文摘
客观的。提出了一些识别技术来区分β地中海贫血的特点(βTT)和缺铁性贫血(IDA)。这些歧视技术临床至关重要,但它们通常具有挑战性和困难。这项研究是第一个应用贝叶斯树型的鉴别诊断方法β从rda TT。方法。这个横断面研究包括907名年龄在18岁以上患者和平均(±SD)的时代 用βTT或艾达。血液参数测量使用Sysmex KX-21自动血液分析仪。贝叶斯分对数长成树(BLTREED)和分类回归树(CART)实施歧视β根据血液参数TT从艾达。结果。本研究提出了一种自动检测beta-thalassemia运营商基于贝叶斯模型基于树的方法。BLTREED模型和购物车显示的意思是血细胞比容(MCV)是诊断的主要预测歧视。根据测试数据集,购物车显示的敏感性和阴性预测值高于BLTREED的鉴别诊断β从rda TT。然而,CART算法有较高的假阳性率。总的来说,BLTREED模型显示更好的性能有关曲线下的面积(AUC)。结论。BLTREED模型显示优秀的鉴别诊断准确性β从rda TT。此外,了解基于树的方法很简单,不需要统计经验。因此,它可以帮助医生作出正确的临床决策。因此,该模型可以支持医疗决定的鉴别诊断βTT从艾达,以避免昂贵得多,耗时的实验室测试,尤其是在资源有限的国家或健康服务。
1。介绍
缺铁性贫血(IDA)β地中海贫血的特点(βTT)是两种最常见的浅色小红细胞的贫血。βTT在地中海地区更为普遍,在特定的地理区域,包括里海和波斯湾地区;据报道[10%的患病率1]。之间的差βTT IDA是至关重要的防止铁过载和相关并发症造成的误诊和不准确的治疗2]。
分化的β地中海贫血的特点从缺铁性贫血也是必不可少的婚前咨询在发达国家;小红细胞的患者贫血、全血细胞计数(CBC),结合血红蛋白变体通过高效液相色谱法(HPLC)分析,解释区分从地中海贫血缺铁的特点。然后,铁的研究和分子测试也在进行。血红蛋白电泳、血清铁和铁蛋白水平被认为之间做出明确的诊断βTT和艾达(3- - - - - -5]。
然而,在资源匮乏的地区,高效液相色谱法和分子测试不可用,不同的研究提出歧视指数之间的不同βTT和艾达。这些指数快速区分IDA和定义βTT和避免更多的耗时和昂贵的方法。Mentzer [3),光泽和拉尔(4英格兰和弗雷泽(),5),加拿大皇家银行(6),斯利瓦斯塔瓦和Bevington7),Ricerca et al。8),绿色和王(9],Bessman和范斯坦(RDW) [10),古普塔et al。11),Jayabose et al。(RDWI) [12],Telmissani-MCHD [13],Telmissani-MDHL [13],Huber-Herklotz [14),科曼地毯我15],科曼地毯II [15),Sirdah et al。16),Ehsani et al。17],Keikhaei [18),Nishad et al。19),Wongprachum et al。20.),Dharmani et al。21),Pornprasert et al。22),Sirachainan et al。23),Bordbar et al。24),马托斯et al。25],吉娜(t) 11日[26)、巡航指数(27],Index26 [27)都是血液指标用于艾达之间的歧视和歧视βTT。然而,这些指标得到经验和有一个不一致的性能的鉴别诊断βTT和艾达在同一病人(28]。另一方面,有时,相同的指数显示不同的歧视在不同年龄组(29日,30.]。
最近,强大的统计软件的可访问性提供了数据挖掘技术与健康有关的数据。许多研究提出了先进的统计方法和数据挖掘技术,如决策树方法(31日)之间的鉴别诊断βTT和IDA避免昂贵得多,耗时、复杂的实验室程序和nonsatisfactory血液指数之间的差别βTT和艾达(32- - - - - -38]。(32,35- - - - - -39]。Urrechaga Aguirre, Izquierdo [39)使用多变量判别分析小红细胞的贫血的鉴别诊断。Wongseree et al。37)实现神经网络和遗传编程对地中海贫血的分类。多根和特工35)提出了一种决策树从血液学参数检测缺铁性贫血。
Jahangiri et al。32]经典decision-tree-based方法用于构建一个鉴别诊断方案和调查性能的几种基于树的方法的鉴别诊断β从rda TT。决策树优于传统统计方法判别分析和广义线性模型(glm)。基于树的方法的主要优势是一个树结构,很容易解释的临床数据和医学研究人员和临床医生所接受。车是最著名的经典树算法之一。然而,这个算法会受到一些问题如贪吃、不稳定,和偏见在分割规则的选择。贝叶斯树方法,提出了解决购物车的贪婪算法。贪婪的搜索算法有缺点,如限制树的探索空间,之前的依赖未来的分裂分裂,产生乐观的错误率,和搜索全局最优的能力(40]。此外,贝叶斯方法可以量化不确定性和探索树空间经典多树的方法。贝叶斯方法结合先验信息和观察,与经典树方法(这些方法只使用观测数据分析)。贝叶斯方法定义之前发行版经典的组件树方法,然后使用随机搜索算法通过马尔可夫链蒙特卡罗(密度)算法探索树空间(41- - - - - -47]。因此,在过去二十年里,许多研究已经开发出贝叶斯植树的广义线性模型。这些模型适合参数模型等的漠视而不是使用常数模型在每个树节点。因此,这些树木长成树算法创建小于树模型,提高树的解释43]。
本文旨在比较贝叶斯植树的广义线性模型和购物车的鉴别诊断βTT从艾达基于简单的实验室测试结果。本研究的结果变量是定性的,所以我们必须使用贝叶斯分对数长成树(BLTREED)算法这两种疾病之间的歧视。这个贝叶斯植树的模型符合逻辑回归模型在每个树节点进行数据预测和探索树空间的使用pmmh算法。
2。材料和方法
2.1。标准选择患者团体
在这项研究中,共有907名患者年龄超过18岁被诊断为艾达( )或βTT ( )被选中。均值(±SD)患者的年龄 年。大多数患者( (65%)是女性,315(35%)人。
CBC分析EDTA-K2实际上血液样本进行使用Sysmex KX-21自动化血液学分析仪(日本)测量微分参数。血液参数如血红蛋白(Hb),意思是血细胞比容(MCV),意思是微粒血红蛋白(妇幼保健)、红细胞分布宽度(RDW),意味着微粒血红蛋白浓度(MCHC)和红细胞计数(RBC)测定所有患者。
2.2。入选标准
IDA组患者血红蛋白(Hb)水平低于12和13 g / dl对男性和女性,分别。平均微粒血红蛋白(MCH)和平均微粒体积(MCV)低于80 fl和27个pg男女,分别为男性,< 28 ng / ml的铁蛋白被认为是艾达。在βTT组,患者有MCV值低于80 fl。> 3.5%的患者HbA2水平被认为是βTT运营商。
2.3。排除标准
IDA组,患者突变有关αTT(3.7, 4.2, 20.5,地中海,大海,泰国,费尔,和Hph)被排除在外。为βTT组患者αTT证实了突变的分子分析被排除在外。所有患者恶性肿瘤或炎症/传染病也被排除在外。
2.4。道德的考虑
本研究支持的批准和伦理委员会隶属于阿瓦士Jundishapur大学医学科学(AJUMS),阿瓦士,伊朗。书面知情同意前登记。
2.5。机器学习分析
基于树的数据挖掘技术的机器学习方法是有价值的工具。这些方法使预测模型,可以提供一个解决方案构建高精度的诊断测试(48,49]。基于树的模型不需要任何假设数据的函数形式。
这些方法的优点之一是图形演示的结果,使他们容易理解和不需要统计经验模型的理解结果(50- - - - - -53]。基于树模型还建立了基于贝叶斯算法。Chipman等人提出了车模型的贝叶斯方法(BCART)定义一个先验分布。Chipman等人也开发了贝叶斯分对数长成树(BLTREED)模型作为BCART的延伸。BLTREED模型符合逻辑回归模型预测的数据终端节点(43,54]。
2.5.1。贝叶斯分对数长成树(BLTREED)模型
贝叶斯方法(BCART)是实现通过使用一个先验分布在两个组件( , )车的模型;是一个二叉树终端节点或树的大小 ,和 参数设置在终端节点( , :不同的响应变量和类的数量显示的概率类反应变量的终端节点)。联合后验分布的参数和树结构是如下方程:
在哪里和 显示在终端节点树和参数的先验分布,分别。
通常,贝叶斯方法定义了先验分布是未知的;所以,树结构和参数在终端节点被认为是未知的42]。BCART是延长等参数模型拟合数据的逻辑回归模型预测和描述的条件分布在每个终端节点43,54]。BLTREED模型的条件分布 ,与BCART模型不同,取决于( 在终端节点和拟合复杂的模型(逻辑回归模型对数据拟合预测在每个终端节点),较小的树木和更可判断的生成。BLTREED模型的一个子集可用于生成树和其他被用来适应模型子集终端节点(这些可以联合和/或不相交的子集)。在贝叶斯方法中, 显示了逻辑模型的回归系数在一个安装终端节点。
递归随机过程使用一个树生长tree-generating随机过程( )如下(42,43]:(1)从只有一个根节点(终端节点 )(2)计算分裂节点的概率如下:
在哪里节点的深度吗 , 是树木生长的基础概率分裂的一个节点,然后呢的速度决定了分裂倾向减少增加树的大小。
实际上,参数控制树的形状和大小,和这些参数提供了一个点球,避免过度拟合模型(3)如果节点分成左、右节点的分布 ,然后让新创建的树从步骤3和申请步骤2和3的新子节点
BLTREED模型是基于标准化数据。所以,可以单独使用相同的先验分布参数的终端节点,他们被认为是一个多元正态分布与零均值和方差矩阵比例为这些参数(身份43,54]。
后验分布函数 通过结合边际似然函数计算吗 和树前如下:
在这项研究中,没有考虑信息先验。先知先觉是统一在一个特定的变量节点,并为变量所有可能的分裂。
在哪里 如下:
哪一个 , ,和显示数据的似然函数,观察值th观察th节点和观测的数量th节点,分别。的积分方程四个没有封闭的形式,所以拉普拉斯近似用于解决它43,54]。
Chipman et al。42,43)利用pmmh算法来模拟方程(3)寻找树高的后验分布。树木的pmmh算法模拟一个马尔可夫链序列,即
仿真算法实现与多个重启原因中提到Chipman et al。42,43]。
2.5.2。分类和回归树(CART)
Breiman购物车等人提出的模型(55]。购物车使用二进制算法生成一个树递归分区,和tree-generating过程包含四个步骤:(1)成长树:树增长是基于一个贪婪的搜索算法,这个算法生成一个树的顺序选择分裂规则。购物车使用传统分割算法函数选择分裂规则(熵和基尼系数)。(2)树的过程一直持续到所有的节点可以分裂。(3)树修剪:这棵树算法使用cost-complexity树修剪修剪方法,以避免过度拟合。这种修剪方法生成的序列修剪树木,每棵树在这个序列是一个扩展先前的树。(4)最佳树选择:购物车使用一个独立的测试数据集或交叉验证估计每棵树的预测误差,然后选择最好的树最低的估计预测误差。
2.6。数据分析
BLTREED模型和经典CART算法基于两个分割函数熵和基尼系数(在那之后,我们叫车基于方法的基尼指数CART1和车基于方法的熵CART2)被安装使用预测变量如血红蛋白(Hb)、平均细胞体积(MCV)、平均细胞血红蛋白(MCH)和红细胞分布宽度(RDW)的鉴别诊断β从rda TT。
BLTREED模型安装使用八个重启之前每重启6000迭代和标准差的20分对数系数(54]。确定的( ),BLTREED模型配备两个选择,0.5和0.95参数,和四个选择(范围0.5 - 2的步骤0.5),然后选择一双( )产生最好的树FNR最小。
基于交叉验证的可接受的方法在机器学习的研究中,评估性能的三个模型,数据集随机分裂的比率2:1到训练和测试数据集,分别用分层随机抽样,以确保平等分配的在场和缺席(一个分类树)。模型适合训练数据集,和一组最好的树。对于每一个树,后预测分布计算训练数据和测试数据集;这是实现BLTREED每个迭代的算法,从而将模型参数的不确定性和评估中的数据模型。最后,预测性能计算基于混淆矩阵后预测分布的训练和测试数据集(43,47,54,56,57]。
微分贝叶斯分类树和车的性能评估使用灵敏度等标准(TPR),特异性(TNR),假阴性率(FNR)和假阳性率(玻璃钢),阳性预测值(PPV)以及阴性预测值(NPV)、阳性似然比(PLR)和阴性似然比(NLR),准确性,Youden指数,曲线下的面积(AUCROC)。AUCROC代表独立的能力的程度显示多少机器学习模型可以区分类(IDA和βTT);事实上,它是一个全球性的诊断准确性。有一个完美的分类算法 。的解释AUCROC描述如下: :优秀的分化, :很好的分化, :良好的分化, :足够的分化, :糟糕的分化, :分类方法不是有用的IDA和之间的差别TT (58,59]。标准如Youden指数、准确性,PLR NLR(一个优秀的诊断测试 和 ),和AUC考虑灵敏度和特异性,因此,可以将模型更准确地比其他的性能标准。此外,AUC值比较使用德龙等人方法(60]。一个值< 0.05被认为是一个统计上的显著差异。
2.7。软件
数据分析由自由软件(http://gsbwww.uchicago.edu.fac.robert.mcculloch.research.code.CART.index.html)基于Chipman et al。(2002)为拟合BLTREED模型开发,R 3.0.3用于拟合CART算法(包rpart),计算性能措施(包ePiR和包pROC)和分裂数据训练数据集和测试数据集(包caTools)。
3所示。结果
共有537名患者被诊断为βTT平均年龄(±SD) 包括299名(56%)妇女和238名(44%)的男性,而370名患者(平均年龄(±SD): )被诊断为IDA包括293女性(79%)和77(21%)人。表1显示了中位数和四分位范围(差)的实验室参数作为预测变量在浅色小红细胞的贫血的类型(βTT和IDA)。
CART1的树结构,CART2和BLTREED模型图所示1- - - - - -3,分别。第一个分裂分类树的三种方法是基于MCV,这表明MCV重要性区分价值更高βTT和艾达。另一个预测,作为第二个分裂变量在树结构是HB。根据前面提出的树木,BLTREED模型产生较小的树的大小和比车更可判断的算法(数字1和2)。这个模型显示的值 筛选的βTT的病人。BLTREED模型提取四个同质组之间的区别βTT和艾达(图3)。
在区分模型的预测性能βTT和IDA计算基于混淆矩阵(表2)。BLTREED模型、CART1 CART2树显示高TPR, TNR, PPV, NPV, Youden指数,和准确性之间的分化βTT和艾达(表3)。然而,BLTREED模型有较高的精度和Youden CART1和CART2以外的指数。
此外,所有的模型 三个分类树算法有很好的识别病人的诊断准确性。表4显示了三个树模型的auc ROC分析是统计学意义( )并显示所有三种分类方法有一个优秀的诊断准确性( :优秀的分化)之间的区别βTT和艾达。此外,图4接受者操作特性曲线显示的BLTREED模型,CART1,和CART2算法的测试数据集,AUC值之间的比较模型。根据展示图,没有明显区别的方法( )。
4所示。讨论
在本文中,我们使用BLTREED模型作为地中海贫血的鉴别诊断工具诊断。此外,我们比较BLTREED模型的预测性能与购物车贝叶斯决策树算法。这是第一个研究使用BLTREED血液学的数据模型。
贝叶斯决策树被用来解决不确定问题的传统的基于树的方法(43,54,61年]。这个模型是实现通过使用Hb, MCV、妇幼保健和RDW作为独立的变量。
我们的数据集包括537名患者(59%)βIDA患者TT和293例(41%)。然而,没有任何程度的相对IDA和之间的不平衡βTT类。(62年,63年]。
根据我们的结果,MCV和Hb是主要的预测参数微分诊断,显示患者βTT有较低的值MCV。
在先前的研究不同传统的决策树用于鉴别诊断β从rda TT,首先分割的算法是基于MCV。他们还得出结论说,”是一个重要的预测变量IDA和歧视的βTT (32,36]。BLTREED模式的性能评估使用的敏感性,特异性,假阴性和阳性检出率,积极的和消极的预测价值表现出高性能的鉴别诊断β从rda TT。此外,阳性似然比、阴性似然比,准确性,Youden指数显示,BLTREED具有良好的诊断准确性歧视病人。它确实是归类为96%βTT的病人。此外,AUC作为一个整体性能指数显示优秀的和重要的准确性(99、98)在训练和测试数据,分别的鉴别诊断βTT和艾达。BLTREED还与一个较小的尺寸,生成树,它比车更可说明的其他算法和显示更好的诊断性能。
我们的研究有一个限制,应考虑。调查病人包括IDA和βTT病例和伴随疾病和排除在外αTT病例。因此,考虑αTT的病人在研究中会影响模型和提出的性能改变的解释结果。特别是当只使用简单的血液参数如在目前的研究中,它可能很难区分α的TTβTT。
其他研究使用不同的数据挖掘技术和决策树频率论的方法的基础上,拟合了性能和精度高但低于我们的结果(32,34- - - - - -36,38]。在很多研究中不平衡数据集,过采样技术(杀)应用来处理这个问题34,64年]。
BLTREED模型,从而提高分类性能解决先前模型的不确定性(43,54]。的诊断性能BLTREED比其他歧视方法(分类树或血液歧视指数)在过去的研究区分β从rda TT。这些研究如下:Setsirichok等人使用C4.5决策树,naϊve贝叶斯(NB)分类器,分类和多层感知器(MLP) 18类地中海贫血异常(38]。贝林格等人使用像J48决策树分类算法,支持向量机(SVM), - - - - - -最近的邻居( - - - - - -神经网络)、延时和NB的区分βTT, IDA和共存的障碍。在这项研究中,不平衡数据集是一个较弱的性能的原因(34]。AlAgha等人的诊断性能相比J48等不同的分类算法, - - - - - -神经网络、人工神经网络(ANN)和NB分类 - - - - - -地中海贫血的航空公司。他们表明,击杀帮助减少高度不平衡类分布的问题,因此提高了预测性能(64年]。Jahangiri等人利用分类树算法如CHAID E-CHAID,购物车,探索,指导,和巡航的鉴别诊断β从rda TT。他们表明,克鲁斯算法具有最好的性能类似于目前的诊断研究中,但这个经典算法使用贪婪算法进行树生成和不能探索树树空间比贝叶斯方法。此外,许多研究血液歧视的诊断性能指标相比,BLTREED显示,更好的性能相比,他们(16- - - - - -19,23,25- - - - - -30.,65年- - - - - -80年]。
5。结论
在目前的研究中,区分BLTREED模型显示优秀的诊断准确性β从rda TT。根据贝叶斯的优点基于树的方法生成一个小和更可判断的树,不同的传统的决策树和缺乏的不确定性,这种方法可以帮助以及其他实验室参数识别这两个贫血之间的障碍。同时,了解基于树的方法很简单,不需要统计经验。因此,它可以帮助医生作出正确的临床决策。
缩写
| βTT: | β地中海贫血的特点 |
| 艾达: | 缺铁性贫血 |
| 公司: | 意思是微粒的体积 |
| 妇幼保健: | 意思是微粒血红蛋白 |
| RDW: | 红细胞分布宽度 |
| MCHC: | 平均血红蛋白浓度 |
| 加拿大皇家银行: | 红细胞 |
| BLTREED: | 贝叶斯分对数植树的 |
| TPR: | 灵敏度 |
| TNR: | 特异性 |
| FNR: | 假阴性率 |
| 玻璃钢: | 假阳性率 |
| 净现值: | 消极的预测价值 |
| PPV: | 阳性预测值 |
| PLR: | 阳性似然比 |
| NLR: | 阴性似然比。 |
数据可用性
和/或使用的数据集分析在当前研究可从相应的作者以合理的要求。
伦理批准
本研究经伦理委员会批准的阿瓦士Jundishapur大学医学科学,阿瓦士、伊朗(IR.AJUMS.REC.1395.456)。
信息披露
摘要是论文的一部分米娜Jahangiri, MSc生物统计学(没有的学生。u - 95095)。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
ASM和乔丹进行了构想和设计,分析和解释数据,起草文章的。FR和NS进行构思和设计,收集和汇编的数据,并起草文章。所有作者批准提交的文章的最终版本。
确认
本文研究得到了副校长的阿瓦士Jundishapur大学医学科学。