探讨Bayes判别分析应用于巨大儿发生风险进行预测的临床效果。方法将169例巨大儿和169例正常足月儿按条件进行1∶1配对,纳入可能与巨大儿出生有关的因素,采用条件Logistic回归分析模型筛选有判别意义的指标,将有判别意义的指标带入Bayes判别模型中得到Bayes判别函数,并对判别函数进行回顾性考核和外部检验。结果经条件Logistic回归分析模型筛选出影响巨大儿出生的因素有产妇身高、孕早期体重指数(body mass index,BMI)、妊娠期糖尿病、孕周、宫高+腹围。建立的Bayes判别函数:巨大儿y1=-27.802+8.420×产妇身高+8.719×孕早期BMI+10.485×孕周+3.375×妊娠期糖尿病+2.862×(宫高+腹围);正常足月儿y2=-17.477+7.161×产妇身高+7.217×孕早期BMI+7.862×孕周+2.036×妊娠期糖尿病-0.085×(宫高+腹围)。建立的判别函数其Wilks’Lambda(λ)=0.512,P<0.001,因而判别函数有统计学意义。对判别函数进行考核,结果内外部符合率均达到80%以上。结论巨大儿的出生与多种因素有关,构建的Bayes判别模型对巨大儿有较好的判别作用,为今后更为准确的预测巨大儿的发生提供客观参考。
目的探讨和评价适合中国农村地区的子宫颈癌筛查方案。方法本研究依托中国2015年卫生行业科研专项"适合中国农村地区的子宫颈癌筛查技术与示范研究"建立筛查人群队列,收集卫生经济学和流行病学参数,采用Treeage Pro 2011软件...
详细信息
目的探讨和评价适合中国农村地区的子宫颈癌筛查方案。方法本研究依托中国2015年卫生行业科研专项"适合中国农村地区的子宫颈癌筛查技术与示范研究"建立筛查人群队列,收集卫生经济学和流行病学参数,采用Treeage Pro 2011软件建立未筛查组模型和筛查组模型。通过将现场调查获得的人群筛查、诊断、治疗的相关临床资料和成本数据代入模型,以模拟中国农村妇女在采用不同筛查方案干预后子宫颈癌的发生、发展,并预测20年后的筛查效果[包括累积发病率、累积发病风险、挽救的生命年和质量调整生命年(QALY)、收益]和相应的成本费用,并进行卫生经济学评价(包括成本效果分析、成本效用分析、成本效益分析)。子宫颈癌筛查方法有5种,包括醋酸或碘染色后肉眼观察(VIA/VILI)法、HPV快速筛查技术(careHPV)、液基薄层细胞学检查(TCT)、careHPV+TCT、careHPV+VIA/VILI,筛查间隔时间有3个,包括1年1次、3年1次和5年1次,共15种子宫颈癌筛查方案。结果与未筛查组相比,15种子宫颈癌筛查方案可降低累积发病风险22.65%~51.76%。在同一筛查间隔时间,careHPV分别与TCT、VIA/VILI法比较,降低的累积发病风险、挽救的生命年、增加的QALY、收益均较高。15种子宫颈癌筛查方案的成本效果比为(0.44~3.24)万元/生命年,成本效用比为(0.15~1.01)万元/QALY,效益成本比为7.73~59.10。增量成本效果分析显示,优势方案有VIA/VILI法5年1次、VIA/VILI法3年1次、care HPV检测5年1次、careHPV检测3年1次和careHPV检测1年1次。结论VIA/VILI法筛查经济有效,careHPV成本稍高但效果更好。对于我国农村地区建议选择careHPV检测5年1次的筛查方案。本研究为确定适合中国农村地区的子宫颈癌筛查方法提供了依据。
暂无评论