[發明專利]一種基于偏見模型對癌癥患者抑郁指數進行評估的方法

在審

• 申請號: 202010417814.0
• 申請日: 2020-05-18
• 公開（公告）號: CN111613284A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 李欣蕊
• 申請（專利權）人: 李欣蕊
• 主分類號: G16H10/60
• 分類號: G16H10/60;G16H50/20;G16H50/30;G16H50/50
• 代理公司: 西安西達專利代理有限責任公司 61202
• 代理人: 李文義

一種基于偏見模型對癌癥患者抑郁指數進行評估的方法，適用于對癌癥患者術后康復的心理抑郁情況做評估。本發明提供了一種介于多項式模型和比例優勢模型之間的模型，更加適用于有序分類為目標變量的研究對象，避開了多項式模型擬合參數繁多準確度低和比例優勢模型假設條件較為嚴格，而有序分類變量可能不是均勻遞增或遞減的情況。此外，偏見模型加上一個隨機效果，可以將同一患者隨時間變化的數據看作一個群，解決邏輯回歸中觀測值獨立性的假設。

技術領域

本發明涉及計算機輔助醫學技術領域，尤其涉及一種基于偏見模型對癌癥患者抑郁指數進行評估的方法。

背景技術

跟蹤研究是一種常見的醫學研究方法，研究者對特定的目標人群進行長時間的追蹤，取得固定時間段內目標人群的各項變量指標，對目標變量進行評估或預測。這類研究方法的特點有：一是同一研究對象的定期變量指標有高度相關性；二是目標變量通常為分類數據，且在某些情況下為有序分類數據。現有模型和方法通常只能分別解決這兩類問題的其中一個，而不能有效的將同時擁有這兩類特點的數據進行建模且不違反其模型的前提假設，同時做到模型盡量簡潔，減少過多的擬合參數。

在廣義線性模型中，多項式模型(multinomial logit model)是最為普遍適用的，它既可以用于無序分類數據，也可以用于有序分類數據，但其缺點是擬合參數過多，增加了運算量和模型的冗余度，可能對模型精確度造成影響，也可能引起過擬合；比例優勢模型(proportional-odds model)主要用于有序分類數據，其假定目標變量的分類是均勻遞增或遞減的，因此在每一層級中，模型的擬合參數相同，從而使得模型簡潔，但其缺點在于當目標變量的遞增或遞減所引起的潛在效果不是均勻的，其模型的準確度會大打折扣。

本發明采用偏見模型(stereotype model)混合隨機效果(mixed random-effectsmodel)，吸取了多項式模型和比例優勢模型各自的優點，避開了這兩種模型的缺點，可以更加有效地針對患者抑郁指數進行評估。

發明內容

本發明的目的是提供一種不同于往常的針對癌癥患者抑郁指數進行評估的方法，該模型與慣用模型相比，同時解決了兩個問題，一是針對有序分類目標變量的研究對象，在使用比例優勢模型時擬合參數在不同層級為固定不變的這一假設不符合實際情況時的替代方案，它的優勢是比多項式模型更簡潔，所需擬合參數的個數更少；二是針對同一研究對象隨時間變化，定期記錄變量指標的高度相關性，引入了混合隨機效果(random-effects)，把每個患者的定期記錄看作一個群(group/cluster)。

本發明所采用的技術方案是，基于偏見模型對癌癥患者抑郁指數進行評估的方法，其特征在于它包括以下幾個步驟：

(1)采用臨床診斷中的CES-D方法，設計抑郁指數量化表，將抑郁指數分為不少于三個級別并記為Y_ij，其中i代表患者或觀察對象，j為到訪次數；

(2)為患者建立跟蹤調查檔案，定期記錄主要包括患者的年齡、性別、疼痛指數(MPI)、癌癥期數、到訪次數等與研究目標極其相關的參數并記為相關變量矩陣X_i；

(3)在多項式模型(multinomial logit model)和比例優勢模型(proportional-odds model)的基礎上，引進偏見模型(stereotype model)，具體做法如下：

令Y_ij表示第i個患者第j次到訪的CES-D抑郁等級，其等級k＝1,…,K；X_i為相關變量的矩陣，β為對應變量的參數；Z_i為隨機效果矩陣，b為對應隨機效果的參數；若g(.)為連接方程(link function)，則廣義線性混合模型可以表示為：