基于Logistic回歸的食管癌風(fēng)險(xiǎn)預(yù)測(cè)模型研究

張艷萍 高皓楠 曹云珍

目的：探索影響邯鄲市居民食管癌發(fā)病的主要因素，并建立其食管癌風(fēng)險(xiǎn)預(yù)測(cè)模型。

方法：首先收集了邯鄲市食管癌患者100個(gè)和非食管癌患者114個(gè)。然后，運(yùn)用Spearman相關(guān)系數(shù)對(duì)8個(gè)自變量之間的相關(guān)性進(jìn)行分析后找到影響是否患食管癌的主要因素，基于Logistic回歸模型建立了最優(yōu)食管癌的風(fēng)險(xiǎn)預(yù)測(cè)模型。

結(jié)果：影響邯鄲市居民食管癌發(fā)病的主要因素為年齡、居住地、飲酒情況、從事工作。并通過(guò)逐步回歸方法得到最優(yōu)的Logistic回歸預(yù)測(cè)模型，同時(shí)應(yīng)用5折交叉驗(yàn)證方法驗(yàn)證了模型基本不存在過(guò)擬合現(xiàn)象，預(yù)測(cè)準(zhǔn)確度達(dá)到92.99%。

結(jié)論：食管癌風(fēng)險(xiǎn)預(yù)測(cè)模型的建立為邯鄲市食管癌高危人群預(yù)警、早期診斷、個(gè)體化防治可提供更有力的理論依據(jù)。

背景及目的

通過(guò)預(yù)測(cè)模型可以確定患者未來(lái)發(fā)病風(fēng)險(xiǎn)。疾病風(fēng)險(xiǎn)預(yù)測(cè)模型不僅在發(fā)病率較高的高血壓等應(yīng)用廣泛，在腫瘤發(fā)病率相對(duì)較低的食管癌等也有應(yīng)用。食管癌的病理類型在不同國(guó)家地區(qū)有所差異。在西方國(guó)家，食管癌的病理類型以食管腺癌為主，且與Barrett食管癌的發(fā)病密切相關(guān)。而在亞洲國(guó)家，食管癌以食管鱗狀細(xì)胞癌（ESCC）為主，占到了全部食管癌的90%以上，我國(guó)河北涉縣、磁縣等地是食管癌高發(fā)地區(qū)。近年來(lái)國(guó)內(nèi)外研究者對(duì)食管癌進(jìn)行了大量的流行病學(xué)研究和病因?qū)W研究，從不良生活方式和飲食習(xí)慣等多方面進(jìn)行了探索，取得了有意義的進(jìn)展，為食管癌的防治提供了一定的科學(xué)依據(jù)。為了更好的為邯鄲市食管癌高危人群預(yù)警、早期診斷、個(gè)體化防治提供更有力的理論依據(jù)，本文探索影響邯鄲市居民食管癌發(fā)病的主要因素，并建立其食管癌風(fēng)險(xiǎn)預(yù)測(cè)模型。

資料和方法

研究對(duì)象

通過(guò)收集邯鄲市某醫(yī)院2017年食管癌住院患者信息和居民健康人群調(diào)查問(wèn)卷信息，最后分別得到100個(gè)樣本和114個(gè)樣本。我們定義抽煙者、飲酒者的標(biāo)準(zhǔn)如下：平均每周至少兩次并達(dá)一年的人定義為飲酒者，否則為非飲酒者；一生種吸煙總量大于100支或吸煙斗大于100次的人定義為吸煙者，否則為非吸煙者。因變量為是否患有食管癌，自變量為性別（X1）、年齡（X2）、居住地（X3）、吸煙情況（X4）、飲酒情況（X5）、個(gè)人健康情況（ X6）、從事工作（X7）。

數(shù)據(jù)處理和統(tǒng)計(jì)分析

通過(guò)自變量與因變量的列聯(lián)表分析以及Spearman相關(guān)系數(shù)矩陣得到年齡（X2）、居住地（X3）、吸煙情況（X4）、飲酒情況（X5）、從事工作類型（X7）與患有食道癌具有顯著的相關(guān)性。而性別（X1）、個(gè)人健康情況（X6）與患有食管癌沒(méi)有顯著的相關(guān)性。

食管癌風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建

Logistic回歸模型建立

從相關(guān)分析可以看出，性別（X1）、個(gè)人健康情況（X6）與因變量沒(méi)有統(tǒng)計(jì)學(xué)相關(guān)性。因此Logistic回歸模型中，納入以下自變量：年齡（X2）、居住地（X3）、吸煙情況（X4）、飲酒情況（X5）、從事工作（X7）。從而建立logit（p）關(guān)于自變量X2，X3，x5，X1的Logistic回歸方程為：

logit（P）=βo+β1X2+β2X3+β3X5+β4X7

利用SPSS17.0進(jìn)行數(shù)據(jù)處理和分析，各回歸系數(shù)中吸煙情況（X4）的P>0.05，從而得到此變量對(duì)Logistic回歸模型沒(méi)有顯著的統(tǒng)計(jì)學(xué)意義。進(jìn)一步，利用逐步回歸方法對(duì)模型進(jìn)行優(yōu)化，發(fā)現(xiàn)去除吸煙情況（X4）變量后，所有的回歸系數(shù)P<0.05，說(shuō)明各變量對(duì)Logistic回歸優(yōu)化模型具有顯著的統(tǒng)計(jì)學(xué)意義。

為了驗(yàn)證優(yōu)化模型的有效程度，對(duì)原模型和優(yōu)化模型的卡方檢驗(yàn)進(jìn)行了比較，如表1所示：

從表中得到，卡方值P=0.1946>0.05，得到吸煙情況（X4）這個(gè)變量不會(huì)顯著影響模型的預(yù)測(cè)精度，從而驗(yàn)證了優(yōu)化模型的有效程度。

最終得到是否患有食管癌的Logistic回歸優(yōu)化模型為：

模型驗(yàn)證及指標(biāo)分析

為了避免引入過(guò)多變量導(dǎo)致模型的過(guò)度擬合，以至于預(yù)測(cè)的嚴(yán)重失真，通過(guò)5折交叉驗(yàn)證方法進(jìn)行檢驗(yàn)，得到平均誤差為7.01%，說(shuō)明模型基本不存在過(guò)擬合現(xiàn)象。模型預(yù)測(cè)準(zhǔn)確度為92.99%，并通過(guò)最優(yōu)模型Logistic回歸中的受試者工作特征曲線（receiver operating characteristic curve，ROC曲線），計(jì)算了相應(yīng)的曲線下面積（areasunder the curve，AUC）為0.985（如圖1所示），從而說(shuō)明建立的Logistic回歸優(yōu)化模型是高度有效的。

進(jìn)一步，對(duì)回歸系數(shù)的風(fēng)險(xiǎn)比值比（oddsratio，OR）進(jìn)行了分析，隨著年齡的變化，每增大一個(gè)單位，患有食管癌的概率就會(huì)增加1.139倍；隨著居住地的變化，每變化一個(gè)單位，患有食道癌的概率就增加1.136倍；隨著飲酒情況的變化，飲酒者是非飲酒者患有食道癌概率的0.894倍；工作人群患有食道癌的概率是退休人群的1.658倍。

綜上所述，邯鄲市居民食管癌的患病率主要跟其生活習(xí)慣以及居住環(huán)境的工作人群相關(guān)，但是食管癌相關(guān)危險(xiǎn)因素的影響仍需進(jìn)一步研究和探討，從而建立準(zhǔn)確性更高的食管癌風(fēng)險(xiǎn)預(yù)測(cè)模型，為食管癌高危人群預(yù)警、早期診斷、個(gè)體化防治提供更有力的理論依據(jù)。