莫海娟 賴(lài)銀娟 黃志碧 梁冰倩 陸華媛

(廣西醫(yī)科大學(xué)公共衛(wèi)生學(xué)院，南寧市 530021，電子郵箱：2401061229@qq.com)

近年來(lái)我國(guó)結(jié)核病的發(fā)病率和死亡率呈逐步下降趨勢(shì)，但其患病率仍位居世界第二，僅次于印度[1]。脊柱結(jié)核占骨和關(guān)節(jié)結(jié)核的50%，是最常見(jiàn)的肺外結(jié)核，常導(dǎo)致不可逆轉(zhuǎn)的神經(jīng)損傷(包括癱瘓)，降低患者的生活質(zhì)量[2]，引發(fā)嚴(yán)重的社會(huì)和經(jīng)濟(jì)問(wèn)題。經(jīng)典的Logistic回歸模型是一種分析疾病影響因素的常用方法，但是對(duì)于非線(xiàn)性問(wèn)題效果不佳[3]。隨機(jī)森林法是由美國(guó)科學(xué)家Breiman將前期Bagging集成學(xué)習(xí)理論與Ho提出的隨機(jī)子空間方法結(jié)合的一種新組合分類(lèi)器 CART決策樹(shù)算法。隨機(jī)森林法在多種疾病研究中的應(yīng)用已逐漸成為統(tǒng)計(jì)學(xué)研究熱點(diǎn)，與傳統(tǒng)的分類(lèi)算法相比，其具有準(zhǔn)確性高等優(yōu)點(diǎn)[4]。本文采用隨機(jī)森林算法結(jié)合Logistic回歸模型探討用于預(yù)測(cè)脊柱結(jié)核的模型，旨在用盡量少的自變量去預(yù)測(cè)脊柱結(jié)核，同時(shí)使模型具有較高的準(zhǔn)確度。

1 資料與方法

1.1 臨床資料 將2017年1月至2018年12月廣西醫(yī)科大學(xué)第一附屬醫(yī)院脊柱結(jié)核外科收治的250例脊柱結(jié)核患者作為研究組。納入標(biāo)準(zhǔn)：(1)CT引導(dǎo)下穿刺活檢病理結(jié)果證實(shí)為結(jié)核；(2)有相應(yīng)的臨床表現(xiàn)和影像學(xué)表現(xiàn)，且抗結(jié)核治療有效。排除標(biāo)準(zhǔn)：(1)意識(shí)不清，無(wú)法表達(dá)病情者；(2)合并有其他感染性疾病者。研究組中男性149例、女性101例，年齡7～84(47.28±16.93)歲。并根據(jù)隨機(jī)數(shù)字表法抽取同一時(shí)期來(lái)科室檢查的250例非脊柱結(jié)核患者作為對(duì)照組，包括慢性腰背肌筋膜炎(診斷符合《臨床診療指南骨科分冊(cè)》[5])、脊柱腫瘤(手術(shù)時(shí)取活檢病理證實(shí))，排除意識(shí)不清者。 對(duì)照組中男性145例、女性105例，年齡10～81(44.34±17.34) 歲。兩組患者的性別、年齡差異均無(wú)統(tǒng)計(jì)學(xué)意義(均P>0.05)，具有可比性。

1.2 資料收集 回顧性分析研究對(duì)象的相關(guān)基本信息和臨床表現(xiàn)、實(shí)驗(yàn)室指標(biāo)。(1)基本信息：性別、年齡。(2)臨床表現(xiàn)：疲倦/乏力、體重下降、盜汗、貧血(男性血紅蛋白<120 g/L，女性血紅蛋白<110 g/L)、頸肩腰背痛、椎旁或腰大肌膿腫(X線(xiàn)出現(xiàn)單側(cè)或者雙側(cè)局限性陰影)、椎間隙狹窄(X線(xiàn)顯示間隙變窄或消失，邊緣不齊、模糊)、骨質(zhì)破壞(CT表現(xiàn)為蟲(chóng)蝕狀骨質(zhì)破壞，顯示為蜂窩或斑片樣改變)、脊柱生理曲度或椎體形狀改變(表現(xiàn)為頸椎和腰椎變直)、椎前及椎旁軟組織陰影增大腰椎(X線(xiàn)可見(jiàn)腰大肌陰影增大增深)、脊柱后凸(Cobb角>30°)、神經(jīng)功能受損(表現(xiàn)為感覺(jué)減退平面，病理征陽(yáng)性)、活動(dòng)受限(表現(xiàn)為拾物試驗(yàn)陽(yáng)性)。(3)實(shí)驗(yàn)室指標(biāo)：血沉、白細(xì)胞計(jì)數(shù)、C反應(yīng)蛋白、血清白蛋白水平。其中血沉的正常范圍：成年男性為0～15 mm/h，女性為0～20 mm/h；白細(xì)胞計(jì)數(shù)的正常范圍為(4～10)×109/L；C反應(yīng)蛋白的正常范圍為0.8～8 mg/L；血清白蛋白的正常范圍為40～55 g/L。

1.3 統(tǒng)計(jì)學(xué)分析 采用IBM SPSS 25.0軟件分析隨機(jī)森林的預(yù)測(cè)變量的重要程度排序，根據(jù)滑動(dòng)窗口序貫向前選擇法(sliding windows sequential forward selection，SWSFS)[6]找出合適的變量個(gè)數(shù)。運(yùn)用SPSS 24.0軟件將考慮的變量納入二元Logistic回歸模型中進(jìn)行分析。

1.3.1 變量重要程度的排序情況：在隨機(jī)森林中，要構(gòu)建的分類(lèi)樹(shù)與回歸樹(shù)算法模型數(shù)量為500，為了結(jié)果重現(xiàn)，隨機(jī)數(shù)種子設(shè)為111。將臨床常規(guī)診斷的指標(biāo)納入隨機(jī)森林模型并分析各個(gè)變量的重要性排序，包括疲倦/乏力、體重下降、盜汗、貧血、頸肩腰背痛、椎旁或腰大肌膿腫、椎間隙狹窄、骨質(zhì)破壞，脊柱生理曲度或椎體形狀改變、椎前及椎旁軟組織陰影增大、脊柱后凸、神經(jīng)功能受損、活動(dòng)受限以及血沉、白細(xì)胞計(jì)數(shù)、C反應(yīng)蛋白、白蛋白水平。

1.3.2 去躁降維：利用SWSFS，按重要程度大小逐步加入變量，每加入1個(gè)新變量再次運(yùn)行隨機(jī)森林分析[6-7]。由于每棵樹(shù)都是基于Bootstrap抽樣獲得的訓(xùn)練樣本計(jì)算的，約有1/3的數(shù)據(jù)未被抽中，即為袋外數(shù)據(jù)集，最終獲得袋外估算誤差率，用以表示該隨機(jī)森林模型進(jìn)行預(yù)測(cè)時(shí)的誤差。

1.3.3 Logistic回歸：以是否患脊柱結(jié)核為因變量，將隨機(jī)森林分析得出的結(jié)果作自變量，進(jìn)行二元Logistic回歸分析，運(yùn)用后退法篩選變量，以α=0.05作為變量納入模型的標(biāo)準(zhǔn)。

1.3.4 模型的評(píng)價(jià)：以L(fǎng)ogistic回歸中的混淆矩陣評(píng)價(jià)所建立模型的預(yù)測(cè)效能。

2結(jié) 果

2.1 隨機(jī)森林變量的重要性排序情況 通過(guò)拆分到所有樹(shù)中的平均變量數(shù)而減少節(jié)點(diǎn)雜質(zhì)總量(按基尼指標(biāo)測(cè)量)，節(jié)點(diǎn)雜質(zhì)減少越多，各個(gè)變量的重要性越靠前。重要性位列前5名的指標(biāo)依次為低白蛋白、脊柱后凸、血沉、椎旁或腰大肌膿腫、貧血，見(jiàn)表1及圖1。

表1 各個(gè)變量的節(jié)點(diǎn)雜質(zhì)減少情況及重要性排序

圖1 隨機(jī)森林預(yù)測(cè)變量排序

2.2 去躁降維結(jié)果 結(jié)合隨機(jī)森林排序情況，逐一加入變量，進(jìn)行SWSFS過(guò)程，結(jié)果顯示，當(dāng)自變量達(dá)10個(gè)時(shí)，袋外估算誤差率相對(duì)較低且穩(wěn)定，見(jiàn)圖2。

圖2 SWSFS過(guò)程的袋外估算誤差率

2.3 多因素Logistic回歸分析 以是否患脊柱結(jié)核為因變量，以重要性位列前10的指標(biāo)(低白蛋白、脊柱后凸、血沉、椎旁或腰大肌膿腫、貧血、骨質(zhì)破壞、C反應(yīng)蛋白、盜汗、活動(dòng)受限、體重下降)作為自變量，進(jìn)行多因素Logistic回歸分析，變量賦值見(jiàn)表2。結(jié)果顯示，白蛋白降低、脊柱后凸、血沉升高、椎旁或腰大肌膿腫、貧血、骨質(zhì)破壞、C反應(yīng)蛋白升高、體重下降均與脊柱結(jié)核有關(guān)(均P<0.05)，見(jiàn)表3。

表2 變量賦值

表3 多因素Logistic回歸分析結(jié)果

2.4 基于隨機(jī)森林模型的Logistic回歸的模型評(píng)價(jià) 基于隨機(jī)森林模型的Logistic回歸對(duì)脊柱結(jié)核患者預(yù)測(cè)的正確率為94.0%(235/250),判斷非脊柱結(jié)核患者的正確率為92.8%(232/250)，總的準(zhǔn)確度是93.4%(467/500)，見(jiàn)表4。

表4 混淆矩陣

3 討 論

脊柱結(jié)核是一種繼發(fā)于肺結(jié)核或淋巴結(jié)核的疾病，其受經(jīng)濟(jì)落后、結(jié)核耐藥菌株不斷出現(xiàn)及世界人口的大范圍流動(dòng)等因素的影響。脊柱結(jié)核患者常有結(jié)核病史，同時(shí)多有午后低熱、消瘦、貧血、盜汗等伴隨癥狀，從感染到出現(xiàn)相應(yīng)臨床表現(xiàn)一般需11.2個(gè)月[8]。

本研究從17個(gè)臨床指標(biāo)中，采用降維的方式，選擇重要性位于前10的變量納入多因素Logistic回歸模型中進(jìn)行分析。結(jié)果顯示，白蛋白降低、脊柱后凸、血沉升高、椎旁或腰大肌膿腫、貧血、骨質(zhì)破壞、C反應(yīng)蛋白升高、體重下降均與脊柱結(jié)核有關(guān)(均P<0.05)，具有這些特征的患者患脊柱結(jié)核的可能性大。其中，貧血、體重下降均是結(jié)核感染的常見(jiàn)典型癥狀。血沉、C反應(yīng)蛋白均是反映機(jī)體炎性活動(dòng)的最常用指標(biāo)，脊柱結(jié)核由結(jié)核桿菌感染引起，故機(jī)體血沉、C反應(yīng)蛋白明顯升高。骨質(zhì)破壞是該病基本病癥之一，結(jié)核桿菌感染后，結(jié)核的干酪化作用誘發(fā)局限性骨質(zhì)破壞[9]。脊柱后凸亦是結(jié)核桿菌侵犯椎體而引起的畸形。此外，結(jié)核桿菌侵入椎體后形成的膿液可流到椎旁或椎旁軟組織，如不加干預(yù)可累及腰大肌，表現(xiàn)為椎旁或腰大肌膿腫[10]?？傊缁颊叽嬖谘?、C反應(yīng)蛋白、白蛋白異常，以及脊柱后凸、脊柱破壞、椎旁或腰大肌膿腫，應(yīng)高度警惕脊柱結(jié)核的可能。

本研究運(yùn)用隨機(jī)森林算法找出影響脊柱結(jié)核發(fā)病的重要程度前10位的變量，進(jìn)一步解析。從大多數(shù)變量中挑選影響較大的變量分析并預(yù)測(cè)，能夠減少診斷的時(shí)間，節(jié)省人力。隨機(jī)森林算法在脊柱結(jié)核預(yù)測(cè)風(fēng)險(xiǎn)上有理想的結(jié)局，但是多因素Logistic回歸能直觀(guān)地解釋結(jié)果[11]。隨機(jī)森林可以克服自變量間高度相關(guān)和非線(xiàn)性問(wèn)題，Logistic回歸可以彌補(bǔ)隨機(jī)森林的解釋困難性缺陷，兩個(gè)模型結(jié)合預(yù)測(cè)脊柱結(jié)核的準(zhǔn)確度高達(dá)93.4%，說(shuō)明預(yù)測(cè)效果較佳。但本文的研究對(duì)象來(lái)源于醫(yī)院，結(jié)果具有一定局限性，若要應(yīng)用到社區(qū)，則需進(jìn)一步增加樣本含量及采集樣本的途徑。