论文部分内容阅读
目的 探讨Bayes概率模型在新生儿黄疸阴阳属性判别中的应用价值.方法 将107例出生后10天内入院的新生儿黄疸患儿,按中医辨证分型分为阳黄组(68例)和阴黄组(39例).分析可能与新生儿黄疸有关的胎内因素、出生时及出生后因素,入院当日或次日化验血常规,肝、肾功能,心肌酶等指标.应用非条件Logistic回归模型及Bayes判别分析筛选有判别意义的指标;建立阴黄及阳黄的Bayes概率模型并进行评价.结果 经非条件Logistic回归模型及Bayes判别分析筛选出的对新生儿黄疸阴阳属性有判别意义的指标为:母亲年龄、妊娠期糖尿病、胎龄、窒息史、ABO溶血病、红细胞分布宽度(red blood cell distribution width,RDW-SD)、大血小板比率(platelet-large cell ratio,P-LCR)、血清直接胆红素(serum direct bilirubin,DBIL)、碱性磷酸酶(alkaline phosphatase,ALP)及胆碱酯酶(cholinesterase,CHE).利用SPSS进行Bayes判别分析,得到Bayes判别函数系数.根据判别函数系数建立Bayes判别函数:阳黄y1=-21.701 +2.589×母亲年龄+1.037×妊娠期糖尿病-17.175×窒息史+13.876×胎龄+6.303×ABO溶血病+2.116×RDW-SD +0.831 × DBIL +0.012×ALP+1.697×LCR+0.001×CHE;阴黄y2=-33.511 +2.991×母亲年龄+3.960×妊娠期糖尿病-12.877×窒息史+11.848×胎龄+1.820 ×ABO溶血病+2.231×RDW-SD +0.999×DBIL +0.023 ×ALP +1.916×LCR +0.002 ×CHE.对判别函数进行假设检验,Wilks'λ =0.393,P=0.000,故判别函数有统计学意义.对其进行考核,阴黄及阳黄的符合率均在90％以上.结论 通过构建Bayes概率模型可以较准确地判别新生儿黄疸的阴阳属性.