基于临床病理特征、中医证候的IgA肾病预后模型研究

摘要

目的:
　　探索整合中医预后相关因素能否帮助IgAN预后预测，比较决策树、自适应增强、随机森林、支持向量机四种算法建模的预测能力。
　　方法:
　　本研究为回顾性队列研究，以经肾穿诊断为IgA肾病的患者为研究对象，采集人口学、临床病理、中医证候等相关基线指标，并收集各个病例的随访资料，以血肌酐翻倍、eGFR下降≥50％、ESRD、透析、死亡为主要终点指标，使用Cox比例风险模型筛选与IgA肾病不良预后相关的因素。将预后相关因素分为西医变量、中医变量。分别基于西医变量、中医变量和联合中西医变量三种情况，使用决策树、随机森林、自适应增强、支持向量机、神经网络等算法，建立IgA肾病预后预测模型，判断IgAN患者是否在5年内发生复合终点事件，并对预后模型的预测效能进行评估对比。
　　结果:
　　本研究共纳入402例IgAN随访病例，年龄为32.5(25-41)岁，其中女性占53.2％，从起病到肾活检的时间为6(1-24)个月，随访时间为2.2(1.1-3.9)年，其中45例患者出现终点事件。Cox回归单因素分析提示基线收缩压、基线舒张压、起始症状乏困、起始症状水肿、起始无症状、高血压病史、尿蛋白定量、尿素氮、血肌酐、eGFR、血尿酸、血钾、血磷、血清总蛋白、血清白蛋白、Haas分型、Lee分级、Katafuchi积分、MEST-T评分、新月体比例分级、疲倦乏力、浮肿、夜尿多、畏寒肢冷、恶心、舌质淡红、舌质淡、舌苔白腻、脾肾阳虚证、血瘀证、兼证数目等31个变量与IgA肾病预后关系密切。经共线性诊断后，31个变量剔除基线收缩压、基线舒张压、血清总蛋白、Lee分级4个变量，新加入基线平均动脉压，最终有28个变量进入多因素分析和预测模型建模。Cox回归多因素分析提示基线血肌酐、MEST评分的T分值、脾肾阳虚证是不良预后的独立危险因素。
　　随机数据5年内发生终点事件和随访5年未发生终点的患者数据，按7∶3的比例分成训练集和测试集。使用训练集数据在中医变量、西医变量、中西医变量三种条件下分别通过决策树、自适应增强、随机森林、支持向量机四种算法构建了12个模型。评估各模型对训练集的数据解析能力，发现同算法下，总体错误率上，中医变量＞西医变量＞中西医变量;拟合度和ROC曲线下面积方面，中西医变量＞西医变量＞中医变量。而在变量相同的情况下，随机森林错误率最低、R2和ROC曲线下面积最大，决策树模型错误率最高、R2和ROC曲线下面积最小居于末席，自适应增强模型和支持向量机并列居中。
　　用12个模型对测试集的数据进行预测，发现使用中医变量、西医变量、中西医变量在四种算法下构建的模型，ROC曲线下面积均大于0.7，具有良好的预测能力，而支持向量机使用中西变量建模，ROC曲线下面积更是超过0.9，达到0.91，预测能力优秀。在同算法下，中西医变量的准确率、R2、ROC曲线下面积均最高，而西医变量排第二，中医变量第三。变量相同的情况下，支持向量机的准确率、R2、ROC曲线下面积均最大，模型验证预测效能最好;随机森林错误率和支持向量机一样，R2第二，ROC曲线下面积第三，总体预测效能第二;自适应增强模型总体错误率最高，R2大于决策树排第三，ROC曲线下面积排第二，总体预测效能排第三;决策树模型除总体错误率居于第三外，R2和ROC曲线下面积位于末席，总体预测效能第四。
　　结论:
　　使用中医变量和西医变量构建预测模型，均能达到良好的预测效能，但使用西医变量的预测能力更强，而联合中西医变量建模优于单独使用中医或西医变量。在开展类似的IgAN预后预测研究时，如能获取足够的中医资料，推荐同时使用中西医预后相关因素构建预测模型。决策树、自适应增强、随机森林、支持向量机四种算法均能构建出具有良好预测能力的模型，在相同建模变量的情况下，支持向量机表现最优，其次为随机森林，自适应增强算法第三，决策树居末。但由于每种算法均有其优势和局限性，应根据实际需要选择合适的算法。

目录

声明

摘要

引言

第一章 文献研究

第一节 IgA肾病概况

一、IgA肾病简介

二、流行病学

三、发病机制

四、临床表现

五、病理分型

六、现代医学治疗研究

第二节 中医对IgA肾病的认识

一、辨病

二、病因及中医病机

三、辨证标准

四、中医治疗IgA肾病

第三节 IgA肾病预后研究

一、IgA肾病预后相关因素研究

二、IgA肾病预后评估体系

第四节 预测模型的建模方法

一、Cox比例风险回归模型

二、决策树模型

三、随机森林

四、支持向量机

五、自适应增强算法

第五节 总结

第二章 研究内容

第一节 研究方案

一、研究方法

二、研究设计

三、纳入标准

四、剔除标准

五、资料采集

六、终点事件

七、统计方法

八、质量控制

九、研究流程图

第二节 研究结果

一、基线资料对比

二、变量筛选

三、共线性诊断及Cox回归多因素分析

四、建模及测试

五、模型评估汇总

第三章 分析与讨论

第一节 预后相关因素分析

第二节 算法间的比较

第三节 建模变量

第四节 本研究的局限性

第五节 展望

结论

参考文献

附录

在校期间发表论文情况

致谢