肾炎的诊断
肾炎诊断方案 摘要 本文通过对健康患者和正常人体内Zn、Cu 、Fe 、Ca、 Mg、 K、 Na含量关系的研究,来制定一种标准通过判断这七种元素的含量来协助医生诊断就诊人员肾炎患者还是健康人 对于问题一,我们首先引入y参量,当y=0时表示就诊人员为肾炎患者,当y=1时表示就诊人员为健康人。我们不是直接对y进行回归而是引入了概率函数,取y=0时=0.25,y=1时=0.75,对进行回归,建立了logistic回归模型,然后再从确诊肾炎患者和健康人中分别取出20组进行回归分析得出回归方程为: 并进行了残差图分析,再利用剩余的10组确诊肾炎患者和10组确诊健康人进行准确度检验得出准确度为90%。此外我们还利用马氏距离法求出就诊人员样本x到总体和的距离差函数,并利用剩余的10组确诊肾炎患者和10组确诊健康人进行准确度检验得出准确度为90%。 对于问题二分别利用模型一和模型二进行判断,模型一得出61、62、64、65、66、68、69、71、72、73、75、76、79、83、85号就诊人员为肾炎患者剩余的为健康人,模型二得出61、62、64、66、71、72、76、83、85号就诊人员为肾炎患者,剩余的为健康人。 对于问题三,利用统计软件STATA求出每一个变量对应的P值然后再利用逐步回归法,首先剔除P值最大且大于0.05的变量,然后再算出剩余变量的P值在进行剔除,直到所有剩余变量的P值都小于0.05则停止剔除。运用此方法我们最终剔除了、、、,然后再利用问题一中类似方法求出回归方程为,并利用剩余数据进行计检验得出准确度为90%。 对于问题四我们利用问题三中建立的回归方程用MATLAB编程判断61到90号就诊者的患肾炎情况,得出61、62、64、65、66、67、68、69、71、72、73、75、76、79、83、84、85号就诊人员为肾炎患者,其他的为健康人 对于问题五,通过对问题二和问题四的结果分析我们发现剔除变量后,在对61号到90号病例的判定情况得知肾炎患者相对于剔除变量前多了67号和84号两个确诊人员,从而得知剔除变量后,准确度有所下降。 关键词:logistic,马氏距离,逐步回归法,准确度检验 1、问题的重述 人们到医院就诊时,通常要化验一些指标来协助医生的诊断。诊断就诊人员是否患肾炎时通常要化验人体内各种元素含量。表B.1(见附录1)是确诊病例的化验结果,其中1-30号病例是已经确诊为肾炎病人的化验结果;31-60号病例是已经确诊为健康人的结果。表B.2(见附录1)是就诊人员的化验结果。我们的问题是: 1. 根据表B.1中的数据,提出一种或多种简便的判别方法,判别属于患者或健康人的方法,并检验你提出方法的正确性。 2. 按照1提出的方法,判断表B.2中的30名就诊人员的化验结果进行判别,判定他(她)们是肾炎病人还是健康人。 3. 能否根据表B.1的数据特征,确定哪些指标是影响人们患肾炎的关键或主要因素,以便减少化验的指标。 4. 根据3的结果,重复2的工作。 5. 对2和4的结果作进一步的分析。 2、问题的分析 肾小球肾炎可以引起人体内Zn、Cu 、Fe等微量元素代谢紊乱并出现相应的临床症状 ,因此,人们到医院就诊时医生通常通过检验人体内Zn、 Cu 、Fe 、Ca、 Mg、 K、 Na 的含量来判断就诊人员是否患肾炎。然而,知道了人体内各种元素的含量还需要一种简便的标准来判定就诊人员是否患肾炎,这就需要对题目中给出的数据分析找出一种合理的判定标准。 对于问题一我们需要建立就诊者体内 Zn、Cu 、Fe 、Ca、 Mg、 K、 Na含量之间的关系并且此种关系能将患者与健康人区别开来。我们建立了两个模型,在模型一中利用logistic回归的思想建立了logistic回归模型,当就诊人员为健康人时y=1,当就诊人员为患者时y=0,并引入了参数,建立与y之间的关系,在利用从患者和健康人中分别抽取的20个数据作为样本建立了回归方程并利用另外的数据做回归检验。在模型二中我们利用马氏距离判别法 建立模型,同样也从患者和健康人中分别抽取的20个数据作为样本,并用另外的数据做正确性检验。 问题二要求根据B.2中30名就诊人员的化验结果判定他们是健康人还是患者。我们就需要将待判定人员体内 Zn、Cu 、Fe 、Ca、 Mg、 K、 Na含量代入回归方程来判定就诊人员为患者还是健康人。当Y=1时就诊人员为健康人,当Y=0时就诊人员为患者,分别根据模型一和模型二利用MATLAB编程判定就诊人员为患者还是健康人。 问题三要求确定影响人们患肾炎的的关键或主要因素,考虑去掉次要因素以便减少化验指标。我们分别求出七种元素的两两相关系数,根据相关系数去判断,相关性强的两个元素考虑去掉其中一个元素,去掉一个元素后判断其准确性,,若准确性变化较小则表明该元素可以去掉,按此方法逐步去掉各元素。 问题四要求我们在逐步剔除不关键的元素后,利用新的回归方程去判断表B.2中的30号病例判断他们为肾炎患者还是为健康人 问题五要求我们对问题二和问题四的结果进行比较做进一步的分析。 3.、问题的假设 1、假设就诊人员是健康人或肾炎患者,没有其他疾病影响。 2、假设题目所给数据结果真实可靠 3、假设肾炎只与题目中所给的七种元素有关。 4、假设题目中所给的七种元素在人体内的含量相互独立 4、符号说明 :代表人体内Zn、Cu 、Fe 、Ca、 Mg、 K、 Na这七种元素的含量,i=1,2,3,4,5,6,7; Y=0表示该诊断者为患者,Y=1表示该诊断者为健康人。 :一个logistic型的函数,1-/=P(Y=0)/P(Y=1); :肾炎患者样本的均值向量 :健康人样本的均值向量 :肾炎患者样本的协方差矩阵 :健康人样本的协方差矩阵 :肾炎患者总体 :健康人总体 5、模型的建立与求解 问题一: 该问中要求根据表B.1中的提出简便的判别方法来判定就诊人员为肾炎患者还是为健康人,针对此问题我们建立了两个模型。 模型一: Logistic 模型: 1、模型的建立; Logistic回归模型是一种线性回归概率模型,在此模型中我们定义y=0表示就诊人员为肾炎患者,y=1表示就诊人员为健康人。我们不是直接对进行回归,而是先定义一种概率函数,令 。此时,如果直接对进行回归,得到的回归方程可能不满足这个条件。在现实生活中,一般有。直接求的表达式,是比较困难的一件事,于是改为考虑 我们讨论,概率。设=就诊人员为肾炎患者的概率,因我们从题目60个确诊人员中取出的40个样本数据,其中20个是肾炎患者,20个是健康人,所以,取分界值0.5,令 由于我们不知道就诊人员患病的概率也不可能通过题目中给出的数据得出,于是为了方便做回归运算,我们取区间的中值,y=0时对应=0.25,y=1时对应=0.75即当=0.25表示就诊者患肾炎,=0.75表示就诊者为健康人 得logistic回归方程为: 2、模型的求解: 在MATLAB中利用取样的40组数据编程对进行线性回归求得回归系数分别为: