目的探讨潜变量增长混合模型(latent growth mixture modeling,GMM)和潜类增长模型(latent class growth model,LCGM)在识别儿童体重增长变化潜在类别上的应用。方法以大连市932名6~12岁学龄儿童的体检纵向数据为例。运用Mplus8.3软件...
详细信息
目的探讨潜变量增长混合模型(latent growth mixture modeling,GMM)和潜类增长模型(latent class growth model,LCGM)在识别儿童体重增长变化潜在类别上的应用。方法以大连市932名6~12岁学龄儿童的体检纵向数据为例。运用Mplus8.3软件构建不同性别儿童体质指数(body mass index,BMI)变化的GMM和LCGM模型。结果LCGM模型对男女学龄儿童的生长轨迹均识别出3个增长趋势不同的亚组:“稳定组”、“肥胖组”、“偏瘦组”;GMM模型对男性学龄儿童的生长轨迹识别出2个增长趋势不同的亚组:“稳定增长组”和“肥胖增长组”。结论GMM和LCGM模型可以识别学龄儿童BMI发展轨迹的异质性,拓展了描述儿童体重动态变化的方法研究。
目的应用随机森林模型探讨慢阻肺患者报告结局(COPD-PRO)中各维度与modified Medical Research Council(mMRC)呼吸困难评分一致性评价的效果,以评估COPD-PRO对患者症状判断的准确性。方法于山西13所医院收集300例慢阻肺患者,以mMRC评分...
详细信息
目的应用随机森林模型探讨慢阻肺患者报告结局(COPD-PRO)中各维度与modified Medical Research Council(mMRC)呼吸困难评分一致性评价的效果,以评估COPD-PRO对患者症状判断的准确性。方法于山西13所医院收集300例慢阻肺患者,以mMRC评分生成的二分类变量为结局变量,COPD-PRO13个维度为预测变量,并纳入人口学特征变量,构建随机森林模型,并与决策树模型进行比较。结果IND(独立性)、ANX(焦虑)、COG(疾病认知)、DEP(抑郁)等维度对于慢阻肺患者报告结局量表的症状评估的贡献较大。两种模型性能比较结果显示,随机森林的特异度、精准度和AUC和F 1值都高于决策树模型。结论随机森林模型在慢阻肺患者报告结局的症状评估中具有较好的预测效果,并识别影响患者症状的相关因素,为临床治疗与管理提供理论依据。
暂无评论