практическими данными, выбранный набор факторов определяет поведение исхода и является информативным. Результирующая модель имеет вид P{Y =l \ X l =xltX 2 =x2 t...,XlA=xl4) 1 1+ е —с ’ где = -5.287855820.02512789*, + 1.20737621х2+0.39531719х3 + 0.07843871х4 +0.51203104х5+1.36714514хб+0.72872267х7+0.83610473х8 +1.04273518х9 +2.12038326х,о-0.59095033хи + 0.93225850х12+0.77449895х13-0.16248334х,4 Величины х ,,х 2,...,х14 значения факторов, наблюдаемые у индивидуума. Величина P(Y =11X, =х,, X* = х2,..., Х14=х]4) >0.5 означает наличие исхода, в противном случае наблюдается отсутствие исхода. На втором этапе работы, на основании проведения логистической регрессии и многофакторного анализа, нами была построена модель перехода инфицирования в заболевание по факторам риска. Для построения регрессионной модели из всей совокупности исследуемых факторов были выбраны те факторы, которые показали статистическую значимость в однофакторном анализе, то есть доверительные интервалы отношений шансов, которых не включали единицу. В исходной таблице данных выбраны строки, в которых присутствуют только допустимые значения факторов. Для каждой строки выборки данных (т.е. для каждого значения, которое принимает вся совокупность факторов риска в исходной анных) рассчитана вероятность исхода, необходимая для построения регрессионной логистической модели. Для снижения размерности модели используется иерархический метод удаления малоинформативных факторов. В результирующей модели выявлено 15 наиболее информативных факторов риска. Дальнейшее уменьшение размерности модели нецелесообразно в связи с уменьшением значения отношения шансов в конечной модели. |
данными, выбранный набор факторов определяет поведение исхода и является информативным. Линейная часть модели представляет собой следующее выражение: А +Р\ХI +•••+&;&“ “ 0,54 1,60 (осложнения во время беременности) + 0,77 (наличие вредных привычек у матери во время беременности) + 5,50 (ВИЧ инфекция у матери) + 0,55 (туберкулез у матери) + 2,04 (сахарный диабет у матери) 13,65 (психические заболевания у матери) Результирующая модель имеет вид Р(инфицирования) = -------------------------------------------------------------------------------------------------------------------------------------------(-0,54-1,60*, + 0,77*2 +5,50*з +0.55*, + 2,04*513,65*6) 1+ 2,7182 Постнатальныс факторы риска В результирующей модели выявлено 6 наиболее информативных факторов риска. Дальнейшее уменьшение размерности модели нецелесообразно в связи с уменьшением значения отношения шансов в конечной модели: * 3 характер вскармливания (1 искусственное вскармливание, 0 нет), * 2 заболевания новорожденных (1 есть, 0 нет), * 5 недоношенность (1 есть, 0 нет), * 4 внутриутробное инфицирование (ВУИ) (1 есть, 0 -нет), * 5 патология центральной нервной системы (1 да, 0 нет),*6перинатальный контакт по ВИЧинфекции (1 да, 0 нет) (табл.18.). Среднеквадратическая ошибка модели составила: е 32.77887358 Отношение шансов для полученной модели, рассчитанное в соответствии с приведенными выше формулами составило: OR= 1,73. Таким образом, полученная прогностическая модель хорошо согласуется с практическими данными, выбранный набор факторов определяет поведение исхода и является информативным. 79 если да, 1 если нет), * 2 эффективность, вакцинации БЦЖ (1 если размер рубчика менее 4 мм, 0 более 4 мм). Для каждого значения, которое принимает вся совокупность факторов риска в исходной таблице данных, рассчитана вероятность исхода, необходимая для построения модели (табл. 19). Таблица 19 Конечная многофакторная логистическая регрессионная модель анализа медико-биологических (специфические) факторов риска инфицирования микобактериями туберкулеза Независимые переменные Значения коэффициентов модели (Р) Стандартная ошибка коэффициентов модели ( сг;.) Intercept (пересечение) 1,65 0,79 Наличие вакцинации БЦЖ -2 .1 1 0.81 Эффективность вакцинации Б1Щ -0.46 0.51 Среднеквадратическая ошибка модели составила: г;= 8.74309025 Отношение шансов для полученной модели, рассчитанное в соответствии с приведенными выше формулами составило: O R 2,74. Таким образом, полученная прогностическая модель хорошо согласуется с практическими данными, выбранный набор факторов определяет поведение исхода и является информативным. Линейная часть модели представляет собой следующее выражение: Ро +Р\Хл+РгХг = 1,65 2,11 (наличие вакцинации БЦЖ) 0,46 (эффективность вакцинации БЦЖ). Результирующая модель имеет вид: Р(иифицирования)~---------------------------------------------------(1,65-2,11*!-0,46*2) 1+2,7182 81 Медяко-биолигические (неспсцифичсекие) факторы риска по соматической патологии инфицирования микобактериями туберкулеза. В результирующей модели выявлено 7 наиболее информативных факторов риска: ул аллергический ринит (1 да, 0 нет), у г атонический дерматит (1 да, 0 нет), у ъ заболевания ЖКТ-тракта (I да, 0 нет), у х неврологическая патология (1 да, 0 нет), у ъ анемия (1 да, 0 нет), у 6 ~ ЧБД(1 да, 0 нет), у, пневмонии (1 да, 0 нет) (табл.20) Дальнейшее уменьшение размерности модели нецелесообразно в связи с уменьшением значения отношения шансов в конечной модели. Таблица 20 Конечная многофакторная логистическая регрессионная модель анализа медикобиологических (нссиецифыческих) факторов риска но соматической патологии инфицирования микобактериями туберкулеза Независимые переменные Значения коэффициентов модели (/?) Стандартная ошибка коэффициентов модели {*,) Intercept ( пересечение) -0.51 0.41 Аллергический ринит 0.65 1.37 Атопический дерматит -8 .8 6 21.57 Заболевания ЖКТтракта 1.40 1.18 Неврологическая патология -0.54 0.79 Анемии -1.52 0.82 ЧБД -1.89 0.85 Пневмонии 16.73 26.57 Средиеквадратическая ошибка модели составила: е = 36.87865670. Отношение шансов для полученной модели, рассчитанное в соответствии с приведенными выше формулами составило: OR=6 ,12. Таким 82 |