￣＇?：￣ｌ?：?＼??３？ｆｉｇ－?；＇：ｌ??＇??＞?？?＜??Ｉｇ）Ｔ?：?Ｉ??＇?？?ｆ??Ｃｒ＿?．．…．１?．１－＾１?：?；??Ｉｇ＆－?—??Ｐ２－Ｋ＆－?：１??Ｆ＝Ｆ?１?１???０．?００?０．?０５?０．?１０?０．?１５?〇．?２０??图３．２?ＳＶＭ模型中重要性占比大于０．０５的变量??图３．３和表３．４表明，建立的ＳＶＭ模型的分类预测准确度为８４．３１％，在８??个错误预测样本中，病例组被误判为对照组的有５个，对照组被误判为病例组的??为３个。??白?Ｃｏｍｐａｒｉｎｇ?￥Ｓ－分组?ｗｉｔｈ?分组??１?ｒ，Ｐａｒｔｉｔｉｏｎ，?１?一Ｔｒａｉｎｉｎｇ?２＿Ｔｅｓｔｉｎｇ??Ｃｏｒｒｅｃｔ?１３１?９４．９３％?４３?８４．３１％??｜Ｗｒｏｎｇ?７?５．０７％?８?１５．６９％??ｊ?丨?Ｔｏｔａｌ?１３８?５１???Ｂ?Ｃｏｉｎｃｉｄｅｎｃｅ?Ｍａｔｒｉｘ?ｆｏｒ?￥Ｓ－分组（ｒｏｗｓ?ｓｈｏｗ?ａｃｔｕａｌｓ）??＾Ｐ
????图３．５和表３．５表明：建立的ＤＴ模型的分类预测准确度为９０．２０％，在５个错误??预测样本中，病例组被误判为对照组的有４个，对照组被误判为病例组的为１个。??Ｂ…Ｃ〇ｍｐａｒｉｎｇ?ｗｉｔｈ????，Ｐａｒｔｉｔｉｏｎ，?ｌｌＪｒａｉｎｉｎｇ?２＿Ｔｅ?ｓｔｉｎｇ￣￣??Ｃｏｒｒｅｃｔ?１３３?９６．３８％?４６?９０．２％??Ｉ?？…Ｗｒｏｎｇ?５?３．６２％?５?９．８％??ｊ?［Ｔｏｔａｌ?１＿３８?５１???白?Ｃｏｉｎｃｉｄｅｎｃｅ?Ｍａｔｒｉｘｆｔｆ?￥Ｃ－分组（ｒｏｗｓ?ｓｈｏｗ?ａｃｔｕａｌｓ）??＂Ｐａｒｔｉｔｉｏｎ＾?１＿Ｔｒａｉｎｉｎｇ０?Ｆ??；…．０?７６?４??１?１?５７??？Ｐａｒｔｉｔｉｏｎ１?＝?２＿Ｔｅｓｔｉｎｇ?０?１??Ｌ．．?〇?３１?１??ｈ?、?４?ｉ５｜??图３．５?ＤＴ模型对训练集和预测集的分类结果??表３．５ＤＴ模型预测集结果（ｎ＝５１）??ＤＴ预测结果??分组???合计???病例组?对照组???病例组?］５?４?１９??对照组?１?３］?３２??合计?１６?３５?５１??３．２．４?ＡＮＮ?模型??利用ＢＰ神经网络，经过优化训练后，建立ＡＮＮ模型，其分类结果见图３．６、??图３．７和表３．６。??由图３．６表明：在ＡＮＮ模型中，重要性占比大于０．０５的变量依次为：下肢??水肿、骨痛、ＩｇＧ、Ｃｒ、年龄、ＬＤＨ、Ｍ蛋白分型、贫血（乏力、头晕）和蛋白??尿。??１９??
【参考文献】：
期刊论文
[1]Clinical value evaluation of serum markers for early diagnosis of colorectal cancer[J]. Wen-Yue Song,Xin Zhang,Qi Zhang,Peng-Jun Zhang,Rong Zhang. World Journal of Gastrointestinal Oncology. 2020(02)
[2]基于聚类分析的癌症病人症状群及其与生活质量、炎症因子的关系[J]. 庞秋萍,姬艳博,许翠萍. 护理研究. 2019(24)
[3]初诊多发性骨髓瘤患者的血清游离轻链对肾功能及预后的影响[J]. 陈旭端,骆晓峰,祖燕萍,叶洪,李琳琳,陈巧玲,谢文珍,杨婷,胡建达,魏立新. 中国实验血液学杂志. 2019(06)
[4]常见新近决策树算法及其在卫生领域中的应用[J]. 林文怡,宛小燕,刘元元. 现代预防医学. 2019(23)
[5]校准血钙和PTH在多发性骨髓瘤合并高钙血症中的临床意义[J]. 孙彤,王冬莲,陈霄峰. 全科医学临床与教育. 2019(11)
[6]不同类型慢性肾病患者血清游离轻链表达及对预后判断的价值[J]. 李春梅,缪卫华,张梅香,李丽霞,唐汝新,杜海珍. 国际免疫学杂志. 2019(06)
[7]多发性骨髓瘤肾损害患者的血清免疫固定电泳和尿蛋白性质的关系分析[J]. 俞凯. 现代实用医学. 2019(10)
[8]联合检测D-D、LDH、FGF23在慢性肾衰中的临床意义[J]. 储云鹏,邓莹,盛小花,赵泱泱,吴雪江,李阳,李文婷. 科学技术创新. 2019(28)
[9]基于临床数据的胃癌筛查模型研究[J]. 杨荣,陈誉,高红梅,陈先来. 中国医学物理学杂志. 2019(09)
[10]基于贝叶斯网络的典型关节炎代谢谱研究[J]. 李忆涛,桑潮,梁丹丹,陈天璐. 转化医学杂志. 2019(04)
博士论文
[1]贝叶斯网络结构学习及其应用研究[D]. 胡春玲.合肥工业大学 2011
硕士论文
[1]多生支持向量机及其优化方法研究[D]. 安悦瑄.中国矿业大学 2019
[2]非参数回归方法与贝叶斯网络的研究及应用[D]. 周迎超.长春理工大学 2019
[3]聚类分析中最佳聚类数确定方法研究[D]. 张雄.南京邮电大学 2018
[4]贝叶斯网络参数学习算法研究与实现[D]. 雷江南.西安电子科技大学 2018
[5]多发性骨髓瘤合并肾功能损害的相关因素分析[D]. 张亚兰.遵义医学院 2018
[6]随机支持向量机分类方法研究及其应用[D]. 张津.成都理工大学 2018
[7]数据挖掘中决策树分类算法的研究与改进[D]. 徐洪伟.哈尔滨工程大学 2010
本文编号：3440001
本文链接：https://www.wllwen.com/yixuelunwen/zlx/3440001.html
