黃平，馮慧芬，王斌，趙敬，易佳音

（鄭州大學(xué)第五附屬醫(yī)院 1.消化內(nèi)科，2.感染科，河南 鄭州 450052）

手足口?。╤and-foot-mouth disease, HFMD）是一種由腸道病毒引起的，以嬰幼兒發(fā)病為主的急性傳染性疾病[1]。盡管多數(shù)患兒表現(xiàn)為癥狀輕微，但也有少部分患兒因各種嚴(yán)重的神經(jīng)系統(tǒng)、呼吸系統(tǒng)并發(fā)癥而導(dǎo)致后遺癥，甚至死亡，因而如何早期識(shí)別重癥患者成為臨床醫(yī)生面臨的重要難題[2]。數(shù)據(jù)挖掘是一種從大量的數(shù)據(jù)中，通過(guò)數(shù)理模式來(lái)探索隱藏?cái)?shù)據(jù)中未知規(guī)律的過(guò)程。本研究通過(guò)數(shù)據(jù)挖掘的思想，構(gòu)建決策樹(shù)模型，從復(fù)雜的臨床資料中找出較佳的預(yù)測(cè)指標(biāo)，從而為臨床醫(yī)生HFMD診斷治療提供一種輔助決策手段。

1 資料與方法

1.1 一般資料

選取2016年6月-2017年10月于鄭州大學(xué)第五附屬醫(yī)院收治的HFMD患兒838例。其中，男性513例，女性325例；年齡3個(gè)月～4歲，平均（2.3±1.1）歲；平均住院時(shí)間（4.5±0.8）d。所有患兒經(jīng)病原學(xué)確診。根據(jù)《手足口病診療指南（2010年版）》中的診斷標(biāo)準(zhǔn)，將所有患兒分成輕癥組480例和重癥組358例[3]。輕癥組：僅表現(xiàn)為手、足、口及臀部的皮疹，伴或不伴發(fā)熱；重癥組：出現(xiàn)神經(jīng)系統(tǒng)受累的表現(xiàn)，如頭痛、嘔吐；精神差、嗜睡、易驚、譫妄及驚厥；肢體抖動(dòng)，肌陣攣、眼球震顫、共濟(jì)失調(diào)及眼球運(yùn)動(dòng)障礙；無(wú)力或急性弛緩性麻痹；體征可見(jiàn)腦膜刺激征，腱反射減弱或消失。收集患兒信息資料，初步制定預(yù)選的分析變量，包括性別、年齡、發(fā)熱時(shí)間、最高體溫、易驚、肢體抖動(dòng)、抽搐、寒戰(zhàn)、嗜睡及嘔吐等。

1.2 方法

由專(zhuān)人負(fù)責(zé)設(shè)計(jì)問(wèn)卷調(diào)查表，通過(guò)交叉核對(duì)，使用EpiData 3.1軟件進(jìn)行原始數(shù)據(jù)的錄入。通過(guò)一系列數(shù)據(jù)整理，包括去除缺失、異常及重復(fù)個(gè)案等，最后生成一份完整的數(shù)據(jù)。對(duì)所有預(yù)測(cè)變量進(jìn)行二分類(lèi)處理，并賦值為0或1。其中連續(xù)性變量處理后分別為：年齡＜3歲，發(fā)熱時(shí)間≥3 d，體溫≥38.5℃，白細(xì)胞≥10.8×109/L，中性粒細(xì)胞比率≥75%，血糖≥8.3 mmol/L。滿(mǎn)足上述條件的均賦值為1，不滿(mǎn)足上述條件的賦值為0。其余變量按照是否存在相應(yīng)癥狀，將是賦值為1，否賦值為0；性別男賦值為1，女賦值為0；居住地農(nóng)村賦值為1，城市賦值為0。最后將處理后的數(shù)據(jù)，進(jìn)行統(tǒng)計(jì)學(xué)分析。

1.3 統(tǒng)計(jì)學(xué)方法

數(shù)據(jù)分析采用SPSS Statistics 23.0統(tǒng)計(jì)軟件，模型構(gòu)建和評(píng)估采用SPSS Modeler 18.0軟件。Modeler軟件在決策樹(shù)構(gòu)建模塊提供了多種算法，包括隨機(jī)樹(shù)、分類(lèi)和回歸（classification and regression, C&R）樹(shù)、C5.0、χ2自動(dòng)交互檢測(cè)法（chi-squared automatic interaction detector, CHAID）及高效統(tǒng)計(jì)樹(shù)（quick unbiased efficient statistical tree, QUEST）等。所有算法的基本操作相同，即將數(shù)據(jù)分隔成多個(gè)子組來(lái)實(shí)現(xiàn)最佳分類(lèi)或預(yù)測(cè)，但因輸入和目標(biāo)（輸出）字段的類(lèi)型是連續(xù)型變量或分類(lèi)變量而有區(qū)別。其中C&R和CHAID的輸入和目標(biāo)字段可以是連續(xù)或分類(lèi)變量，而QUEST和C5.0要求目標(biāo)字段必須是分類(lèi)變量。根據(jù)以上原理，在Modeler軟件中，先選用自動(dòng)分類(lèi)器，對(duì)上述常見(jiàn)算法進(jìn)行建模，最后根據(jù)總體精確性對(duì)所有算法進(jìn)行篩選，選取最優(yōu)算法，配置模型參數(shù)，輸出分類(lèi)樹(shù)模型，評(píng)估模型的預(yù)測(cè)正確率，輸出模型的累計(jì)收益圖，評(píng)估模型擬合效果，同時(shí)繪制受試者工作特征（receiver operating characteristic, ROC）曲線(xiàn)，評(píng)估模型的診斷性能。

2 結(jié)果

2.1 模型構(gòu)建及患者臨床資料比較

經(jīng)過(guò)自動(dòng)分類(lèi)器篩選，最終確定C&R算法最佳。C&R樹(shù)是個(gè)組合，包括分類(lèi)樹(shù)和回歸樹(shù)，目標(biāo)變量為分類(lèi)變量時(shí)使用分類(lèi)樹(shù)，以Gini系數(shù)來(lái)確認(rèn)分割點(diǎn)，為連續(xù)型變量時(shí)則使用回歸樹(shù)，以方差來(lái)確認(rèn)分割點(diǎn)。決策樹(shù)包括種樹(shù)和修建2個(gè)環(huán)節(jié)，模型參數(shù)設(shè)置包括構(gòu)建單個(gè)決策樹(shù)，最大樹(shù)深度為5層，修建樹(shù)以防止過(guò)度擬合。中止規(guī)則為父分支使用最小記錄數(shù)2%，子分支為1%。兩組患兒居住地、發(fā)熱時(shí)間、體溫、白細(xì)胞、中性比率、血糖、精神差、嗜睡、易驚、肢體抖動(dòng)、嘔吐、寒戰(zhàn)及咽部皰疹比較，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。見(jiàn)表1和圖1～3。

2.2 模型結(jié)果

C&R算法構(gòu)建的決策樹(shù)共包括3層7個(gè)節(jié)點(diǎn)，其中終末節(jié)點(diǎn)共有4個(gè)。模型共納入3個(gè)解釋變量：易驚、嘔吐及肢體抖動(dòng)。決策樹(shù)生成原理第一步為訓(xùn)練樣本集生成決策樹(shù)的過(guò)程，第二步為決策樹(shù)的剪枝過(guò)程，以新的測(cè)試數(shù)據(jù)為對(duì)象進(jìn)行模型的修建過(guò)程，即總樣本被分為訓(xùn)練和測(cè)試2個(gè)數(shù)據(jù)集，圖中節(jié)點(diǎn)0的總數(shù)603例即為訓(xùn)練樣本大小，而圖中未顯示的測(cè)試樣本量為235例。Gini系數(shù)作為分割點(diǎn)，它代表了目標(biāo)變量組間的差異程度，其系數(shù)越小，組間差異越大。從根節(jié)點(diǎn)出發(fā)，計(jì)算每個(gè)節(jié)點(diǎn)的Gini系數(shù)，然后再計(jì)算1個(gè)系數(shù)的變化量，代表了異質(zhì)性的下降，反應(yīng)到?jīng)Q策樹(shù)的圖形上，顯示為改進(jìn)等于系數(shù)變化量。決策樹(shù)從上往下分支，可以看到改進(jìn)越來(lái)越小。從生成的預(yù)測(cè)變量重要性圖中可以看出，HFMD的分組與肢體抖動(dòng)、易驚以及嘔吐相關(guān)，而與其他變量則關(guān)系不大，再次驗(yàn)證了決策樹(shù)模型的納入變量選擇。見(jiàn)圖1～3。

表1 患者的臨床資料比較

圖1 C&R算法決策樹(shù)

圖2 簡(jiǎn)易決策樹(shù)

圖3 預(yù)測(cè)變量的重要性

2.3 模型擬合效果

為了評(píng)價(jià)決策樹(shù)模型的整體擬合效果，繪制模型累計(jì)收益圖，在前期快速達(dá)到較高點(diǎn)后，快速趨于平穩(wěn)，而本研究構(gòu)建的決策樹(shù)模型可以看到距離理想模型參考線(xiàn)較為接近；根據(jù)模型的預(yù)測(cè)結(jié)果繪制ROC曲線(xiàn)圖，其曲線(xiàn)下面積為0.903[（95%CI：0.878，0.927），P=0.000]。模型的預(yù)測(cè)的準(zhǔn)確性為91.17%，敏感性為84.36%，特異性為96.25%，見(jiàn)圖4、5。

圖4 C&R決策樹(shù)模型的累計(jì)收益率

圖5 C&R決策樹(shù)模型的ROC曲線(xiàn)圖

3 討論

近年來(lái)，機(jī)器學(xué)習(xí)、人工智能等數(shù)據(jù)挖掘領(lǐng)域新興技術(shù)蓬勃發(fā)展，隨著大數(shù)據(jù)時(shí)代的到來(lái)，對(duì)龐大數(shù)據(jù)的處理分析也變得更為復(fù)雜和關(guān)鍵[4-5]。借助統(tǒng)計(jì)建模等領(lǐng)域與大數(shù)據(jù)端口的聯(lián)結(jié)，可以通過(guò)分析數(shù)據(jù)提供決策向?qū)В皶r(shí)應(yīng)對(duì)復(fù)雜的變化。決策樹(shù)作為建模的一種算法，在處理分類(lèi)問(wèn)題方面具有精確性高、輸出結(jié)果容易理解等優(yōu)勢(shì)[6]。

目前，國(guó)內(nèi)關(guān)于手足口病方面的臨床研究，較為常見(jiàn)的是使用Logistic回歸模型來(lái)篩選變量，預(yù)測(cè)病情[7-10]。Logistic回歸屬于一種參數(shù)統(tǒng)計(jì)，其主要用于解決探討危險(xiǎn)因素以及預(yù)測(cè)發(fā)生概率等問(wèn)題[11]。它屬于一種線(xiàn)性模型，在分析主效應(yīng)方面占優(yōu)，但是無(wú)法處理各種變量的交互效應(yīng)以及模型過(guò)度擬合的問(wèn)題。而決策樹(shù)屬于非參數(shù)統(tǒng)計(jì)，可以很好地彌補(bǔ)Logistic回歸模型的不足[12]。在處理交互相應(yīng)方面較佳，能有效地避免模型的過(guò)度擬合，提升模型預(yù)測(cè)精確性的同時(shí)，提高適用廣度[13]。此外，分類(lèi)樹(shù)模型可以很好地處理缺失值的情況，通過(guò)優(yōu)化的算法，使得模型在實(shí)際使用中更高效便捷。本研究通過(guò)回顧性分析臨床收集的患者資料，建立決策樹(shù)模型，從眾多待分析變量中篩選出預(yù)測(cè)變量，最后對(duì)模型進(jìn)行評(píng)估，模型預(yù)測(cè)準(zhǔn)確性為91.17%，提示模型擬合效果較好。隋美麗等[14]的研究顯示通過(guò)決策樹(shù)篩選出精神差、手足抖動(dòng)、易驚及熱峰≥39℃共4個(gè)解釋變量，預(yù)測(cè)準(zhǔn)確性為95.5%。ZHANG等[15]的臨床研究通過(guò)更高級(jí)的迭代決策樹(shù)算法，構(gòu)建的模型預(yù)測(cè)準(zhǔn)確性為92.3%?？梢钥闯鰶Q策樹(shù)模型在預(yù)測(cè)HFMD方面有一定的優(yōu)勢(shì)。本研究尚有一定不足，由于樣本量偏小以及患者搜集時(shí)存在局限性，研究的人群能否很好地代表整體特征，以及模型的適用范圍仍有待驗(yàn)證。任何模型都有其優(yōu)勢(shì)和不足，由于實(shí)際數(shù)據(jù)的復(fù)雜多樣性，一種模型很難完全勝任，往往需要多種模型協(xié)調(diào)聯(lián)合，通過(guò)優(yōu)勢(shì)互補(bǔ)，發(fā)揮功能。

綜上所述，本研究提供了一種新的思路，通過(guò)決策樹(shù)模型共納入3個(gè)解釋變量：易驚、嘔吐及肢體抖動(dòng)，模型預(yù)測(cè)精確度較高，對(duì)臨床疾病診療有一定的輔助價(jià)值。后續(xù)仍需更多研究的深入開(kāi)展，以挖掘出更佳算法，構(gòu)建更優(yōu)模型應(yīng)用于臨床，為重癥手足口病的診療及預(yù)防做出更大的貢獻(xiàn)。