Page 96 - 中国全科医学2022-01

http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn ·221·

以 P<0.05 为差异有统计学意义。 表 1 COPD 患者一般临床指标（n=418）
Table 1 General information of the included COPD patients（n=418）
2 结果
变量 数据 变量 数据
2.1 研究对象的一般临床指标 本研究共发放问卷
距上次急性发作门诊就
432 份，回收问卷 418 份，有效回收率为 96.7%。纳 年龄（ ±s，岁） 63.7±10.9 诊天数 （ ±s，d） 0.6±1.8
a
入的 418 例 COPD 患者中，女 46 例，男 372 例；年龄 性别〔n（%）〕 全身激素使用〔n（%）〕
（63.7±10.9）岁；稳定期 304 例，急性加重期 114 例； 女 46 （11.0） 无 403 （96.4）
气流受限轻、中度有 206 例（49.3%），重、极重度有 男 372 （89.0） 有 15 （3.6）
212 例（50.7%）。共收集输入变量 50 个，输出变量 1 个， 病程分期〔n（%）〕 合并肺心病〔n（%）〕
变量情况见表 1。 稳定期 304（72.7） 无 407 （97.4）
急性加重期 114（27.3） 有 11 （2.6）
2.2 数据审核及初步筛选结果 根据上述数据审核和
2
BMI（ ±s，kg/m ） 23.1±3.6 营养代谢异常〔n（%）〕
初筛原则，剔除 12 个输入变量。变量剔除的原因汇总
a
受教育程度 〔n（%）〕 无 416 （99.5）
见表 2。
文盲 25 （6.0） 有 2 （0.5）
2.3 影响气流受限的关键因素 经 4 种缺失值处理和 小学 150 （36.0） 心血管疾病〔n（%）〕
3 种特征筛选后，本研究共获得 12 个处理后的数据集 初中 145 （34.8） 无 408 （97.6）
及 12 种影响气流受限因素的重要性排序，结果显示， 高中 / 中专 55 （13.2） 有 10 （2.4）
mMRC 等级、年龄、BMI、吸烟史（有、无）、CAT 评 大专及以上 42 （10.0） 其他疾病史〔n（%）〕
分、呼吸困难（有、无）在变量特征排序中居于前列， 哮喘症状〔n（%）〕 无 300 （71.8）
是构造模型的关键指标，对结果预测有重要作用。其中， 无 79 （18.9） 有 118 （28.2）
有 339 （81.1） COPD 家族史〔n（%）〕
采取不填充、Lasso 筛选方法后，获得的因素重要性排
喘息〔n（%）〕 无 260 （62.2）
序见图 2。mMRC 等级、吸烟史（有、无）、呼吸困难
无 82 （19.6） 有 158 （37.8）
（有、无）为位居前三的预测因子，mMRC 等级占特征
有 336 （80.4） 吸烟史〔n（%）〕
重要性的 54.15%。使用不填充、Boruta 筛选方法后，获 呼吸困难〔n（%）〕 无 91 （21.8）
得的因素重要性排序见图 3。CAT 评分、年龄、mMRC 无 62 （14.8） 有 327 （78.2）
等级为位居前三的预测因子，CAT 评分占特征重要性的 有 356 （85.2） 吸氧〔n（%）〕
a
26.64%。 mMRC 等级 〔n（%）〕 无 389 （93.1）
2.4 预警模型建立与评价 使用 17 种机器学习和 1 个 0级 25 （6.0） 有 29 （6.9）
集成学习算法对 12 个数据集分别建模，共得 216 个预 1级 145 （34.8） 使用经皮血氧饱和度监测仪〔n（%）〕
2级 178 （42.7） 无 413 （98.8）
测模型。17 种机器学习算法十折交叉验证结果见表 3。
3级 68 （16.3） 有 5 （1.2）
不同算法预测性能比较，差异有统计学意义（P<0.05），
4级 1 （0.2） 锻炼〔n（%）〕
随机梯度下降算法的平均 AUC 最大，为（0.738±0.089）。
食欲不振〔n（%）〕 无 109 （26.1）
使用 Bootstrapping 算法对测试集进行外部验证，结果见 无 358 （85.6） 有 309 （73.9）
表 4。不同算法所得模型的预测性能比较，差异有统计 有 60 （14.4） 缩唇腹式呼吸〔n（%）〕
学意义（P<0.05），集成学习算法的平均 AUC 最大为 咳嗽〔n（%）〕 无 256 （61.2）
（0.757±0.057）。本研究利用 Bootstrapping 算法对 4 无 71 （17.0） 有 162 （38.8）
种缺失值处理和 3 种特征筛选预测性能的评价，结果见 有 347 （83.0） CAT 评分（ ±s，分） 12.8±5.6
表 5~6。当不填充和 Lasso 筛选时，可提高模型的性能， 急性发作次数（ ±s，次） 1.4±1.5 使用吸入剂〔n（%）〕
差异有统计学意义（P<0.05）。 距上次急性发作的天数 1.4±31.7 无 47 （11.2）
（ ±s，d）
2.5 预警模型的选择 使用测试集数据对 216 个机器 b
致病因素 〔n（%）〕 有 371 （88.8）
学习模型进行测试，选择 AUC 最大的模型为最佳模型。 不清楚 139 （33.4） 长期使用吸入药物〔n（%）〕
AUC 前 5 个最大的模型预测性能指标见表 7，AUC 为 感冒 244 （58.7） 无 56 （13.4）
0.790 9，准确率为 75.90%，精确率为 75.00%，召回率 冷空气 8 （1.9） 有 361 （86.6）
为 78.57%，F1 值为 0.767 4。ROC 曲线图和 P-R 曲线 其他 8 （1.9） 肺功能中 FEV 1 %〔n（%）〕
图见图 4~5。 运动 6 （1.4） ≥ 50% 206（49.3）
2.6 样本量验证 选择最佳模型对应的算法作为样本 刺激性气体 11 （2.7） <50% 212（50.7）
急性发作住院次数（ ±s，次） 0.6±1.1
量验证的算法。将数据集按照 8∶2 划分为训练集和测
b
a
注： 表示缺失 1 例（n=417）； 表示缺失 2 例（n=416）；
试集。对训练集样本分别随机抽取 10%、20%...100%，
BMI= 体质指数，mMRC= 呼吸困难指数评分，COPD= 慢性阻塞性肺
进行模型训练，该过程重复 100 次。使用测试集数据对
疾病，FEV 1 %= 第 1 秒用力呼气量占预计值的百分比，CAT= 慢性阻
模型进行测试，建立 AUC 与样本量的折线图，见图 6， 塞性肺疾病评估表