【摘要】：目的:在醫(yī)學研究中,對于存在系統(tǒng)結(jié)構特征的實際資料,往往采用混合線性模型進行效應估計,但是對于進一步探索患者亞組與治療方式間復雜的(高階)交互作用時則效率較低。而決策樹模型作為數(shù)據(jù)挖掘方法中的一種預測模型,具有較強的探索性能,可以同時分析多個預測變量,并且可以自動檢測預測變量之間潛在的關系,對于醫(yī)學療效評價具有重要的意義。但是對于系統(tǒng)結(jié)構數(shù)據(jù),傳統(tǒng)CART回歸樹模型估計效率低下,模型構建準確性較低,偏倚較大。因此提高回歸樹模型的擬合效果及預測性能是將其應用在醫(yī)學系統(tǒng)結(jié)構數(shù)據(jù)的重要前提。隨機效應-最大期望回歸樹模型(Random Effect-Expectation Maximization Regression Tree,RE-EM)基于回歸樹模型和混合線性模型的思想,將隨機效應從系統(tǒng)結(jié)構數(shù)據(jù)中分離出來,從而提高回歸樹模型構建的準確性與預測性能。本研究旨在介紹并驗證隨機效應-最大期望回歸樹模型的原理,并通過模擬實驗與傳統(tǒng)CART回歸樹模型進行橫向?qū)Ρ�。同時,基于慢性乙型肝炎初治患者診療的真實數(shù)據(jù)進行實證分析及模擬實驗,進一步評價RE-EM回歸樹模型在不同數(shù)據(jù)結(jié)構下的擬合效果及預測性能,為更精準的醫(yī)學療效評價和回歸樹模型構建提供方法學支持和模型選擇,為患者診療和干預提供方法學建議。方法:第一部分,設置隨機效應及殘差協(xié)方差結(jié)構,生成三個終端節(jié)點的回歸樹模型模擬數(shù)據(jù),分別擬合RE-EM回歸樹模型與CART回歸樹模型,進而評價兩種回歸樹模型在準確性和偏倚方面的優(yōu)劣,驗證RE-EM回歸樹模型對擬合系統(tǒng)結(jié)構數(shù)據(jù)的適用性。第二部分,基于臨床HIS數(shù)據(jù)中的慢性乙型肝炎初治患者的抗病毒治療信息,分別擬合一般線性模型、混合線性模型、CART回歸樹模型以及RE-EM回歸樹模型,進行抗病毒療效評估。第三部分,基于四種模型的慢乙肝抗病毒療效分析結(jié)果,探索不同參數(shù)(樣本量、時間點、殘差相關性、底層模型)條件下,RE-EM回歸樹模型的擬合效果及預測性能。如設定研究對象樣本量為50、100、200、500、1000,對應時間點10、20、50、100。預測性能評價分為兩部分:(1)預測研究對象新觀測,以研究對象前70%的觀測作為訓練集,分別擬合四種模型,剩余的30%作為測試集,進行模型預測性能評價;(2)預測新研究對象,以70%的研究對象作為訓練集,分別擬合四種模型,剩余的30%作為測試集,進行模型預測性能評價。結(jié)果:第一部分結(jié)果顯示,在模型構建的準確性和擬合偏倚上,RE-EM回歸樹模型的表現(xiàn)優(yōu)于CART回歸樹模型。在不同數(shù)據(jù)結(jié)構下,RE-EM回歸樹模型均能準確構建假定的回歸樹模型,而CART回歸樹模型對于系統(tǒng)結(jié)構數(shù)據(jù)的擬合效果則不理想,MSE值較大,無法準確構建假定的回歸樹模型。第二部分結(jié)果顯示,在擬合適配度和偏倚上,混合線性模型的表現(xiàn)優(yōu)于一般線性模型。在基于一般線性模型的慢乙肝患者療效分析中,時依性ALT水平對結(jié)局定量HBV DNA檢測值的影響差異有統(tǒng)計學意義,而考慮了隨機效應及殘差協(xié)方差結(jié)構的混合線性模型則無該關系。在回歸樹模型的分析中,RE-EM回歸樹模型的MSE值最小,為0.8048,低于一般線性模型、混合線性模型及CART回歸樹模型。第三部分結(jié)果顯示,在模型擬合效果評價中,當線性模擬數(shù)據(jù)不含隨機效應時,線性模型擬合效果優(yōu)于回歸樹模型,而對于非線性數(shù)據(jù),回歸樹模型的擬合效果則明顯優(yōu)于線性模型,其中RE-EM回歸樹模型的擬合效果與CART回歸樹模型相近。當模擬數(shù)據(jù)為系統(tǒng)結(jié)構數(shù)據(jù)時,混合線性模型與RE-EM回歸樹模型的擬合效果相近,優(yōu)于一般線性模型和CART回歸樹模型。綜合各種情況,RE-EM回歸樹模型擬合效果較好,優(yōu)于CART回歸樹模型。在模型預測新觀測的性能評價中,對于具有系統(tǒng)結(jié)構特征的線性模擬數(shù)據(jù),線性模型預測新觀測的性能明顯優(yōu)于回歸樹模型,其中RE-EM回歸樹模型的預測性能優(yōu)于CART回歸樹模型。對于具有系統(tǒng)結(jié)構特征的非線性模擬數(shù)據(jù),RE-EM回歸樹模型與混合線性模型預測新觀測的性能最優(yōu),明顯優(yōu)于CART回歸樹模型,一般線性模型擬合效果最差。綜合各種情況,RE-EM回歸樹模型預測新觀測的性能較好,優(yōu)于CART回歸樹模型。在模型預測新對象的性能評價中,當線性模擬數(shù)據(jù)不存在系統(tǒng)結(jié)構特征時,線性模型預測新對象的性能優(yōu)于回歸樹模型,當非線性模擬數(shù)據(jù)不存在系統(tǒng)結(jié)構特征時,回歸樹模型預測新對象的性能優(yōu)于線性模型,與前述情況一致。而對于系統(tǒng)結(jié)構數(shù)據(jù),RE-EM回歸樹模型預測新對象的性能始終最優(yōu)。綜合各種情況,RE-EM回歸樹模型預測新對象的性能較好。結(jié)論:對于系統(tǒng)結(jié)構數(shù)據(jù),RE-EM回歸樹模型能夠有效地識別預測變量間潛在的聯(lián)系,提高模型的擬合效果,體現(xiàn)了RE-EM回歸模型在系統(tǒng)結(jié)構數(shù)據(jù)中的適用性與可行性。從回歸樹模型的建模過程中可以看出,與線性模型相比,樹模型是由根節(jié)點到終端節(jié)點的路徑組成,類似于人的決策形式,其結(jié)果直觀簡潔具有較強的解釋性。在本研究中,通過模擬實驗和慢乙肝抗病毒療效評估,驗證了RE-EM回歸樹模型對于醫(yī)學系統(tǒng)結(jié)構數(shù)據(jù)分析的有效性。RE-EM回歸樹模型對于系統(tǒng)結(jié)構數(shù)據(jù)的擬合效果及預測性能均優(yōu)于CART回歸樹模型。對于線性系統(tǒng)結(jié)構數(shù)據(jù),RE-EM回歸樹模型預測新對象的性能接近甚至優(yōu)于混合線性模型。
【圖文】：

廣東藥科大學碩士研究生畢業(yè)論文 ( ) ∑ д ) 式（中 為每個葉節(jié)點的預測值。 為指示變量，取值為 0 或 1。 , 征空間或終端節(jié)點，若自變量屬于哪一特征空間則 ，即取相應

圖 2-2 特征空間劃分研究中構建的 CART 回歸樹模型以及 RE-EM 回歸樹模型，，均及 REEMtree 包中的默認設置，具體定義如下：生長深度（the maximum depth），指的是決策樹模型的生長點且不為空，則深度為 1，在本研究中設定為 30；參數(shù)（complexityparameter，cp），指的是決策樹模型每生長的減少量，在本研究中設定最小 cp 值為 0.01，即當模型相于 0.01，則樹停止生長；驗證（cross validations, CV），在本研究中，采用 k 折交叉驗ations）進行回歸樹模型生長，其思想為將數(shù)據(jù)隨機分為 k 份訓練集，余下的作為測試集，進行 k 次模型擬合，求得每方殘差的平均值，在本研究中 k 折交叉驗證設定為 10 折；樹模型的剪枝采用目前應用較為廣泛的 1-SE 規(guī)則，此規(guī)則（通過交叉驗證獲得）盡量小，但不一定取最小值，而是允+一個相應標準差”的范圍內(nèi), 并在此范圍內(nèi)選取盡量小的復
【學位授予單位】：廣東藥科大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：O212.1;R195.1

【相似文獻】

相關期刊論文 前10條

1 李偉南;林暢琪;廖海寧;潘敏儀;郜艷暉;周舒冬;;隨機效應-最大期望回歸樹模型的模擬研究與評價[J];中國衛(wèi)生統(tǒng)計;2019年05期

2 肖靜;許瓊瓊;高月霞;仲亞琴;吳徐明;強福林;沈康;;基于回歸樹模型的乳腺癌住院費用病例組合研究[J];中國衛(wèi)生統(tǒng)計;2016年05期

3 佘玉萍;陳淑清;;基于增強回歸樹的水藻預測分析[J];長春大學學報;2015年06期

4 徐魯雄;謝超凡;徐琳;;基于回歸樹模型的教師評價分析——以福建師范大學福清分校為例[J];太原師范學院學報(自然科學版);2015年03期

5 朱秋麗;張濤;丁云芳;張學蘭;趙根明;;呼吸道合胞病毒感染兒童住院費用影響因素的回歸樹分析[J];復旦學報(醫(yī)學版);2011年04期

6 莫春梅,倪宗瓚,高鳳瓊;回歸樹的建模與應用[J];中華預防醫(yī)學雜志;2002年05期

7 黃德生;關鵬;郭軍巧;王萍;周寶森;;沈陽市細菌性痢疾疫情分類回歸樹分析[J];中國醫(yī)科大學學報;2008年03期

8 蔡杰;李洪濤;;按病種分值付費分值細分方法研究[J];中國衛(wèi)生經(jīng)濟;2018年06期

9 劉澄;胡巧紅;孫瑩;;基于分類回歸樹的會計信息失真識別研究[J];中國管理信息化;2013年06期

10 杜志成;張王劍;于石成;郝元濤;;廣東省手足口病氣象危險因素閾值效應的研究[J];現(xiàn)代預防醫(yī)學;2015年19期

相關碩士學位論文 前4條

1 李偉南;隨機效應-最大期望回歸樹模型在醫(yī)學系統(tǒng)結(jié)構數(shù)據(jù)中的應用及模型評價[D];廣東藥科大學;2019年

2 羅明宇;濟南市部分城市社區(qū)老年人焦慮、抑郁狀態(tài)影響因素回歸樹分析[D];山東大學;2016年

3 孟祥虎;基因表達預測模型研究[D];西安電子科技大學;2014年

4 陳秋艷;長江中下游地區(qū)樹輪氣候響應特征分析與區(qū)域冬春季溫度的重建[D];蘭州大學;2015年

本文編號：2654076