检索结果-内蒙古大学图书馆

基于最小绝对值压缩选择模型的青春期多囊卵巢综合征抑郁风险预警模型构建及验证

现代预防医学 2024年第10期51卷 1787-1794+1832页

作者：丁锐谭惠文刘颖严欣郭云梅王连红遵义医科大学附属医院护理部重庆医科大学附属第二医院感染病科遵义医科大学护理学院

目的构建青春期多囊卵巢综合征(Polycystic Ovary Syndrome, PCOS)抑郁风险预警模型并验证。方法收集2021年10月—2022年9月到遵义医科大学附属医院妇科门诊就诊的青春期PCOS患者资料。使用R 4.2.1软件的最小绝对值压缩选择模型(Least... 详细信息

目的构建青春期多囊卵巢综合征(Polycystic Ovary Syndrome, PCOS)抑郁风险预警模型并验证。方法收集2021年10月—2022年9月到遵义医科大学附属医院妇科门诊就诊的青春期PCOS患者资料。使用R 4.2.1软件的最小绝对值压缩选择模型(Least Absolute Shrinkage and Selection Operator, LASSO)筛选危险因素，纳入logistic回归建立青春期PCOS抑郁风险预警模型，绘制列线图并进行内外部验证，使用区分度、特异度和灵敏度评价模型，通过临床决策曲线图分析临床效用。结果最终筛选出6个预测变量构建模型：抑郁风险=1/(1+exp-(-4.055+0.221×睡眠+0.729×服用激素类避孕药+0.920×多毛+0.079×疾病认知-0.058×社会支持+1.049×促黄体激素/促卵泡激素(≥2)))。该模型ROC曲线下面积0.881,最佳截断值0.278时，特异度和灵敏度分别为76.2%和88.0%。内部验证后ROC曲线下面积0.867。临床决策曲线结果示模型可为临床决策提供证据支持，外部验证ROC曲线下面积0.871。结论本研究构建的青春期PCOS抑郁风险预警模型，可早期识别青春期PCOS抑郁高风险人群，为实施综合有效的风险防范措施提供理论依据。

关键词：多囊卵巢综合征青春期抑郁最小绝对值压缩选择模型预警模型

来源：评论

学校读者我要写书评

暂无评论

基于LASSO的青春期多囊卵巢综合征抑郁风险预警模型构建及验证

基于LASSO的青春期多囊卵巢综合征抑郁风险预警模型构建及验证

引用

作者：丁锐遵义医科大学

学位级别：硕士

目的:本研究旨在探讨青春期多囊卵巢综合征(Polycystic Ovary Syndrome,PCOS)抑郁的危险因素,构建基于最小绝对值压缩选择模型(Least Absolute Shrinkage and Selection Operator,LASSO)的青春期PCOS抑郁风险预警模型,并验证其精准性和... 详细信息

目的: 本研究旨在探讨青春期多囊卵巢综合征(Polycystic Ovary Syndrome,PCOS)抑郁的危险因素,构建基于最小绝对值压缩选择模型(Least Absolute Shrinkage and Selection Operator,LASSO)的青春期PCOS抑郁风险预警模型,并验证其精准性和有效性。方法: 1.结合国内外对青春期PCOS患者抑郁的研究现状,通过证据总结和焦点小组讨论,构建青春期PCOS抑郁危险因素池。 2.采用横断面研究,根据青春期PCOS抑郁危险因素池收集患者资料,以2021年10月～2022年5月到遵义医科大学附属医院妇科门诊就诊的青春期PCOS患者为模型开发队列,以2022年6月～2022年9月就诊的患者为模型外部验证队列。使用R语言软件(R4.2.1)对收集到的模型开发队列数据运用LASSO进行回归分析,筛选与青春期PCOS抑郁相关的强危险因素,纳入logistic回归建立青春期PCOS抑郁风险预警模型,并以列线图的方式呈现。内部验证采取Bootstrap重复抽样1000次进行,从区分度、特异度、灵敏度和校准度四个方面评价模型预测效果,通过临床决策曲线图分析模型的临床效用,并使用外部验证队列数据对模型进行外部验证。结果: 1.通过证据总结结合焦点小组讨论,形成包括一般因素和疾病相关因素两大版块,个体易感因素、生物学因素、社会心理环境因素、诊断及治疗因素、症状相关因素、疾病认知因素及病理因素共七个维度的青春期PCOS抑郁危险因素池。 2.本研究构建队列和外部验证队列共收集346例研究对象,排除问卷作答重复率过高及数据异常11例,最终纳入335例,其中抑郁人数121例,非抑郁人数214例,患病率36.12%。构建队列数据纳入LASSO回归最终筛选出促黄体激素/促卵泡激素(≥2)、多毛、服用激素类避孕药、疾病认知、睡眠及社会支持共6个预测变量,将其纳入Logistic回归构建出青春期PCOS抑郁风险预测模型:抑郁风险=1/(1+exp-(-4.055+0.221×睡眠+0.729×服用激素类避孕药+0.920×多毛+0.079×疾病认知-0.058×社会支持+1.049×促黄体激素/促卵泡激素(≥2)))。该模型ROC曲线下面积为0.881(95%CI:0.838-0.924),ROC曲线上的最佳截断值为0.278,对应的特异度和灵敏度较高,分别为76.2%和88.0%。经过Bootstrap迭代1000次重复抽样进行内部验证后,校正的ROC曲线下面积为0.867,区分度较好;绘制校准曲线显示Brier得分0.136,校准曲线与理想预测情况基本重合,模型校准度良好。临床决策曲线图结果显示模型能够为临床决策提供有效证据支持。外部验证得到的ROC曲线下面积为0.871(95%CI:0.798-0.945),区分度较好;应用外部验证队列绘制校准曲线,Brier得分0.138,校准度良好。结论: 本研究构建出了青春期PCOS抑郁风险预警模型,该模型经过内部验证、外部验证和评价,表现出较好的区分度、特异度、灵敏度、校准度和临床应用价值,可有效早期识别青春期PCOS抑郁高风险人群,从而为实施综合有效的风险防范措施提供理论依据。

关键词：多囊卵巢综合征青春期抑郁最小绝对值压缩选择模型预警模型

来源：评论

学校读者我要写书评

暂无评论

基于LASSO算法的门诊医疗服务改进研究

引用

中国医院管理 2018年第9期38卷 56-58页

作者：郝一炜万钢李晶首都医科大学附属北京地坛医院北京100015 中国人民大学统计学院北京100872

目的门诊患者满意度影响因素较多,改进门诊服务的工作中难以有针对性地进行整改。针对这一问题,借助统计学方法工具提出解决方案。方法基于北京某医院满意度调查数据,通过R语言编程进行机器学习,利用LASSO算法筛选对门诊满意度影响较大... 详细信息

目的门诊患者满意度影响因素较多,改进门诊服务的工作中难以有针对性地进行整改。针对这一问题,借助统计学方法工具提出解决方案。方法基于北京某医院满意度调查数据,通过R语言编程进行机器学习,利用LASSO算法筛选对门诊满意度影响较大的因素,结合这些因素的满意度评分,确定门诊服务改进方向。结果 LASSO算法从问卷量表中的15个因素中提取出9个门诊满意度高影响因素,其中候诊时间和挂号缴费服务的满意度较低,应当着重予以整改。结论 LASSO算法能够挖掘提升患者满意度的关键因素,为管理者提供科学的政策指导。

关键词：门诊服务患者满意度改进服务最小绝对值压缩选择模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：