基于Fisher判别分析的双相障碍识别研究

摘要

目的:双相障碍与单相抑郁是两种不同的疾病,具有不同的发病机制,临床治疗方法也不相同,临床上早期区分却存在很大难度.本文探讨Fisher判别分析(FDA)方法在双相障碍早期识别中的应用,以达到早期区分单相抑郁和双相障碍的目的.方法:样本数据分为两组,包括复发抑郁组144例及双相障碍组107例;通过对两组间的一般人口学资料及临床特征进行统计学分析,筛选出具有显著差别的9个变量作为Fisher判别分析的观测变量;随机抽取部分案例作为训练样本,其它作为测试样本,针对训练样本,建立Fisher线性判别函数模型,并采用回代估计法计算误判率;将所建立的FDA模型用于测试样本的预测.结果:两组在年龄、性别、文化程度、家庭情况等一般人口学资料方面无显著性差异,而在HAMD、HAMA、YMRS、MDQ、HCL等9个变量间存在显著性差异.将此9个变量作为观测变量,建立最终的Fisher判别函数模型,此模型对于训练样本的预测正确率为81.6％,对于测试样本的预测正确率为74.2％.结论:Fisher判别函数模型检验结果与实际情况吻合良好,能够用于双相障碍的早期识别中.