基于GPLM的40～65岁绝经后骨质疏松症风险判别模型分析

被引：12

作者：

谢雁鸣 ^{[1
]}

蔡博婧 ^{[2
]}

田峰 ^{[3
]}

易丹辉 ^{[2
]}

虞鲲 ^{[4
]}

康澍 ^{[5
]}

李建鹏 ^{[1
]}

崔庆荣 ^{[1
]}

机构：

[1] 中国中医科学院中医临床基础医学研究所

[2] 中国人民大学统计学院

[3] 中国中医科学院博士后流动站

[4] 上海市大华医院

[5] 北京中医药大学东直门医院

来源：

中国卫生统计 | 2012年 / 06期

关键词：

绝经后骨质疏松症; 危险因素; 中医证候; 广义偏线性模型; 判别模型;

D O I：

暂无

中图分类号：

R580 [];

学科分类号：

摘要：

目的建立基于广义偏线性模型(generalized partial linear model,GPLM)的,包括危险因素和中医证候要素内容的绝经后骨质疏松症(postmenopausal osteoporosis,PMOP)风险判别模型。方法在获取1740例社区PMOP高危人群危险因素及证候问卷调查数据基础上,筛选出与PMOP发病相关的重要危险因素和中医症状为协变量,以骨密度定性诊断为结局变量,建立基于GPLM的PMOP判别模型。结果 GPLM模型线性部分参数估计提示:是否绝经、体重指数、下肢抽筋、下肢骨痛、绝经年限(线性效应)具有统计意义(P<0.05);模型非线性部分参数估计提示:绝经年限(非线性效应)具有统计意义(P<0.05)。与logistic回归模型相比,拟合GPLM模型时加入了"绝经年限"的非线性效应,其AUC值为0.7971,具有统计学意义(χ2=21.9162,P<0.001)。结论绝经年限与PMOP发病之间存在非线性效应。将西医危险因素和中医症状相结合,建立基于GPLM的PMOP判别模型,反映病证结合特点,与logistic回归模型相比,具有更好的判别准确性。

引用

页码：837 / 839

页数：3

共 5 条

[1]

ROC曲线的评价研究及应用 [D].

宋花玲 .

第二军医大学,

2006

[2]

广义可加模型及其在医学中的应用 [D].

贾彬 .

山西医科大学,

2005

[3]

Estimation and testing in generalized partial linear models - A comparative study.[J] Marlene Müller Statistics and Computing 2001,

[4]

Summarizing the predictive power of a generalized linear model[J] BeiyaoZheng;AlanAgresti Statist. Med. 2000,

[5]

医学统计学与电脑实验[M] 方积乾主编; 上海科学技术出版社 2006,

← 1 →