Lasso-logistic模型在医院下呼吸道感染预测中的应用

摘要：

目的 建立住院患者医院下呼吸道感染预测模型,构建新的、简单的风险评分方法.方法 以2014年多家医院感染调查数据为训练集,建立住院患者医院下呼吸道感染的Lasso-logistic回归预测模型,选择贝叶斯信息准则(BIC)最小模型为最终模型,将回归系数放大相同倍数建立评分方法,以2015、2016年调查数据为验证集,并与文献建立的风险评分方法进行比较.结果 Lasso过程共进行360步,第24步时BIC最小(6 690.4),正则化参数λ=130.8.风险评分方法包含1 7个条目,数量是文献风险评分方法的1/4,DeLong's检验显示,两评分方法验证集受试者工作特征曲线下面积(AUC)差异无统计学意义(Z-0.371,P-0.710),决策曲线几乎重合,净重新分类指数为-0.0149,差异无统计学意义(Z--1.301,P-0.193),整体鉴别指数为0.006,改善差异有统计学意义(P=0.014).结论 利用Lassologistic回归模型建立了住院患者医院下呼吸道感染风险简单评分方法,该方法的条目相对简洁,预测效果准确.

关键词：Lasso、医院感染、下呼吸道感染、风险评分、预测

所属期刊栏目：18

分类号：R181.3+2(流行病学与防疫)

资助基金：国家科技重大专项2018ZX10733402,2018ZX10713003

在线出版日期：2019-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：619-624