基于logisic回歸分析的亞健康失眠中醫(yī)證候診斷規(guī)律研究_第1頁
基于logisic回歸分析的亞健康失眠中醫(yī)證候診斷規(guī)律研究_第2頁
基于logisic回歸分析的亞健康失眠中醫(yī)證候診斷規(guī)律研究_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

基于logisic回歸分析的亞健康失眠中醫(yī)證候診斷規(guī)律研究

健康睡眠障礙是人體在低健康狀態(tài)下對自身睡眠質(zhì)量的主觀體驗。中醫(yī)藥以證(證候)為基礎(chǔ)、辨證論治為特色,在臨床中對治療亞健康失眠具有良好的療效。然而,目前中藥治療亞健康失眠尚缺少嚴格設(shè)計的、大規(guī)模的隨機雙盲、多中心臨床研究,其中一個重要原因在于基于經(jīng)驗的證候診斷難以客觀化,為深入探討亞健康失眠中醫(yī)證候診斷規(guī)律,筆者應(yīng)用Logistic回歸分析方法,對亞健康失眠的中醫(yī)分型診斷進行研究并建立預(yù)測模型,以期規(guī)范其診斷標準。健康睡眠的中醫(yī)證候調(diào)查問卷根據(jù)《亞健康中醫(yī)臨床指南》中有關(guān)非器質(zhì)性失眠癥的診斷標準擬定,亞健康失眠是指:身體檢查無明顯疾病,但呈現(xiàn)出疲勞,活力、反應(yīng)能力和適應(yīng)力減退,創(chuàng)造能力較弱,自身有種種不適癥狀。失眠為主要癥狀,包括入睡難、保持睡眠難、早醒、醒后感不適和白天困倦等,每周至少發(fā)生3次并持續(xù)1個月以上,其他癥狀均繼發(fā)于失眠。介于健康與疾病之間的一種亞(醫(yī)學(xué))臨床狀態(tài)。參考《中藥新藥臨床研究指導(dǎo)原則》中陰虛火旺證和心脾兩虛證。陰虛火旺證:心煩不寐或多夢易醒,頭暈耳鳴,口干咽燥,五心煩熱,心悸汗出,健忘或有腰膝酸軟,遺精,月經(jīng)不調(diào),舌紅,脈細數(shù);心脾兩虛證:失眠多夢,心悸健忘,神疲體倦,食納減少,或食后腹脹,面色少華,大便溏,舌淡胖,苔薄白,脈細弱。①符合亞健康失眠診斷標準;②中醫(yī)辨證為陰虛火旺型和心脾兩虛型,由兩位中醫(yī)主治醫(yī)師以上職稱的醫(yī)師共同認可;③年齡18-60歲;④初中或初中以上文化水平;⑤匹茲堡睡眠質(zhì)量(PSQI)分數(shù)>7分且≤15分;⑥簽署知情同意書者。①嚴重的慢性失眠:即徹夜不眠、難以堅持正常工作且持續(xù)時間6個月以上;②酒精、藥物濫用者;③2周內(nèi)有重大生活事件;④近2周內(nèi)使用過安眠藥物,1個月內(nèi)參加其他臨床試驗的患者;⑤過敏體質(zhì)者;⑥合并有心腦血管、肝腎等疾病近半年內(nèi)住院治療者,合并有未能控制的內(nèi)分泌疾病;⑦納入前實驗室檢查嚴重異常者;⑧妊娠或哺乳期婦女。于2006年10月至2009年10月選擇浙江省、廣州市、北京市3個中心的7家醫(yī)院作為調(diào)查醫(yī)院,其中溫州醫(yī)學(xué)院附屬第一醫(yī)院133例、浙江中醫(yī)藥大學(xué)附屬溫州中醫(yī)院80例、溫州醫(yī)學(xué)院附屬第二醫(yī)院50例、廣州中醫(yī)藥大學(xué)第一附屬醫(yī)院50例、中國中醫(yī)科學(xué)院廣安門醫(yī)院50例、浙江中醫(yī)藥大學(xué)附屬第一醫(yī)院50例,共計413例。其中男115例,女298例;年齡18-60歲,平均(32.99±11.48)歲;病程1個月-20年,平均(2.05±3.59)年。本研究根據(jù)文獻制定亞健康失眠的中醫(yī)證候調(diào)查問卷,調(diào)查問卷包括亞健康失眠常見的33種癥狀。按統(tǒng)一表格分組采集資料,性別、年齡、婚姻狀況、職業(yè)、教育程度等,由受試者填寫,書寫困難者由調(diào)查醫(yī)生詢問代填。由調(diào)查醫(yī)生采集核對資料,進行中醫(yī)四診檢查,按照中醫(yī)辨證計分標準逐一登記。臨床信息填登記表由雙人雙次將資料錄入在線調(diào)查數(shù)據(jù)庫。將臨床癥狀分為“有”和“無”2級。“有”計1分,“無”計0分。資料采用SPSS15.0統(tǒng)計軟件分析,對413例患者與中醫(yī)證候相關(guān)的33個變量中的原始數(shù)據(jù)進行錄入整理,采用單因素和多因素Logistic回歸分析的方法對33個變量進行篩選,通過ROC曲線估計計算模型的判別切點。預(yù)測模型的建立采用單因素Logistic回歸分析的方法,對包括中醫(yī)癥狀在內(nèi)的33個變量進行單因素分析,結(jié)果見表1,以下22個變量對陰虛火旺和心脾兩虛的判別作用有顯著意義(P<0.001)。表2顯示了多因素Logistic回歸分析的結(jié)果,通過逐步回歸(向后選擇)的方法最終確定以下對證型判定有意義的10個預(yù)測變量。據(jù)篩選的10個變量,建立了如下預(yù)測模型:P=1/[1+exp(-3.17+2.02×目赤+0.89×口苦+1.14×心煩懊惱+1.32×耳鳴+1.12×口干咽燥+1.27×盜汗-0.89×神疲體倦-1.88×面色少華+0.82×腰膝酸軟+0.82×小便黃)]。模型中陽性者賦值為1,陰性者賦值為0。根據(jù)上述模型計算所有研究對象的預(yù)測概率P值,此時ROC曲線下面積為0.899,提示模型有較好的預(yù)測價值,當切點為0.70時,預(yù)測的一致率最高,即當上述模型計算出的P大于0.70時,判定為心脾兩虛,小于或等于0.70時判定為陰虛火旺,此時模型的判別一致率最高。對所建立的模型的一致率進行檢驗,結(jié)果見表3。一致率為81.84%,即理論判別與實際資料的總吻合率為81.84%,誤判率為18.16%。健康睡眠中醫(yī)證型的構(gòu)建“證”是中醫(yī)理論的核心,是立法遣方用藥的依據(jù),法隨證立,方依法制。因此分析探討亞健康失眠狀態(tài)的基本證型,有助于利用中醫(yī)養(yǎng)生保健理論和中醫(yī)藥辨證施治方法,對亞健康失眠狀態(tài)進行有效的干預(yù)治療。筆者前期調(diào)查發(fā)現(xiàn),亞健康失眠患者以心脾兩虛型和陰虛火旺型最為多見,因此筆者對此兩型患者的中醫(yī)癥狀進行Logistic回歸分析并建立預(yù)測模型。從結(jié)果來看,通過Logistic回歸分析篩選出的10個變量對陰虛火旺和心脾兩虛兩類證型的判別有意義,并建立預(yù)測模型,再將其臨床癥狀帶入預(yù)測模型,提示患者出現(xiàn)目赤、口苦、心煩懊惱、耳鳴、口干咽燥、盜汗、腰膝酸軟、小便黃等癥時,辨為陰虛火旺型的可能性大,其中以目赤和耳鳴更為顯著。以此類推,當患者出現(xiàn)神疲體倦和面色少華等癥時,提示其辨為心脾兩虛型的可能性大,與臨床實際基本符合。同時對所建立的模型的一致率進行檢驗,其一致達81.84%,表明其理論判別與實際資料有較高的吻合率,可以說本項研究所建立的亞健康失眠中醫(yī)證型Logistic回歸模型基本成功。傳統(tǒng)的中醫(yī)證型判定是根據(jù)中醫(yī)四診信息結(jié)合醫(yī)師的個人經(jīng)驗做出的一個主觀判斷,缺乏客觀性和精準性。而通過Logistic回歸分析確立的預(yù)測模型使數(shù)據(jù)對信息加以量化,減低了全憑主觀判斷造成的誤差,使數(shù)據(jù)更客觀化,對促進中醫(yī)診斷、鑒別診斷標準化及癥候規(guī)范化有積極的意義??傊?本研究初步構(gòu)建了一個亞健康失眠陰虛火旺和心脾兩虛的Logistic回歸預(yù)測模型,借助數(shù)理統(tǒng)計實現(xiàn)對陰虛火旺和心脾兩虛診斷要點的辨識,為促進癥候診斷客觀化提供可行方法。但本研究病例數(shù)偏少,缺少其他證型,缺少舌苔、脈象,缺少有關(guān)睡眠的一些量表如匹茲堡量表等不足,影響了本研究的完善性。以后尚需將該模型在新的臨床患者中進行可靠性檢驗,并進一步通過臨床大樣本、多證候綜合調(diào)查研究,提高模型的診斷準確率

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論