河南省兒童白血病發(fā)病風險預測模型的建立

發(fā)布時間：2020-10-30 14:06

　　兒童白血病已成為危害兒童生命的主要疾病,它不僅對兒童的健康造成威脅,同時也給社會和家庭帶來了經(jīng)濟負擔和精神壓力。但兒童白血病也是可防可治的,它在規(guī)范治療后比成人白血病更容易緩解;故采用適當?shù)暮Y查工具,對高危兒童進行篩查、預防監(jiān)測,做到對白血病患兒的早發(fā)現(xiàn)、早診斷、早治療,具有十分重要的公共衛(wèi)生意義。國內(nèi)外已建立了多個癌種的疾病風險預測模型,但尚沒有關于兒童白血病的;指標體系的建立是構(gòu)建兒童白血病預測模型的關鍵之一,而對于白血病兒童這個特殊的人群,疾病的發(fā)生不僅與患兒的有害環(huán)境暴露相關,還與其父母親產(chǎn)前、哺乳期的有害環(huán)境暴露有關;另外,各個區(qū)域的致病因素也不盡相同,各有其特點。目的本研究旨在環(huán)境危險因素流行病學分析的基礎上,篩選適當?shù)念A測因素建立預測模型的指標體系,而后建立河南省兒童白血病發(fā)病風險預測模型并進行驗證,為該省兒童白血病高危人群的篩選、疾病的預測及一級預防策略的制定提供支持。方法1.根據(jù)病例-對照的研究設計,于2014-2016和2017-2018年分兩階段在河南省4家醫(yī)院募集住院在治的、經(jīng)骨髓組織病理學確診的白血病患兒為病例;同時,按1:1比例于病例所在同家醫(yī)院的呼吸病區(qū)、消化病區(qū)及中醫(yī)康復病區(qū),募集非白血病患兒作為對照。以面對面訪談患兒父母或其他監(jiān)護人的形式完成統(tǒng)一的調(diào)查問卷,問卷內(nèi)容包含研究對象及其父、母親的一般人口學資料、潛在疾病影響因素暴露情況等。2.利用前階段收集的病例-對照數(shù)據(jù),用非條件Logistic回歸等方法對各指標作危險因素分析,計算人群歸因危險度百分比(Population Attributable Risk Percent)。根據(jù)OR值(Odds Ratio)及其95%置信區(qū)間、PARP等結(jié)果,結(jié)合文獻學習及咨詢專家意見建立本次模型的指標體系。3.合并前、后兩階段募集的樣本數(shù)據(jù),按照3:1的比例將樣本隨機分為建模人群和驗證人群,分別運用人工神經(jīng)網(wǎng)絡(Artificial Neural Network,ANN)和Logistic回歸兩種方法建立預測模型;在驗證人群中進行模型的驗證,從區(qū)分度和校準度兩方面評價模型的預測效果。4.統(tǒng)計學處理采用IBM SPSS Statistics 21.0和R 3.3.3軟件。結(jié)果1.樣本募集:第一階段募集符合標準、問卷合格的病例407例,對照407例;第二階段募集病例120例,對照120例,合并所得樣本共得病例527例、對照527例,按3:1的比例將對象隨機分為建模人群790例和驗證人群264例。2.預測模型指標體系的建立:根據(jù)各指標OR值、PARP的結(jié)果,結(jié)合文獻學習及專家意見,最終確定15個指標作為模型的輸入變量,分別為:兒童相關因素(X_1出生體質(zhì)量、X_2娩出方式、X_3家庭月收入水平、X_4住宅周圍空氣污染史、X_5居住環(huán)境低頻電磁場暴露史、X_6感冒發(fā)燒史、X_7腫瘤家族史、X_8農(nóng)藥殺蟲劑接觸史、X_9居室經(jīng)常通風換氣、X_(10)經(jīng)常食用不健康食品史),母親相關因素(X_(11)經(jīng)常體育鍛煉、X_(12)常規(guī)服用葉酸、X_(13)房屋裝修史、X_(14)農(nóng)藥殺蟲劑接觸史)及父親相關因素(X_(15)染發(fā)史)。3.預測模型的建立與驗證:在建模過程中,ANN模型在逐漸納入預測指標X_1~X_(15)后,結(jié)果顯示隱含層節(jié)點數(shù)為2時,交叉驗證的均方根誤差最小(0.4127),受試者工作特征曲線下面積(AUC)值最大(0.864),模型的最佳臨界點為0.3365,靈敏度為89.9%,特異度為61.9%,擬合優(yōu)度檢驗P=0.773(P0.05認為模型擬合了數(shù)據(jù),即模型的校準度較好);Logistic回歸結(jié)果顯示共有11個指標納入方程,預測模型為:P=1/(1+exp[-(1.151+1.313X_8+1.214X_6+1.073X_(15)+0.953X_4+0.941X_7+0.837X_(13)+0.835X_5+0.722X_(14)+0.632X_(10)-0.683X_3-0.734X_(12))]),模型的AUC為0.842,最佳臨界點為0.3252,靈敏度為89.6%,特異度為55.9%,擬合優(yōu)度檢驗P=0.361。預測模型經(jīng)驗證,結(jié)果顯示,ANN模型的AUC(0.878)、靈敏度(89.3%)、特異度(79.6%)及約登指數(shù)(0.648)均優(yōu)于Logistic回歸模型的AUC(0.847),靈敏度(85.2%),特異度(58.5%)及約登指數(shù)(0.478),且AUC的差異具有統(tǒng)計學意義(P=0.042),即ANN模型的區(qū)分度優(yōu)于Logistic回歸模型;經(jīng)擬合優(yōu)度檢驗,ANN模型的校準度(P=0.572)優(yōu)于Logistic回歸模型(P=0.359)。結(jié)論采用ANN和Logistic回歸兩種方法建立兒童白血病發(fā)病風險的預測模型,ANN模型的預測效能優(yōu)于Logistic回歸模型。
【學位單位】：鄭州大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：R733.7
【部分圖文】：