论文部分内容阅读
目的收集脑血管病患者社会人口学、生活模式和临床疾病因素,分析导致血管性认知障碍(VCI),非痴呆型血管性认知障碍(VCIND),血管性痴呆(Va D)的影响因素,建立VCI、VCIND、Va D的影响因素模型。方法依据脑血管病诊断标准,选取2014年10月至2016年10月于本院老年医学科和神经内科住院治疗的脑血管病患者505例,进行社会人口学、生活模式和临床疾病因素问卷调查和数据采集,随机数字表法将患者分为训练集组(421例)与测试集组(84例),依据VCI等诊断标准将训练集患者分为非VCI组(225例)和VCI组(196例),VCI组又分为Va D组(98例)和VCIND组(98例),采用决策树方法和Logistic回归分析脑血管病患者发生VCI、VCIND、Va D的影响因素,建立发生VCI、VCIND、Va D的影响因素决策树模型和Logistic回归模型。结果1.通过训练集建立VCI决策树模型,其交叉验证模型识别准确度为73.63%,对测试集的预测准确度为73.81%,模型稳定,拟合较好。饮酒、业余爱好、饮茶、受教育程度、高血压、睡眠、年龄、饮食、糖尿病、体育锻炼是发生VCI的10个分类节点变量影响因素,根节点为饮酒。Logistic回归分析显示,饮酒、受教育程度、体育锻炼、糖尿病4个因素为脑血管病患者发生VCI的影响因素,该模型预测准确度为66.98%,对测试集的预测准确度为53.57%。决策树模型的受试者工作特征曲线(AUC)为0.737(95%CI 0.688~0.786),Logistic回归模型的AUC为0.664(95%CI 0.612~0.717)。2.通过训练集建立VCIND决策树模型,其交叉验证模型识别准确度为81.73%,对测试集的预测准确度为58.49%。受教育程度、高血脂、业余爱好、糖尿病、睡眠、饮食、体育锻炼发生VCIND的7个分类点变量影响因素,根节点是受教育程度。Logistic回归分析显示,饮酒、受教育程度、体育锻炼、糖尿病4个因素为脑血管病患者发生VCIND的影响因素,其预测准确度为72.14%,用测试集数据检验模型,对测试集的预测准确度为54.72%。VCIND决策树模型的AUC为0.716(95%CI 0.648~0.784),Logistic回归模型的AUC为0.596(95%CI 0.525~0.666)。3.通过训练集建立的VaD模型,交叉验证模型识别准确度为71.43%,对测试集的预测准确度为69.42%,模型稳定,拟合较好。饮茶、业余爱好、睡眠、年龄、糖尿病、饮酒等影响Va D发生分类点变量影响因素,其中根节点为饮茶。Logistic回归分析结果显示,业余爱好、饮茶、睡眠3个变量是发生Va D的影响因素,该模型预测准确度为64.80%,对测试集的预测准确度为53.92%。决策树模型的AUC为0.714(95%CI 0.641~0.788),Logistic回归模型的AUC为0.648(95%CI 0.571~0.725)。结论1.在对不同程度的血管性认知障碍发生预测方面,决策树模型优于Logistic回归模型。2.过量饮酒、糖尿病、高血压、高脂饮食、失眠因素是脑血管病发生VCI的危险因素;有业余爱好、高教育水平、参加体育锻炼、饮茶是其保护因素。3.高血脂、糖尿病、失眠、高脂饮食是VCIND发生的危险因素;有业余爱好、高教育水平、参加体育锻炼是其的保护因素。4.失眠、高龄、有糖尿病、饮酒是影响脑血管病患者发生Va D的危险因素;饮茶、有业余爱好是其保护性因素。