1 引 言
2 脑卒中风险预测模型研究综述
卒中发病机理复杂、相关风险因素较多, 其相关典型研究如表1所示。可见, 国内外卒中的风险预测模型所纳入风险因素具有显著差异, 卒中风险预测模型准确率还有待于进一步提高。
表1 脑卒中风险因素及预测模型相关研究
| 研究者 | 时间 | 风险因素 | 研究方法 |
|---|---|---|---|
| Feigin等[9] | 2015 | 环境颗粒物污染、固体燃料污染、铅暴露、高钠饮食、饮食含糖量高、少水果蔬菜谷物、饮酒、体力活动、二手烟、高体重指数、高空腹血糖、高收缩压、高总胆固醇、肾小球滤过率 | 贝叶斯回归方程 |
| Jusuf等[10] | 2016 | 收缩压、舒张压、甘油三酯、卒中史、高血压史、血脂异常史、蔬菜消耗、睡眠持续时间、打鼾、运动、情绪压力 | 判别分析 |
| Hijazi等[4] | 2016 | 年龄、心脏生物标志物 N-末端片段B型利钠肽、心肌肌钙蛋白高敏感性和既往卒中 | 回归 |
| Aigner等[11] | 2017 | 高血压、高脂血症、糖尿病、冠心病、吸烟、大量发作性饮酒、低体力活动和肥胖 | 逻辑回归 |
| Wang等[12] | 2017 | 高血压、糖尿病、心脏病、中风家族史、高脂血症、超重、吸烟、体育锻炼 | 固定效应模型 |
| 杜秋明等[13] | 2018 | 血压晨峰、颈动脉斑块形成、夜间平均收缩压、白昼血压负荷值、低密度脂蛋白 | 逻辑回归 |
| Wang等[5] | 2018 | 高血压、糖尿病、高脂血症、心脏病或心房颤动、肥胖、吸烟、体育锻炼、中风家族史 | 健康风险评估模型 |
| 邵泽国等[6] | 2018 | 高血压、糖尿病、胆固醇、体重指数超标、少量食用蔬菜水果、吸烟、饮酒、过量食肉或牛奶、少运动 | 决策树 |
| Navis等[14] | 2018 | 年轻(<80): 糖尿病、吸烟; 老年(≥80): 高血压、高脂血症、心房颤动、冠状动脉疾病 | 回顾性综述 |
本研究采用神经网络中的多层感知机(Multi- Layer Perceptron, MLP)完成建模, 该模型在功能上能对数据进行合理分类, 在性能上具有较好的非线性、泛化和容错能力, 优于普通的ANN模型。对于风险因素的识别, 本文参考卒中风险因素相关文献, 以及相关研究对心脑血管疾病影响(CVD)的标准[17], 通过逻辑回归和神经网络学习建模, 以期获得较为完善的风险预测模型。
3 预测模型特征选取
3.1 数据预处理
本研究基于某三甲医院为期一年(2017-2018)的卒中与非卒中住院患者数据, 总计5 936条, 变量的详细相关信息如表2所示。
表2 数据集变量的相关信息
| 变量 | 类型 | 单位 | 赋值/数据取值范围 | |
|---|---|---|---|---|
| 人口 统计 学资 料 | 性别(Gender) | 无序二分类 | 无 | 男=1; 女=0 |
| 年龄(Age) | 有序分类 | 岁 | 18-44; 45-59; 60-74; ≥75 | |
| 体重指数(BMI) | 数值类型 | Kg/m2 | [12.4,68.0] | |
| 检验 指标 | 收缩压(SBP) | 连续 | mmHg | [52,256] |
| 舒张压(DBP) | 连续 | mmHg | [36,180] | |
| 白细胞(WBC) | 连续 | 109/L | [0.15,29.7] | |
| 总胆固醇(TC) | 连续 | mmol/L | [0.64,9.6] | |
| 甘油三酯(TG) | 连续 | mmol/L | [0.01,21.3] | |
| 高密度脂蛋白(HDL) | 连续 | mmol/L | [0.20,3.34] | |
| 低密度脂蛋白(LDL) | 连续 | mmol/L | [0.01,9.54] | |
| 血肌酐(Scr) | 连续 | umlo/L | [0,1755] | |
| 临床 病史 | 高血压(Hype) | 无序二分类 | 无 | 是=1, 否=0 |
| 糖尿病(Diabetes) | 无序二分类 | 无 | 是=1, 否=0 | |
| 卒中史(HS) | 无序二分类 | 无 | 是=1, 否=0 | |
| 心脏病(HD) | 无序二分类 | 无 | 是=1, 否=0 | |
| 动脉硬化/狭窄/ 闭塞(HSO) | 无序二分类 | 无 | 是=1, 否=0 | |
| 是否卒中(Stroke) | 无序二分类 | 无 | 是=1, 否=0 | |
表3 定性变量的描述统计信息
| 变量 | 类别 | 非卒中数量 | 非卒中比列 | 卒中数量 | 卒中比列 |
|---|---|---|---|---|---|
| Gender | 男性 | 1 567 | 50.53% | 1 534 | 49.47% |
| 女性 | 1 489 | 63.33% | 862 | 36.67% | |
| Age | 18-44岁 | 1 116 | 95.71% | 50 | 4.29% |
| 45-59岁 | 970 | 71.17% | 393 | 28.83% | |
| 60-74岁 | 626 | 38.33% | 1 007 | 61.67% | |
| ≥75岁 | 344 | 26.67% | 946 | 73.33% | |
| Hype | 是 | 480 | 21.79% | 1 723 | 78.21% |
| 否 | 2 576 | 79.29% | 673 | 20.71% | |
| Diabetes | 是 | 161 | 19.54% | 663 | 80.46% |
| 否 | 2 895 | 62.55% | 1 733 | 37.45% | |
| HS | 是 | 13 | 0.62% | 2 099 | 99.38% |
| 否 | 3 046 | 91.20% | 294 | 8.80% | |
| HSO | 是 | 0 | 0% | 830 | 100.00% |
| 否 | 4 622 | 100% | 0 | 0% |
对表3中数据进行分析, 得出如下结论。
(1) 该数据集卒中患者和非卒中患者所占比例近似为1:1.2, 男女比例和各个年龄段人数均衡, 具有较好的预测研究价值。
(2) 年龄是卒中的重要风险因素之一; 一般地, 随着年龄增长转化为卒中患者可能性越大。
(3) 从临床病史的角度分析, 患有高血压、糖尿病、卒中史、心脏病、动脉硬化/狭窄/闭塞任一种疾病, 后续患卒中的机率较大。风险比例按从小到大进行排列, 依次为高血压、糖尿病、心脏病、卒中史、动脉硬化/狭窄/闭塞。数据集显示卒中人群中100%患有动脉硬化/狭窄/闭塞, 约78.21%的人患有高血压。因此, 临床病史是卒中的重要风险因素, 应进行进一步分析和探讨。
3.2 基于逻辑回归的风险因素筛选
通过SPSS进行共线性诊断分析, 确保所选变量之间相互独立。然后构建逻辑回归方程, 选择P值为经验值0.05, 经过回归方程显著性检验和拟合优度检验后, 得到回归模型方程如下所示。
$\begin{align} & \text{In(}p/1-p\text{)}=\text{0}\text{.569}\times Gender+\text{0}\text{.034}\times Age-\text{0}\text{.221}\times \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ BMI+\text{0}\text{.167}\times WBC-\text{4}\text{.97}\times TC+\text{1}\text{.218}\times \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ TG+\text{2}\text{.95}\times HDL+\text{5}\text{.888}\times LDL+\text{0}\text{.022}\times \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ Scr-\text{1}\text{.233}\times Hype-\text{7}\text{.126}\times HS-\text{0}\text{.679}\times \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ HD-\text{28}\text{.619} \\ \end{align}$
该逻辑回归方程有12个显著性变量, 方程拟合优度较优。本研究依此作为卒中风险因素构建多层感知机神经网络模型。
4 脑卒中风险预测模型建立
4.1 参数确定
多层感知机是一种常用前馈式人工神经网络, 参数选择对其预测效果具有重要影响。多隐藏层模型复杂、不易求解, 因此本研究选择1层隐藏层。基于Loppmann法确定隐藏层最佳神经元个数区间范围为[2,13], 依次调整神经元个数对模型开展训练, 获得最优神经元个数为7。本研究因变量是二分类变量, 选择Logistic函数作为输出层的激活函数; 再选择Relu函数为隐层激活函数, 该模型的预测准确率和AUC值更优。鉴于多层感知机神经网络是一种监督学习算法, 选择预测准确率、约登指数、AUC、ROC曲线作为评估标准, 并采用循环调试方法确定最优参数值。将训练样本、测试样本数据的比例设置为8:2, 基于经验值确定学习率为0.9。
4.2 基于MLP神经网络的风险预测模型
利用Python语言构建卒中风险预测ANN模型, 并进行模型训练、测试, 获得模型训练样本和测试样本AUC值为0.973, 测试集的ROC曲线如图1所示。结果说明该风险预测模型具有较高准确率, 能较好地区分开卒中和非卒中人群。
图1
4.3 模型输出
利用测试集评估该模型泛化能力的测试结果如表4所示。模型总体预测准确率为97.10%, 灵敏度为94.33%, 特异性为99.33%, 约登指数为0.9366, 说明该卒中风险预测模型具有很好的实验效果。
4.4 重要性变量输出
通过方差分析和卡方检验, 去除2个重要程度相对低的因素, 保留10个风险因素, 如图2所示。可见, 其中6个最为重要的因素依次是: 总胆固醇、低密度脂蛋白、血肌酐、卒中史、甘油三酯和高密度脂蛋白是检测脑卒中的重要影响因素。
图2
5 结 语
本研究构建了卒中风险预测多层感知机神经网络模型, 经过数据处理和逻辑回归建模拟合, 筛选出影响脑卒中发病的12个风险因素, 并识别出6个重要影响因素。该模型可以快速、有效地从众多数据中挖掘出影响脑卒中发病的关键风险因素, 并预测其发病风险, 因此具有较好的应用价值。
本研究的贡献如下:
(1) 构建的风险预测模型具有较高的预测准确率, 将为脑卒中的科学诊断、治疗和干预提供更多依据。
(2) 完善脑卒中风险因素的识别, 识别出低密度脂蛋白、总胆固醇、血肌酐、甘油三酯、卒中史是影响脑卒中发病的6个最重要的风险因素。
(3) 辅助医生决策, 关注高危人群, 及时发现疾病、预防疾病。
未来改进包括以下方面:
(1) 脑卒中的相关风险因素较多, 后续研究可以纳入更多风险因素。
(2) 引入多种机器学习模型进行对比分析, 以期获得更优模型。
(3) 将模型进一步完善并投入相关平台中使用, 根据大样本个体患者数据预测脑卒中的发病风险, 辅助医生诊断, 帮助患者预防。
作者贡献声明
吴菊华: 提出论文选题和研究思路;
张烁: 实验、建模, 论文初稿撰写和修改;
陶雷: 修改论文;
姜顺军: 采集、清洗、分析数据。
利益冲突声明
所有作者声明不存在利益冲突关系。
支撑数据
支撑数据由作者自存储, E-mail: 983797872@qq.com。
[1] 吴菊华, 张烁, 陶雷, 姜顺军.
(病例基本特征、入院记录表、诊断情况、生命体征、实验室检查). xlsx. 医院患者数据.
参考文献
我国脑卒中防治仍面临巨大挑战——《中国脑卒中防治报告2018》概要
[J].
The Prevention and Treatment of Stroke Still Face Huge Challenges——Brief Report on Stroke Prevention and Treatment in China, 2018
[J].
Global Stroke Belt: Geographic Variation in Stroke Burden Worldwide
[J].
Future Cardiovascular Disease in China: Markov Model and Risk Factor Scenario Projections from the Coronary Heart Disease Policy Model-China
[J].
The ABC (Age, Biomarkers, Clinical History) Stroke Risk Score: A BiomarkerBased Risk Score for Predicting Stroke in Atrial Fibrillation
[J].
Is the Population Detected by Screening in China Truly at High Risk of Stroke?
[J].
基于优化决策树的脑卒中日常生活习惯风险因素分析
[J].
Analysis of Risk Factors of Daily Life Habits in Stroke Based on Optimal Decision Tree
[J].
A Comparison of Shallow and Deep Learning Methods for Predicting Cognitive Performance of Stroke Patients from MRI Lesion Images
[J].
Prediction of Stroke Using Data Mining Classification Techniques
[J].
Atlas of the Global Burden of Stroke (1990-2013): The GBD 2013 Study
[J].
Infarction Stroke Risk Prediction Model for Indonesian Population: A Case-Control Study
[J].
Contribution of Established Stroke Risk Factors to the Burden of Stroke in Young Adults
[J].
Risk Factors for Stroke in the Chinese Population: A Systematic Review and Meta-analysis
[J].
高血压患者发生急性脑梗死的影响因素分析
[J].
Analysis of Influencing Factors of Acute Cerebral Infarction in Patients with Hypertension
[J].
Epidemiology and Outcomes of Ischemic Stroke and Transient Ischemic Attack in the Adult and Geriatric Population
[J].
健康管理人群脑卒中风险预测模型
[J].
Risk Prediction Model for Stroke in Health Management Population
[J].
An CNN-LSTM Attention Approach to Understanding User Query Intent from Online Health Communities
The Atlas of Heart Disease and Stroke
[M].
Bounds on the Number of Hidden Neurons in Multilayer Perceptrons
[J].
A Data Analytics Approach to Building a Clinical Decision Support System for Diabetic Retinopathy: Developing and Deploying a Model Ensemble
[J].
Predicting the 10-year Risks of Atherosclerotic Cardiovascular Disease in Chinese Population: The China-PAR Project (Prediction for ASCVD Risk in China)
[J].
Big Data, Data Science, and Analytics: The Opportunity and Challenge for IS Research
[J].
Health Care Predictive Analytics for Risk Profiling in Chronic Care: A Bayesian Multitask Learning Approach
[J].
