树模型在社会心理流行病学研究中的应用

《树模型在社会心理流行病学研究中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级单位代码：10114学号：B2004010树模型在社会心理流行病学研究中的应用研究年：室杰盅——指导教师：曲盛鏊塾攫合作指导教师申请学位门类级别专业名称研究方向医堂埴主堂僮洫盈痘皇里坐筮主七堂整盒!坠堡逾堑遁所在学院：公基卫生堂瞳2007年6月15日山西医科大学博十学位论文史，测量血压、听力损失情况；生活习惯，如Smoking、饮酒、体育锻炼、常读书看报、做家务等。3)生理指标测定。对太自巷、江阳、农科院社区的294名老年人进行如下指标测定：血糖、血脂(包括胆固醇、高密度脂蛋白、低密度脂蛋白、甘油三酯)测定，采用酶法。2．随机抽取太原

2、市两个社区的50岁以上中老年人371例(男131例，女240例)作为听力损失的研究对象。调查内容包括1)一般情况调查。包括：一般人口学资料，如年龄、性别、职业、受教育程度、婚姻状况、收入情况等；躯体健康状况资料，如高血压、糖尿病、脑血栓、冠心病、高脂血症等疾病史，测量血压；生活习惯，如居住情况，出行习惯，是否经常参加社区活动、吸烟、饮酒、体育锻炼、常读书看报、做家务等。2)实验室检查：查12小时空腹血糖．甘油三脂和总胆固醇。3)听力测查：采用LK．1助听评估仪分别测两耳0．5kHz、lkHz、2kHz听阈。研究方法：1．认知功能研究将韦氏成人智

3、力量表中的算术、木块图、填图和数字广度四个分测验的标准分和MMSE总分转换为二分类变量，以转换后的韦氏四项分测验得分和MMSE总分为因变量，以CHAID、EXHAUSTIVECHAID、CRT和QUEST四种算法拟合树结构模型。2．听力损失研究以最优耳听阈、左耳听阙、右耳听阈以及O．5kHz、lkHz、2kHz听闽为变量(连续变量)，拟合树结构模型。结果：在认知功能研究中，对韦氏成人智力量表算术、木块图、填图、数字广度四个分测验得分有影响的变量有受教育程度、婚姻状况、运动、性别、年龄、胆固醇、高密度脂蛋白、低密度脂蛋白、对身体状况的自我感觉、吸

4、烟、饮酒、收缩压。受教育程度低、丧偶、很少运动，女性、高龄、高密度脂蛋白低、低密度脂蛋白高、自我感觉身体较差、吸烟、饮酒是出现得分低于正常的危险特征。对MMSE测验得分有影响的因素有冠心病史和舒张压，有过冠心病史、舒张压高于正常均可导致MMSE总分低于正常值。不同的算法构建的树结构模型对因素间交互作用的方式描述有差异，但总体的趋势一致。模型的响应指数曲线和收益曲线表明模型的拟合效果良好。模型的误分代价估计值在O．10．0．38之间，错分概率在79扣屯8％之间，整体预测精度达到72·玲—92．9％之间。CRT算法和QUEST算法引入的变量较多但树

5、形图相对简单，是因为部分引入的变量山西医科大学博士学位论文并不是作为分支变量，而是当分支变量出现缺失值时作为其替代变量出现的，这些变量和分支变量有较高强度的关联性，往往能为我们的下一步研究提供线索。在听力损失研究中，最优耳听力损失的影响因素有年龄、社区活动、舒张压、收入；左耳听力损失的影响因素有年龄、居住情况、收入和性别；右耳听力损失的影响因素有年龄和收入；O．5kHz频率下测得的听力损失影响因素有出行习惯，年龄，收入，血糖，居住情况，高血压；1．0kHz频率下测得的听力损失影响因素有年龄、居住情况和性别；2．0kHz频率下测得的听力损失影响因

6、素有年龄、收入、居住情况和性别。年龄是老年人听力损失的主要影响因素，随着年龄的增长，听力损失的程度加重，一个例外是59岁和60岁老人的听力损失较其相邻的年龄段低；经常参加社区活动的人听力损失程度重，舒张压高于正常者听力损失程度重，收入低于200元的人听力损失程度重，和子女同住者听力损失程度重，男性的听力损失程度低于女性，习惯自己搭乘公车者听力损失程度重，低血糖者听力损失程度轻于正常者，有高血压病史者听力损失程度重。左右耳比较，不同之处在于对居住情况(是否与儿女同住)的反应不同和部分的性别差异；O．5kHz频率下测得的听力损失程度较另外两种频率下

7、测得的听力损失程度重，且影响的因素最多。CHAID算法和EXHAUSTIVECHAID算法在本研究中的拟合结果一致，由于本研究样本量较小，CRT拟合的树模型中不包含自变量，且结果很不稳定，由于QUEST算法不能对连续型的因变量做出拟合，在本文中只采用了CHAID算法来构建树模型。结论：本文以老年人认知功能减退影响因素研究和听力损失影响因素研究为例，做树结构模型的比较学研究。以认知功能研究为例探讨以不同算法对同一组资料构建树结构模型挖掘出的信息有何异同，与传统方法研究的结果作对比看是否具有一致性；以老年人听力损失影响因素研究为例，探讨同一组资料经

8、不同方式预处理后再构建树结构模型，尝试从不同的侧面对数据中隐藏的信息进行充分的挖掘，以便对数据背后的事实进行最大程度的还原。同时探讨树结构模型结果的表