详细教程:基于Logistic回归模型构建疾病风险评分工具 | 您所在的位置:网站首页 › 回归系数的意思 › 详细教程:基于Logistic回归模型构建疾病风险评分工具 |
0
分享至
用微信扫码二维码 分享至好友和朋友圈 我们在前期介绍Framingham Heart Study的文章中《》,提到Framingham Heart Study在探讨疾病危险因素和构建风险预测模型方面,做出了很大的贡献。 其中1998年Framingham Heart Study发表了一个经典的冠心病10年风险预测评分工具,该风险函数成为美国国家胆固醇教育计划(NCEP)成人治疗方案(Adult Treatment Panel,ATP)计算冠心病风险的基础。 该模型不再使用原有的连续变量形式,而是将危险因素进行分层,对每一分层进行量化赋分,最后通过计算总分来对患者进行疾病风险评估,评分工具不仅有助于患者理解,也能够在临床中得到较好的推广应用。 如果说只是单纯的构建疾病风险预测模型,相信大家应该都比较熟悉,至少大家也都用过Logistic回归、Cox回归等这些常用的回归模型。但是如何将自己构建的预测模型转化为风险评分工具,似乎成了一个难题。 今天小咖就以多因素Logistic回归模型为例,给大家逐步解密,教会大家也能做出这种高大上的疾病评分工具。 研究实例 我们仍以Framingham Heart Study为例来进行说明,研究共纳入9443名健康人群,年龄为30-79岁,对研究对象随访5年,观察他们冠心病硬终点的发病情况,包括心肌梗死、死亡。 假定我们要考虑的主要危险因素包括:年龄、性别、收缩压、吸烟,研究人群各个危险因素的分布情况如下表所示,我们在此研究的基础上来制作疾病风险评分工具。 步骤 1. 构建多因素Logistic回归模型 通过构建多因素Logistic回归模型,将我们主要考虑的危险因素纳入到回归模型中,从而估计各个危险因素的回归系数β,OR值及其95% CI,回归结果如下表所示。 2. 将各个危险因素进行分类,并指定每组的参考值Wij 我们按照临床意义或使用习惯将各个危险因素进行分组,并在每个分组中选择合适的数值作为参考值Wij,通常选择组内的中间值作为参考值。 例如在本例中,研究人群的年龄范围为30-79岁,通常我们按照10岁一个年龄段来进行划分,将其分为5组,每组选择中间值为参考值Wij,例如30-39岁这一组的参考值Wij为(30+39) / 2 = 34.5。 本研究中血压的范围为78-240mmHg,我们按照高血压指南的诊断切点来进行划分,每10mmHg为一组,共分为5组,每组选择中间值为参考值Wij。但这里需要注意的是,第一组( /阅读下一篇/ 返回网易首页 下载网易新闻客户端 |
CopyRight 2018-2019 实验室设备网 版权所有 |