分類樹(shù)模型在重癥手足口病風(fēng)險(xiǎn)預(yù)測(cè)中的應(yīng)用*

隋美麗，申遠(yuǎn)方，黃學(xué)勇，楊海燕，馬曉梅，李 懿，馮慧芬，段廣才#

1)鄭州大學(xué)公共衛(wèi)生學(xué)院流行病學(xué)教研室 鄭州450001 2)鄭州市兒童醫(yī)院感染科 鄭州450053 3)河南省疾病預(yù)防控制中心傳染病所 鄭州450016 4)鄭州大學(xué)第五附屬醫(yī)院感染科 鄭州450052

手足口病(hand－foot－mouth disease，HFMD)是由小RNA 腸道病毒引起的兒童常見(jiàn)傳染病，該病發(fā)病急、傳染性強(qiáng)。近年來(lái)，HFMD 在東南亞及我國(guó)大陸較為流行，報(bào)告病例、重癥病例和死亡病例均增多，其中HFMD 的重癥病例病死率較高，危害嚴(yán)重［1］。因此，對(duì)HFMD 重癥化預(yù)警指標(biāo)的掌握有助于該病的防治。在對(duì)疾病危險(xiǎn)因素進(jìn)行分析及對(duì)癌癥進(jìn)行輔助診斷時(shí)，分類樹(shù)模型已有應(yīng)用［2－4］，該模型可將因素間的交互作用和層次關(guān)系進(jìn)行有效處理和展現(xiàn)，并可提示具有哪些特征的患者有較高的發(fā)病風(fēng)險(xiǎn)或更易重癥化，實(shí)現(xiàn)早期預(yù)警并對(duì)具有該特征的人群實(shí)施及時(shí)的干預(yù)。該研究分析2013年4月至6月在鄭州市某醫(yī)院感染科住院的HFMD 患兒的一般臨床資料和常規(guī)的實(shí)驗(yàn)室檢查資料，使用分類樹(shù)模型探討重癥HFMD 的危險(xiǎn)因素，構(gòu)建風(fēng)險(xiǎn)模型，并對(duì)模型的應(yīng)用價(jià)值進(jìn)行評(píng)價(jià)。

1 對(duì)象與方法

1．1 對(duì)象 所有患兒均來(lái)源于2013年4月至6月鄭州市某醫(yī)院感染科，納入該研究的重癥病例和輕癥病例均符合《手足口病診療指南(2010年版)》［5］。納入標(biāo)準(zhǔn):①臨床確診的HFMD 患兒。②月齡≤36個(gè)月。③發(fā)病時(shí)間≤72 h。排除標(biāo)準(zhǔn):①患有先天性疾病者。②患有急性或慢性肝炎者。③排除其他疾病引起的心臟損害者。④同時(shí)合并其他腸道疾病者。共221例，其中重癥組147例(男89例，女58例)，月齡(18．18±7．20)個(gè)月，發(fā)病時(shí)間(1．40 ±0．50)d;輕癥組74例(男46例，女28例)，月齡(16．41 ±8．02)個(gè)月，發(fā)病時(shí)間(1．32 ±0．47)d。2組患兒的性別構(gòu)成、年齡及發(fā)病時(shí)間比較，差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均＞0．05)。該研究經(jīng)鄭州市兒童醫(yī)院和鄭州大學(xué)第五附屬醫(yī)院倫理委員會(huì)批準(zhǔn)。

1．2 資料收集 以《手足口病預(yù)防控制指南(2009版)》附件3《手足口病重癥或死亡病例個(gè)案調(diào)查表》為基礎(chǔ)［6］，經(jīng)過(guò)多次預(yù)調(diào)查及專家論證后，制定統(tǒng)一的調(diào)查問(wèn)卷。對(duì)該院221例住院患兒展開(kāi)個(gè)案調(diào)查，主要收集患兒及家庭的一般人口學(xué)特征、疾病史、臨床癥狀及體征以及生化檢查的相關(guān)資料。調(diào)查表由經(jīng)統(tǒng)一規(guī)范化培訓(xùn)的專業(yè)人員現(xiàn)場(chǎng)分別對(duì)病例組和對(duì)照組的家長(zhǎng)進(jìn)行訪談，并結(jié)合患兒實(shí)際情況填寫(xiě)。同一調(diào)查員填寫(xiě)同一調(diào)查問(wèn)卷并在3 d 內(nèi)完成所有項(xiàng)目。從調(diào)查問(wèn)卷中選取其中26個(gè)因素進(jìn)行危險(xiǎn)因素分析，分別為:發(fā)熱、熱程≥3 d、熱峰≥39℃、心率≥140 min－1、呼吸≥30 min－1、血糖升高、精神差、煩躁不安、頸強(qiáng)直、抽搐、易驚、意識(shí)障礙、手足抖動(dòng)、肢體無(wú)力、呼吸節(jié)律不齊、肺部啰音、皮膚顏色、四肢發(fā)涼、嘔吐、胸部X 線片改變、心電圖異常、白細(xì)胞、中性粒細(xì)胞比率、淋巴細(xì)胞比率、C反應(yīng)蛋白、降鈣素原。

1．3 分類樹(shù)分類變量的分級(jí)與數(shù)量化的方法 在資料的統(tǒng)計(jì)學(xué)處理中，對(duì)HFMD 患兒的臨床診斷類型及上述26個(gè)因素進(jìn)行了定義及量化編碼，見(jiàn)表1。

表1 主要變量定義及量化編碼

1．4 統(tǒng)計(jì)分析

1．4．1 運(yùn)算法則 分類樹(shù)模型對(duì)目標(biāo)變量進(jìn)行分類和預(yù)測(cè)時(shí)是根據(jù)解釋變量來(lái)實(shí)現(xiàn)的，較著名的分類樹(shù)方法包括CHAID 和分類回歸樹(shù)(CART)，預(yù)測(cè)和分類是該類方法的主要用途。其中，最常用的方法是CHAID，但該法對(duì)目標(biāo)變量的要求很?chē)?yán)格:即獨(dú)立變量(目標(biāo)變量)只能為分類變量，即離散型變量，而CART 則可以直接對(duì)數(shù)值型變量進(jìn)行處理?；驹?以目標(biāo)變量自我分層的樹(shù)狀結(jié)構(gòu)為基礎(chǔ)，根結(jié)點(diǎn)代表因變量，預(yù)測(cè)變量父結(jié)點(diǎn)和子結(jié)點(diǎn)的不斷生成是以卡方檢驗(yàn)顯著性程度為依據(jù)的，即卡方值越大，越先成為預(yù)測(cè)根結(jié)點(diǎn)的變量，程序自動(dòng)歸并以實(shí)現(xiàn)變量的不同類的預(yù)測(cè)，使之成為卡方顯著性，程序根據(jù)預(yù)先設(shè)定的水平數(shù)停止［7－8］。當(dāng)預(yù)測(cè)變量的數(shù)量較多且變量類型均為分類變量時(shí)，最適宜的分類方法即為CHAID。此外，CART 法的原理是內(nèi)部同質(zhì)性，而CHAID 法是以列聯(lián)表卡方計(jì)算為基礎(chǔ)的運(yùn)算法則，兩者的原理不同。與CART 法相比，CHAID 更易被醫(yī)務(wù)工作者理解。

1．4．2 模型的評(píng)價(jià) 索引圖、錯(cuò)分概率Risk 統(tǒng)計(jì)量均可對(duì)模型的分類結(jié)果進(jìn)行評(píng)價(jià)，同時(shí)受試者工作特征曲線(ROC 曲線)下面積亦可對(duì)模型效果進(jìn)行評(píng)價(jià)。

1．4．3 模型參數(shù) 拆分及合并的檢驗(yàn)水準(zhǔn)α =0．05，最大生長(zhǎng)深度5 層，為實(shí)現(xiàn)重癥HFMD 潛在影響因素的充分挖掘，父結(jié)點(diǎn)和子結(jié)點(diǎn)中最小樣本含量設(shè)為10 和5。

1．4．4 數(shù)據(jù)分析 采用SPSS 13．0 進(jìn)行重 癥HFMD 發(fā)生風(fēng)險(xiǎn)的分類樹(shù)模型構(gòu)建。

2 結(jié)果

2．1 重癥HFMD 分類樹(shù)發(fā)生風(fēng)險(xiǎn)模型的建立 根據(jù)上述生長(zhǎng)和修剪規(guī)則，所建立分類樹(shù)模型共包括3 層，共9個(gè)結(jié)點(diǎn)。其中終末結(jié)點(diǎn)5個(gè)，共篩選出4個(gè)解釋變量:精神差、易驚、熱峰≥39℃、手足抖動(dòng)，見(jiàn)圖1。分類樹(shù)模型圖結(jié)果顯示，樹(shù)型結(jié)構(gòu)的第一層是按照精神進(jìn)行拆分的，所以，在該研究中，重癥HFMD 發(fā)生風(fēng)險(xiǎn)最大的影響因素為精神，其中，精神差的個(gè)體重癥HFMD 發(fā)生概率為90．7%，高于精神正常的人員(3．1%)，成為重癥HFMD 的高危人群。在精神差的人群中，篩選出的主要影響因素為易驚，在這組人員中，如果同時(shí)合并易驚，則重癥HFMD的發(fā)生概率為97．1%，高于未合并易驚的人群(61．1%);對(duì)于精神差同時(shí)合并易驚的人群，若同時(shí)合并熱峰≥39℃，則重癥HFMD 的發(fā)生概率為99．1%，高于未合并熱峰≥39℃的人群(89．7%);而對(duì)精神差未合并易驚的人群研究發(fā)現(xiàn)，若同時(shí)合并手足抖動(dòng)，則重癥HFMD 的發(fā)生概率為100．0%，高于未合并手足抖動(dòng)的人群(36．4%)。

圖1 重癥HFMD 發(fā)生風(fēng)險(xiǎn)分類樹(shù)模型圖

2．2 模型的結(jié)點(diǎn)增益分析 見(jiàn)表2。結(jié)點(diǎn)表的增益展示了模型中端點(diǎn)的匯總信息。其中，N 為每個(gè)端點(diǎn)的總個(gè)案數(shù)，每個(gè)結(jié)點(diǎn)的總個(gè)案數(shù)除以根結(jié)點(diǎn)的總個(gè)案數(shù)即為結(jié)點(diǎn)百分?jǐn)?shù)。增益中的N 表示每個(gè)端點(diǎn)在目標(biāo)分類中所標(biāo)記的個(gè)案數(shù)，其百分比是目標(biāo)分類的個(gè)案數(shù)除以該類在總分類的個(gè)案數(shù)。該研究以重癥為所要研究的分類，因此，重癥的個(gè)案數(shù)與百分?jǐn)?shù)即為增益，如結(jié)點(diǎn)6 重癥的個(gè)案數(shù)為108，而根結(jié)點(diǎn)重癥的總個(gè)案數(shù)為147，所以，結(jié)點(diǎn)6 的百分?jǐn)?shù)108/147 =73．5%。目標(biāo)分類中個(gè)案的百分?jǐn)?shù)即為響應(yīng)百分比;目標(biāo)分類的響應(yīng)百分比與總樣本中該類的響應(yīng)百分比的比值即為索引，由上所述可知，結(jié)點(diǎn)6 的響應(yīng)百分比為99．1%，根結(jié)點(diǎn)響應(yīng)的百分比為66．5%(147/221)，所以結(jié)點(diǎn)6 的索引為99．1% /66．5% = 149．0%。由上可知，如果索引值＞100%則表示各端點(diǎn)的重癥組的百分比大于根結(jié)點(diǎn)的重癥組的百分比。

表2 分類樹(shù)模型的結(jié)點(diǎn)增益表

2．3 分類樹(shù)模型的評(píng)價(jià)

2．3．1 索引圖 見(jiàn)圖2。

圖2 發(fā)生風(fēng)險(xiǎn)分類樹(shù)模型索引圖

2．3．2 樹(shù)型模型的錯(cuò)分矩陣和Risk 統(tǒng)計(jì)量 見(jiàn)表3。Risk 統(tǒng)計(jì)量為0．045，表示該模型在對(duì)重癥HFMD 發(fā)病風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)時(shí)其預(yù)測(cè)正確率達(dá)95．50%，提示該模型具有較好的擬合效果。

表3 分類樹(shù)模型錯(cuò)分矩陣

2．3．3 ROC 曲線的繪制 根據(jù)此模型所得到的預(yù)測(cè)概率進(jìn)行ROC 曲線的繪制，所得到的ROC 曲線下面積為0．953(95%CI:0．917～0．988)，標(biāo)準(zhǔn)誤為0．018，與0．5 相比，差異有統(tǒng)計(jì)學(xué)意義(P＜0．05)，因此，分類樹(shù)模型在對(duì)重癥HFMD 發(fā)生風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)時(shí)，價(jià)值較高。見(jiàn)圖3。

圖3 預(yù)測(cè)概率的ROC 曲線

3 討論

分類樹(shù)的最具顯著性的切分是通過(guò)結(jié)點(diǎn)純度的計(jì)算來(lái)實(shí)現(xiàn)的。CHAID 具有前向修剪和多向分叉的特征。該算法的基礎(chǔ)是卡方或似然卡方檢驗(yàn)，對(duì)眾多自變量進(jìn)行比較篩選時(shí)，最佳分類變量和最佳分類結(jié)果經(jīng)由P 值來(lái)實(shí)現(xiàn)，因此，當(dāng)變量屬性為分類變量時(shí)，該算法更為合適。對(duì)連續(xù)型的變量而言，如要進(jìn)行決策樹(shù)分析，需首先對(duì)輸入變量進(jìn)行相應(yīng)的離散化處理。當(dāng)預(yù)測(cè)變量均為分類變量且數(shù)量較多時(shí)，此時(shí)應(yīng)用CHAID 分類法更為合適［3，9］。CART算法的基本思路是采用雜質(zhì)縮減最大化，對(duì)CART而言，只能二部分叉，后向修剪，基尼系數(shù)是其分割標(biāo)準(zhǔn)。樹(shù)分為分類樹(shù)和回歸樹(shù)，前者是指應(yīng)變量為分類屬性時(shí)，后者是指應(yīng)變量為連續(xù)變量時(shí)［10－11］。

以往的研究［12－14］結(jié)果表明:36個(gè)月以內(nèi)的兒童為重癥HFMD 的高發(fā)人群，且HFMD 的流行呈現(xiàn)出一定的季節(jié)性，鑒于我國(guó)幅員遼闊，HFMD 在我國(guó)大陸的流行時(shí)間因地而異［15］，河南省HFMD 的流行高峰一般為每年的3～6月［7－8，16］。由于HFMD 的高發(fā)性及重癥患兒潛在的重癥化風(fēng)險(xiǎn)性，疾病的早期預(yù)警顯得尤為重要。重癥HFMD 的影響因素較多，因素間存在著復(fù)雜的關(guān)系，以往對(duì)于多因子疾病危險(xiǎn)因素的分析常采用多元統(tǒng)計(jì)分析方法進(jìn)行，如logistic 回歸、Cox 回歸等，但這些方法在處理變量之間的共線性時(shí)顯示出局限性，因而在一定程度上降低了統(tǒng)計(jì)分析的效能，甚至對(duì)有些結(jié)果無(wú)法進(jìn)行合理的解釋。最好的解決方案是選用非參數(shù)回歸模型來(lái)處理，其中包括分類樹(shù)與回歸樹(shù)，該方法近年來(lái)在國(guó)內(nèi)外逐步推廣使用［17－19］。該方法最重要的一個(gè)特點(diǎn)是不要求預(yù)測(cè)變量的數(shù)據(jù)分布類型，即任意分布資料均可。分類樹(shù)分析有著相當(dāng)復(fù)雜的中間過(guò)程，其過(guò)程大致包括種樹(shù)和剪枝，即以一棵完整的樹(shù)的建立為起點(diǎn)，然后運(yùn)用交叉印證法從末梢開(kāi)始剪枝，剪枝后的模型明顯變差為終點(diǎn)。在模型建立的過(guò)程中，每一種可能的組合在模型建立之初就已被詳細(xì)地考查，結(jié)果顯示出的模型是優(yōu)化后的模型，且分類樹(shù)分析以樹(shù)型圖的方式將其分析過(guò)程以及多水平變量間復(fù)雜的相互作用關(guān)系得以展現(xiàn)，而傳統(tǒng)的分析方法如logistic 回歸等則很難實(shí)現(xiàn)這一點(diǎn)。

該研究應(yīng)用分類樹(shù)模型對(duì)重癥HFMD 患兒的門(mén)診指標(biāo)和一般臨床資料進(jìn)行綜合匯總，從而進(jìn)行風(fēng)險(xiǎn)模型的構(gòu)建，結(jié)果顯示:共從26個(gè)候選變量中篩選出4個(gè)重要解釋變量:精神差、易驚、熱峰≥39℃、手足抖動(dòng)，說(shuō)明該4個(gè)變量可以影響重癥HFMD的發(fā)病風(fēng)險(xiǎn)，同以往的logistic 回歸結(jié)果基本相同［20］，并且還提供了更多有意義的信息。此外，采用CHAID 法構(gòu)建的分類樹(shù)模型對(duì)于離散化的連續(xù)性變量和具有2種以上分類的指標(biāo)，會(huì)將沒(méi)有統(tǒng)計(jì)學(xué)意義的分層類別重組為具有統(tǒng)計(jì)學(xué)意義的新的類別，相比于人為分層設(shè)計(jì)，該法更為科學(xué)和合理［9］。在流行病學(xué)研究中，應(yīng)用分類樹(shù)所確定的指標(biāo)分界基礎(chǔ)是顯著的統(tǒng)計(jì)學(xué)意義而不是借助于個(gè)人經(jīng)驗(yàn)或臨床觀察，因此，根據(jù)重組后的分界點(diǎn)可以將變量重新分割并作進(jìn)一步分析［4］，該研究并未將該特點(diǎn)顯現(xiàn)，可能與對(duì)原始數(shù)據(jù)進(jìn)行錄入時(shí)已對(duì)定量資料進(jìn)行定性處理有關(guān)。

任何一種模型都有一定的局限性，分類樹(shù)模型亦如此。當(dāng)解釋變量數(shù)目和自身分類都較多時(shí)，最初有可能生成規(guī)模較龐大的樹(shù)，此時(shí)對(duì)樹(shù)型模型的適當(dāng)修剪必不可少，但修剪之后的樹(shù)如何實(shí)現(xiàn)兼具精簡(jiǎn)和信息完整是目前尚需解決的問(wèn)題之一。此外，鑒于該研究樣本量有限，尚需擴(kuò)大樣本量以驗(yàn)證該模型，同時(shí)如何實(shí)現(xiàn)分類樹(shù)模型和傳統(tǒng)的統(tǒng)計(jì)學(xué)分析方法的有機(jī)結(jié)合，以期兩者能夠互相補(bǔ)充，從而實(shí)現(xiàn)重癥HFMD 影響因素的全面挖掘是需要進(jìn)一步探討的內(nèi)容。

［1］Li W，Teng GJ，Tong HF，et al．Study on risk factors for severe hand，foot and mouth disease in China［J］．PLoS One，2014，9(1):e87603

［2］Mu?oz－Moreno JA，Pérez－álvarez N，Mu?oz－Murillo A，et al．classification models for neurocognitive impairment in HIV infection based on demographic and clinical variables［J］．PLoS One，2014，9(9):e107625

［3］何其棟，魏小玲，張紅巧，等．基于“優(yōu)選腫瘤標(biāo)志群”建立的決策樹(shù)模型對(duì)肺癌輔助診斷的價(jià)值［J］．鄭州大學(xué)學(xué)報(bào):醫(yī)學(xué)版，2014，49(1):37

［4］劉建平，程錦泉，張仁利，等．應(yīng)用分類樹(shù)模型構(gòu)建缺血性腦卒中發(fā)病風(fēng)險(xiǎn)的預(yù)測(cè)模型［J］．中國(guó)慢性病預(yù)防與控制，2012，20(3):254

［5］俞蕙．兒童手足口病重癥病例的臨床早期識(shí)別［J］．中華兒科雜志，2012，50(4):284

［6］手足口病預(yù)防控制指南:2009 版［J］．全科醫(yī)學(xué)臨床與教育，2010，10(2):125

［7］Goto Y，Maeda T，Nakatsu－Goto Y．Decision tree model for predicting long－term outcomes in children with out－of－h(huán)ospital cardiac arrest:a nationwide，population－based observational study［J］．Crit Care，2014，18(3):R133

［8］Tobiasz－Adamczyk B，Galaá A，Zawisza K．Socio－demographic differences in the prevalence of cardiovascular diseases among women and men in Poland:results from the Courage in Europe Project［J］．Przegl Lek，2014，71(3):122

［9］Gietzelt M，F(xiàn)eldwieser F，G?vercin M，et al．A prospective field study for sensor－based identification of fall risk in older people with dementia［J］．Inform Health Soc Care，2014，39(3/4):249

［10］Chao CM，Yu YW，Cheng BW，et al．Construction the model on the breast cancer survival analysis use support vector machine，logistic regression and decision tree［J］．J Med Syst，2014，38(10):106

［11］Malehi AS．Diagnostic classification scheme in Iranian breast cancer patients using a decision tree［J］．Asian Pac J Cancer Prev，2014，15(14):5593

［12］聶軼飛，王海峰，李孟磊，等．應(yīng)用集中度和圓形分布法探討河南省2010年手足口病流行規(guī)律［J］．中國(guó)衛(wèi)生統(tǒng)計(jì)，2013，30(3):410

［13］孫建偉，王彥霞，許汴利，等．河南省2009～2010年手足口病發(fā)病的時(shí)間分布特征［J］．中國(guó)衛(wèi)生統(tǒng)計(jì)，2012，29(3):365

［14］Liu N，Xie J，Qiu XL，et al．An atypical winter outbreak of hand，foot，and mouth disease associated with human enterovirus 71，2010［J］．BMC Infect Dis，2014，14:123

［15］隋美麗，馬曉梅，段廣才，等．重癥手足口病患兒實(shí)驗(yàn)室指標(biāo)的判別分析［J］．西安交通大學(xué)學(xué)報(bào):醫(yī)學(xué)版，2014，35(4):504

［16］Feng H，Duan G，Zhang R，et al．Time series analysis of hand－foot－mouth disease hospitalization in Zhengzhou:establishment of forecasting models using climate variables as predictors［J］．PLoS One，2014，9(1):e87916

［17］Lee MY，Yang CS．Entropy－based feature extraction and decision tree induction for breast cancer diagnosis with standardized thermograph images［J］．Comput Methods Programs Biomed，2010，100(3):269

［18］趙文波，李明，唐驊，等．應(yīng)用分類樹(shù)模型構(gòu)建糖尿病腎病蛋白尿進(jìn)展的風(fēng)險(xiǎn)預(yù)測(cè)模型［J］．第三軍醫(yī)大學(xué)學(xué)報(bào)，2013，35(11):1144

［19］馬瑾，孫穎，劉尚輝．決策樹(shù)模型在住院2 型糖尿病患者死因預(yù)測(cè)中的應(yīng)用［J］．中國(guó)衛(wèi)生統(tǒng)計(jì)，2013，30(3):422

［20］可秋萍，婁瑩，劉傳振，等．危重癥手足口病患兒的早期預(yù)警指標(biāo)［J］．實(shí)用兒科臨床雜志，2011，26(10):804