河南省兒童白血病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型的建立.pdf

1、兒童白血病已成為危害兒童生命的主要疾病，它不僅對(duì)兒童的健康造成威脅，同時(shí)也給社會(huì)和家庭帶來(lái)了經(jīng)濟(jì)負(fù)擔(dān)和精神壓力。但兒童白血病也是可防可治的，它在規(guī)范治療后比成人白血病更容易緩解;故采用適當(dāng)?shù)暮Y查工具，對(duì)高危兒童進(jìn)行篩查、預(yù)防監(jiān)測(cè)，做到對(duì)白血病患兒的早發(fā)現(xiàn)、早診斷、早治療，具有十分重要的公共衛(wèi)生意義。國(guó)內(nèi)外已建立了多個(gè)癌種的疾病風(fēng)險(xiǎn)預(yù)測(cè)模型，但尚沒(méi)有關(guān)于兒童白血病的;指標(biāo)體系的建立是構(gòu)建兒童白血病預(yù)測(cè)模型的關(guān)鍵之一，而對(duì)于白血病兒童這個(gè)特

2、殊的人群，疾病的發(fā)生不僅與患兒的有害環(huán)境暴露相關(guān)，還與其父母親產(chǎn)前、哺乳期的有害環(huán)境暴露有關(guān);另外，各個(gè)區(qū)域的致病因素也不盡相同，各有其特點(diǎn)。
　　目的：
　　本研究旨在環(huán)境危險(xiǎn)因素流行病學(xué)分析的基礎(chǔ)上，篩選適當(dāng)?shù)念A(yù)測(cè)因素建立預(yù)測(cè)模型的指標(biāo)體系，而后建立河南省兒童白血病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型并進(jìn)行驗(yàn)證，為該省兒童白血病高危人群的篩選、疾病的預(yù)測(cè)及一級(jí)預(yù)防策略的制定提供支持。
　　方法：
　　1.根據(jù)病例對(duì)照的研究設(shè)計(jì)，

3、于2014-2016和2017-2018年分兩階段在河南省4家醫(yī)院募集住院在治的、經(jīng)骨髓組織病理學(xué)確診的白血病患兒為病例;同時(shí)，按1∶1比例于病例所在同家醫(yī)院的呼吸病區(qū)、消化病區(qū)及中醫(yī)康復(fù)病區(qū)，募集非白血病患兒作為對(duì)照。以面對(duì)面訪談患兒父母或其他監(jiān)護(hù)人的形式完成統(tǒng)一的調(diào)查問(wèn)卷，問(wèn)卷內(nèi)容包含研究對(duì)象及其父、母親的一般人口學(xué)資料、潛在疾病影響因素暴露情況等。
　　2.利用前階段收集的病例-對(duì)照數(shù)據(jù)，用非條件Logistic回歸等方法對(duì)

4、各指標(biāo)作危險(xiǎn)因素分析，計(jì)算人群歸因危險(xiǎn)度百分比(Population Attributable Risk Percent，PARP)。根據(jù)OR值(Odds Ratio)及其95％置信區(qū)間、PARP等結(jié)果，結(jié)合文獻(xiàn)學(xué)習(xí)及咨詢專(zhuān)家意見(jiàn)建立本次模型的指標(biāo)體系。
　　3.合并前、后兩階段募集的樣本數(shù)據(jù)，按照3∶1的比例將樣本隨機(jī)分為建模人群和驗(yàn)證人群，分別運(yùn)用人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)和Lo

5、gistic回歸兩種方法建立預(yù)測(cè)模型;在驗(yàn)證人群中進(jìn)行模型的驗(yàn)證，從區(qū)分度和校準(zhǔn)度兩方面評(píng)價(jià)模型的預(yù)測(cè)效果。
　　4.統(tǒng)計(jì)學(xué)處理采用IBM SPSS Statistics21.0和R3.3.3軟件。
　　結(jié)果：
　　1.樣本募集:第一階段募集符合標(biāo)準(zhǔn)、問(wèn)卷合格的病例407例，對(duì)照407例;第二階段募集病例120例，對(duì)照120例，合并所得樣本共得病例527例、對(duì)照527例，按3∶1的比例將對(duì)象隨機(jī)分為建模人群790例和驗(yàn)

6、證人群264例。
　　2.預(yù)測(cè)模型指標(biāo)體系的建立:根據(jù)各指標(biāo)OR值、PARP的結(jié)果，結(jié)合文獻(xiàn)學(xué)習(xí)及專(zhuān)家意見(jiàn)，最終確定15個(gè)指標(biāo)作為模型的輸入變量，分別為:兒童相關(guān)因素（X1出生體質(zhì)量、X2娩出方式、X3家庭月收入水平、X4住宅周?chē)諝馕廴臼?、X5居住環(huán)境低頻電磁場(chǎng)暴露史、X6感冒發(fā)燒史、X7腫瘤家族史、X8農(nóng)藥殺蟲(chóng)劑接觸史、X9居室經(jīng)常通風(fēng)換氣、X10經(jīng)常食用不健康食品史），母親相關(guān)因素（X11經(jīng)常體育鍛煉、X12常規(guī)服用葉酸、X

7、13房屋裝修史、X14農(nóng)藥殺蟲(chóng)劑接觸史）及父親相關(guān)因素（X15染發(fā)史）。
　　3.預(yù)測(cè)模型的建立與驗(yàn)證:在建模過(guò)程中，ANN模型在逐漸納入預(yù)測(cè)指標(biāo)X～X15后，結(jié)果顯示隱含層節(jié)點(diǎn)數(shù)為2時(shí)，交叉驗(yàn)證的均方根誤差最小(0.4127)，受試者工作特征曲線下面積(AUC)值最大(0.864)，模型的最佳臨界點(diǎn)為0.3365，靈敏度為89.9％，特異度為61.9％，擬合優(yōu)度檢驗(yàn)P=0.773（P＞0.05認(rèn)為模型擬合了數(shù)據(jù)，即模型的校準(zhǔn)度較

8、好）;Logistic回歸結(jié)果顯示共有11個(gè)指標(biāo)納入方程，預(yù)測(cè)模型為:P=1/(1+exp[-(1.151+1.313X8+1.214X6+1.073X15+0.953X4+0.941X7+0.837X13+0.835X5+0.722X14+0.632X10-0.683X3-0.734X12)])，模型的AUC為0.842，最佳臨界點(diǎn)為0.3252，靈敏度為89.6％，特異度為55.9％，擬合優(yōu)度檢驗(yàn)P=0.361。預(yù)測(cè)模型經(jīng)驗(yàn)證，結(jié)果

9、顯示，ANN模型的AUC(0.878)、靈敏度(89.3％)、特異度(79.6％)及約登指數(shù)(0.648)均優(yōu)于Logistic回歸模型的AUC(0.847)，靈敏度(85.2％)，特異度(58.5％)及約登指數(shù)(0.478)，且AUC的差異具有統(tǒng)計(jì)學(xué)意義(P=0.042)，即ANN模型的區(qū)分度優(yōu)于Logistic回歸模型;經(jīng)擬合優(yōu)度檢驗(yàn)，ANN模型的校準(zhǔn)度(P=0.572)優(yōu)于Logistic回歸模型（P=0.359）。
　　結(jié)