腦中風(fēng)診斷的交叉證實法

腦中風(fēng)診斷的交叉證實法

一、腦中風(fēng)的判別指標中風(fēng)的早期診斷對于早期診斷和治療對于早期診斷和治療具有重要的臨床意義。目前,醫(yī)生臨床分類診斷的正確率只有70%左右;以頭顱CT和核磁共振檢查診斷較為可靠,但其價格昂貴;且因CT和核磁共振檢查需搬動病人,易加重病情;尤其是CT和核磁共振檢查對早期腦缺血常出現(xiàn)假陰性。尋求對腦中風(fēng)作早期分類診斷的正確適用方法,一直成為醫(yī)學(xué)研究中的重要課題。腦中風(fēng)的判別指標多達23個,宜先采用逐步判別分析篩選出主要判別指標;篩選出的13個判別指標有11個指標屬于定性變量,應(yīng)采用非參數(shù)判別分析。非參數(shù)逐步判別分析的成功應(yīng)用實例極少見報道。本文使用SAS軟件,采用非參數(shù)逐步判別分析,有腦中風(fēng)病人的分類診斷中,取得了成功的實際應(yīng)用效果。二、數(shù)據(jù)和方法2.1數(shù)據(jù)收集2.1.1訓(xùn)練樣本復(fù)旦大學(xué)附屬中山醫(yī)院近年78例腦中風(fēng)病人的數(shù)據(jù)。2.1.2應(yīng)用數(shù)據(jù)蘇州大學(xué)附屬醫(yī)院2002年42例腦中風(fēng)病人的數(shù)據(jù)。2.1.3病例對照檢查x1(性別):x1=1(男)、x1=2(女),x2(年齡:歲),x3(收縮壓:kpa),x4(舒張壓:kpa),x5(惡心、嘔吐):x5=1(有)、x5=2(無),x6(意識):x6=1(清醒)、x6=2(嗜睡)、x6=3(昏迷),x7(瞳孔):x7=1(等大)、x7=2(不等大),x8(針尖樣瞳孔):x8=1(有)、x8=2(無),x9(對光反射):x9=1(存在)、x9=2(不存在),x10(語言障礙):x10=1(有)、x10=2(無),x11(頸項強直):x11=1(有)、x11=2(無),x12(癱瘓):x12=1(有)、x12=2(無),x13(感覺障礙):x13=1(有)、x13=2(無),x14(發(fā)病狀態(tài)):x14=1(激動)、x14=2(運動)、x14=3(一般情況)、x14=4(睡眠或安靜),x15(起病方式):x15=1(急性)、x15=2(慢性),x16(Babinski癥):x16=1(陽性)、x16=2(陰性),x17(風(fēng)心病史):x17=1(有),x17=2(無),x18(心臟雜音):x18=1(有),x18=2(無),x19(全血粘度/高切:mpa·s),x20(全血粘度/低切:mpa·s),x21(血漿粘度:mpa·s),x22(血沉:毫米/小時)、x23(血球壓積:%)。分類變量(以頭顱CT和核磁共振檢查診斷為依據(jù))g:g=1(腦出血)、g=2(腦缺血)。2.2型別變量的計算本文采用不等帶寬核密度估計的非參數(shù)判別分析,首先需建立判別對象x與j類中判別對象Y間的平方距離函數(shù):D2(X?Y)=(X?Y)’COV?1j(X?Y)(1)D2(X?Y)=(X-Y)’CΟVj-1(X-Y)(1)這里,(X-Y)’:對象X與j類中對象Y的各相同指標差值向量,COV?1jj-1(X-Y):對象X與j類中各對象Y的各相同指標差值的協(xié)方差矩陣之逆矩陣。然后求出判別函數(shù):F(X|j)=n?1jSUMiexp(?.5D2(X,Yji)/R2)(2)F(X|j)=nj-1SUΜiexp(-.5D2(X,Yji)/R2)(2)這里,D2(X,Yji):對象X與j類中第i個對象Yji間的平方距離,R2:各指標分別與分類變量間相關(guān)系數(shù)的平方之均值。再計算后驗概率:Pr(j|j)=PRIORj?F(X|j)/SUMkPRIORk?F(X|k)(3)Ρr(j|j)=ΡRΙΟRj?F(X|j)/SUΜkΡRΙΟRk?F(X|k)(3)這里PRIORk為k類的先驗概率。最后針判別對象判入后驗概率大的類別中。2.3trenspin+percsify+t4本文編制的不等帶寬核密度估計的非參數(shù)判別分析SAS程序(一般SAS書中未見介紹)為:datanpardisc;inputx1x3x4x6x7x9x10x13x15x16x17x21g@@;settrainapply;(注:train、apply分別為訓(xùn)練、應(yīng)用數(shù)據(jù)集)procprintdata=plotdataprocdiscrimdata=traintestdata=applytestout=plotptestoutd=plotdmethod=nparkernel=normalr=.4pool=noshortnoclssifycrosslisterr;classg;priorsproportional;varx1x3x4x6x7x9x10x11x13x15x16x17x21;procprintdata=plotp;run;三、方法的應(yīng)用效果3.1逐步判別分析結(jié)果采用后退法,取刪除變量的概率臨界值sls=0.10.SAS逐步判別分析運行結(jié)果,篩選出13個主要判別指標,見表1。3.2非參數(shù)判別分析結(jié)果3.2.1交叉證實結(jié)果本文采用不等帶寬核密度估計的非參數(shù)判別分析,對訓(xùn)練樣本判別對象,采用交叉證實法(Crossvalidation)來檢驗判別效果:在78個對象中,每次用一個不同的對象作為公式(1)、(2)、(3)中的對象X,由其的77個對象作為公式(1)中的Y或公式(2)中的Yji。先按公式(1)計算出X與j(j=1,2)類中每個Y的平方距離D2(X,Y);然后按公式(2)計算出X在j(j=1,2)類的判別函數(shù)值F(X|j);再按公式(3)計算出X在j(j=1,2)類中的后驗概率Pr(j|X);最后按Pr(1|X)、Pr(2|X)的大小將X判入后驗概率大的類別中。SAS運行結(jié)果(見表2):33例腦出血病人有29例判為腦出血,4例錯判為腦缺血,判別正確率為87.88%;45例腦缺血病人有40例腦出血病人有40例判為腦缺血,5例錯判為腦出血,判別正確率為88.89%;總判別正確率=0.8788×0.4231(PRIOR1)+0.8889×0.5769(PRIOR2)=88.46%,判別效果良好。3.2.2應(yīng)用判別結(jié)果本文采用不等帶寬核密度估計的非參數(shù)判別分析,分別將42例急需分類診斷的每一名腦中風(fēng)病人作為公式(1)、(2)、(3)中的對象X,由訓(xùn)練樣本中的78個對象作為公式(1)中的Y或公式(2)中的Yji。先按公式(1)計算出X與j(j=1,2)類中每個Y的平方距離D2(X,Y);然后按公式(2)計算出X在j(j=1,2)類的判別函數(shù)值F(X|j);再按公式(3)計算出X在j(j=1,2)類中的后驗概率Pr(j|X);最后按Pr(1|X)、Pr(2|X)的大小將X判入后驗概率大的類別中。SAS運行結(jié)果見表2,實際應(yīng)用效果良好。4.1非參數(shù)判別分析的具體方法、步驟未見書中介紹或雜志報道。本文使用SAS軟件,采用不等帶寬核密度估計的非參數(shù)判別分析,SAS只是簡單地輸出顯示了此方法的平方距離函數(shù)、判別函數(shù)、后驗概率的籠統(tǒng)公式。作者通過推導(dǎo)分析、數(shù)據(jù)驗算等,弄清了這些公式的意義,明確了公式中各符號的含義,掌握了此方法的具體步驟。4.2對本文78例訓(xùn)練樣本,仍按后退法逐步判別分析篩選出的同樣13個主要判別指標,進行參數(shù)法判別分析,SAS運行得交叉證實結(jié)果:33例腦出血病人有22例判為腦出血,11例錯判為腦缺血,判別正確率為66.67%;45例腦缺血病人有33例判為腦缺血,12例錯判為腦出血,判別正確率為73.33%;總判別正確率為70.51%,判別效果差。說明對定性指標變量,應(yīng)采用非參數(shù)判別分析。4.3對本文78例訓(xùn)練樣本,以頭顱CT和核磁共振檢查為依據(jù),醫(yī)生臨床分類診斷的結(jié)果為:33例腦出血病人有20例診斷為腦出血,10例誤診為腦