【统计模型】心脏病患病影响因素探究

这篇具有很好参考价值的文章主要介绍了【统计模型】心脏病患病影响因素探究。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

心脏病患病影响因素探究

一、研究目的

二、数据来源和相关说明

三、描述性统计分析

四、数据建模

4.1 全模型

(1)模型构建

(2)模型预测

4.2 基于AIC准则的选模型A

4.3 基于BIC准则的选模型B

4.4 模型评估

五、结论及建议

5.1 结论

5.2 建议

六、代码


心脏病患病影响因素探究

        内容提要:本文基于R语言faraway包中的wcgs数据集,分析心脏病患病影响因素。被调查人群中,有8.1%的人患有心脏病,91.9%的人未患心脏病。全模型中,变量age、sdp、chol、cigs和timechd对是否患心脏病有显著影响,age、sdp、chol和cigs的增加都会增加患心脏病的优势,而timechd会降低患心脏病的优势比。用全模型预测前十位受访者患病概率,分界点α=0.5 时,MCR=0.2 ;分界点α=0.7 时,MCR=0.1 全模型,AIC模型和BIC模型中,AIC模型效果最好。

一、研究目的

        分析心脏病患病影响因素,对预防心脏病的发生具有重要意义。本文欲通过建立logistic回归模型,分析心脏病的影响因素,为心脏病的预防贡献微薄之力。

二、数据来源和相关说明

        数据来源于R语言faraway包中的wcgs数据集,其中包含3154条数据。这是某机构调查的3154个健康男人,介于39-59岁,8年后看他们是否得了心脏病,并且收集了一些可能导致心脏病的自变量数据,得到了数据集wcgs。数据集包含13个变量——age、height、weight、sdp、dbp、chol、behave、cigs、dibep、chd、typechd、timechd、arcus,其中有5个分类型变量,8个连续型变量。本文欲探究变量chd(冠心病)的影响因素。

三、描述性统计分析

        为了获得对数据的整体了解,本文先对数据集中的变量chd、weight和cigs进行了描述性统计分析,得到了图3-1到图3-4的图形。

【统计模型】心脏病患病影响因素探究

图3-1 是否患有冠心病

      由图3-1可以得出:91.9%的人未患心脏病,8.1%的人患有心脏病。

【统计模型】心脏病患病影响因素探究

图3-2 weight和cigs直方图

      由图3-2可以得出:weight整体服从正态分布,大多集中在150-200之间;cigs大致服从指数分布,最多集中在0-10范围内。

【统计模型】心脏病患病影响因素探究

图3-3 箱线图

      由图3-3可以得出:体重与吸烟量在是否有心脏病上都存在一定的差异性。患心脏病的人体重的最大值低于不患心脏病的人,患心脏病的人体重的最低值高于不患心脏病的人,即患心脏病的人体重极值要小于不患心脏病的人。不患心脏病的人的吸烟数明显低于患心脏病的人,即可以猜测患心脏病可能与吸烟数有关。

【统计模型】心脏病患病影响因素探究

图3-4 weight-cigs热力图

      由图3-4可以得出:体重和吸烟数几乎不存在线性相关关系。

四、数据建模

4.1 全模型

(1)模型构建

        为了分析心脏病的影响因素,本文建立了二元logistic回归模型。考虑将所有变量均纳入模型,但在参数估计时无法收敛,因此考虑剔除一些变量后再进行参数估计,得到表4-1的参数估计结果。

表4-1 全模型参数估计结果

变量

Estimate

Std.Error

z value

Pr(>|z|)

(Intercept)

-9.29E+00

2.67E+00

-3.474

0.000513***

age

6.47E-02

1.38E-02

4.694

2.68e-06***

height

3.25E-02

3.85E-02

0.845

0.39792

weight

5.44E-03

4.37E-03

1.245

0.213257

sdp

1.93E-02

7.36E-03

2.622

0.008738**

dbp

-1.46E-02

1.23E-02

-1.193

0.232941

chol

1.14E-02

1.74E-03

6.565

5.20e-11***

as.factor(behave)A2

9.15E-02

2.57E-01

0.357

0.721439

as.factor(behave)B3

-3.63E-01

2.77E-01

-1.311

0.189705

as.factor(behave)B4

-2.41E-01

3.57E-01

-0.676

0.49921

cigs

1.53E-02

4.98E-03

3.066

0.002169**

timechd

-1.53E-03

8.44E-05

-18.094

<2e-16***

      由表4-1可以得出:

  • 变量age、sdp、chol、cigs和timechd对是否患心脏病有显著影响,其他变量无显著影响。
  • 其他自变量不变时,每天吸烟量增加一根,患心脏病的优势会变为之前的1.0154倍;若患心脏病的概率很小,则可以近似认为吸烟量每增加一根,患心脏病的概率变为之前的1.0154倍。
  • 其他自变量不变时,age每增加一岁,患心脏病的优势会变为之前的1.0669倍;sdp每增加一,患心脏病的优势会变为之前的1.0195倍;chol每增加一,患心脏病的优势会变为之前的1.0115倍;timechd每增加一,患心脏病的优势会变为之前的0.9985倍,即会降低患心脏病的优势比。上述在统计学上均显著。
  • height每增加一,患心脏病的优势会变为之前的1.0331倍;weight每增加一,患心脏病的优势会变为之前的1.0055倍;dbp每增加一,患心脏病的优势会变为之前的0.9855倍,即会降低患心脏病的优势比;与A1相比,A2患心脏病的优势比是其1.0958倍,B3是其0.6952倍,B4是其0.7858倍。上述在统计学上均不显著。

(2)模型预测

      基于全模型,可以预测前十位受访者的患病概率,预测结果如表4-2所示。

表4-2 全模型预测结果

样本

预测概率

真实值

α=0.5

α=0.7

1

0.1961

0

0

0

2

0.018939

0

0

0

3

0.004255

0

0

0

4

0.004289

0

0

0

5

0.293788

1

0

0

6

0.013297

0

0

0

7

0.006133

0

0

0

8

0.008294

0

0

0

9

0.01238

0

0

0

10

0.529694

0

1

0

        由表4-2可以得出:当分界点α=0.5 时,十位受访者的MCRMCR=0.2 ;当分界点α=0.7 时,十位受访者的MCRMCR=0.1

4.2 基于AIC准则的选模型A

        基于AIC准则对全模型的变量进行选择,得到选模型A,模型参数估计值如表4-3所示。

表4-3 选模型A的参数估计

变量

Estimate

Std.Error

z value

Pr(>|z|)

(Intercept)

-7.43E+00

1.09E+00

-6.836

8.14e-12***

age

6.38E-02

1.38E-02

4.635

3.57e-06***

weight

6.52E-03

3.55E-03

1.835

0.066501·

sdp

1.20E-02

4.68E-03

2.556

0.010583*

chol

1.12E-02

1.73E-03

6.5

8.01e-11****

as.factor(behave)A2

1.22E-01

2.56E-01

0.476

0.634303

as.factor(behave)B3

-3.38E-01

2.77E-01

-1.223

0.221504

as.factor(behave)B4

-2.14E-01

3.57E-01

-0.6

0.548701

cigs

1.65E-02

4.90E-03

3.362

0.000775***

timechd

-1.52E-03

8.38E-05

-18.086

<2e-16***

        由表4-3可以得出:选模型A保留了变量age、weight、sdp、chol、behave、cigs和timechd。在显著性水平α=0.05 下,除了变量weight和behave,其他变量都具有统计学显著性。

4.3 基于BIC准则的选模型B

        基于BIC准则对全模型的变量进行选择,得到选模型B,模型参数估计值如表4-4所示。

表4-4 选模型B的参数估计

变量

Estimate

Std.Error

z value

Pr(>|z|)

(Intercept)

-6.71E+00

8.94E-01

-7.484

7.21e-14***

age

6.44E-02

1.36E-02

4.745

2.08e-06***

sdp

1.48E-02

4.47E-03

3.318

0.000908***

chol

1.12E-02

1.70E-03

6.557

5.49e-11***

cigs

1.66E-02

4.88E-03

3.402

0.000670***

timechd

-1.55E-03

8.33E-05

-18.558

<2e-16***

        由表4-4可以得出:选模型B保留了变量age、sdp、chol、cigs和timechd,这些变量在显著性水平α=0.05 下都具有非常高的统计学显著性。

4.4 模型评估

        以前80%的样本作为训练集,后20%的样本作为测试集,分别用训练集拟合全模型、AIC准则和BIC准则进行变量筛选的模型,用测试集做ROC曲线和AUC箱线图,得到图4-1和图4-2。

【统计模型】心脏病患病影响因素探究

图4-1 三个模型ROC曲线

【统计模型】心脏病患病影响因素探究

图4-2 三个模型AUC箱线图

      由图4-1和图4-2可以得出:无论是ROC曲线,还是AUC箱线图,三个模型的分类效果差异较小,其中AIC模型效果最好。

五、结论及建议

5.1 结论

  • 被调查人群中,有8.1%的人患有心脏病,91.9%的人未患心脏病,患心脏病的概率较低;被调查人群的体重近似服从正态分布,吸烟数近似服从指数分布;患心脏病人群的吸烟数明显多于不患心脏病人群。
  • 变量age、sdp、chol、cigs和timechd对是否患心脏病有显著影响,其他变量无显著影响。
  • 其他自变量不变时,age每增加一岁,患心脏病的优势会变为之前的1.0669倍;sdp每增加一,患心脏病的优势会变为之前的1.0195倍;chol每增加一,患心脏病的优势会变为之前的1.0115倍;timechd每增加一,患心脏病的优势会变为之前的0.9985倍,即会降低患心脏病的优势比。上述在统计学上均显著。
  • 全模型,基于AIC准则的选模型A、基于BIC准则的选模型B中,选模型A的分类效果最好。

5.2 建议

      吸烟和喝酒都会在一定程度上增加患心脏病的概率,因此为了自身身体健康,建议少吸烟,少喝酒。

六、代码

library(faraway)
attach(wcgs)
wcgs[c(1:5),]

summary(chd)
#统计chd(冠心病)情况
x=c(2897,257)
color=c('red','orange')
piepercent1=round(100*x/sum(x),1)
pie(x,labels=piepercent1,main="是否患有冠心病",col=color)
legend("topright",c("否","是"),cex=1.5,fill=color)
#绘制变量weight和cigs的直方图
par(mfrow=c(1,2))
hist(weight,main="体重",xlab="组别" ,ylab = "频数")
hist(cigs,main="cigs",xlab="组别" ,ylab = "频数")
#绘制冠心病与weight、cigs的箱线图
par(mfrow=c(1,2))
boxplot(weight~chd,ylab="体重",xlab="是否患有冠心病",data=wcgs,names=c("否","是"))
boxplot(cigs~chd,ylab="cigs",xlab="是否患有冠心病",data=wcgs,names=c("否","是"))
#连续变量之间相关性热力图
library(corrplot)
b=wcgs[,c(3,8)]
k=cor(b,use='everything',method='pearson')
par(mfrow=c(1,1))
corrplot(k,addCoef.col = "black")

#全模型
model.full=glm(chd~age+height+weight+sdp+dbp+chol+as.factor(behave)+cigs+timechd
                ,family=binomial(link=logit),data=wcgs,maxit=50)
#模型结果,不显著的变量也要解读,加上不具有统计学意义
summary(model.full)
#似然比卡方检验模型整体效果
1-pchisq(30.56,df=7)

pred=predict(model.full,wcgs)
pred

#基于AIC准则下变量的选择
c(AIC(model.full),BIC(model.full))
model.aic=step(model.full,trace = F)
summary(model.aic)
ss=length(wcgs[,1])#样本量
#基于BIC准则下变量的选择
model.bic=step(model.full,trace = F,k=log(ss))
summary(model.bic)
#只留了特别显著的变量

library(pROC)
#多次模拟,去除随机误差的影响(了解即可)
nsimu=100#进行100次模拟
p=0.8#用作训练集的样本概率
ss0=round(ss*p)#训练集样本量
AUC=as.data.frame(matrix(0,nsimu,3))#100行,3列的零数据框
names(AUC)=c("全模型","AIC模型","BIC模型")
#开始模拟
for(i in 1:nsimu){
  #打乱a样本顺序,随即编号并排序
  aa=wcgs[order(runif(ss)),]
  #数据集aa的前70%作为训练集
  A0=aa[c(1:ss0),]
  #数据集aa的后30%作为测试集
  A1=aa[-c(1:ss0),]
  
model.1=glm(chd~age+height+weight+sdp+dbp+chol+as.factor(behave)+cigs+timechd,family=binomial(link=logit),data=A0)
model.2=glm(chd~age+weight+sdp+chol+as.factor(behave)+cigs+timechd,family=binomial(link=logit),data=A0)
model.3=glm(chd~age+sdp+chol+cigs+timechd,family=binomial(link=logit),data=A0)
  
#测试集检验模型效果,计算预测值
pred.1=predict(model.1,A1)
pred.2=predict(model.2,A1)
pred.3=predict(model.3,A1)
  
#计算AUC值
y=A1$chd
auc.1=roc(y,pred.1)$auc
auc.2=roc(y,pred.2)$auc
auc.3=roc(y,pred.3)$auc
  
#将各个AUC值填充到零矩阵中
AUC[i,]=c(auc.1,auc.2,auc.3)
}
#绘制箱线图看三个模型的AUC分布情况,AUC越大,模型分类效果越好
par(mfrow=c(1,1))
boxplot(AUC,main="外样本AUC对比")
#利用最后一次模拟数据绘制三个模型的ROC曲线
#计算混淆矩阵
roc.1=roc(y,pred.1)
roc.2=roc(y,pred.2)
roc.3=roc(y,pred.3)
#绘制三条ROC曲线,比较效果
par(mfrow=c(1,3))
plot(roc.1,main="全模型")
plot(roc.2,main="AIC模型")
plot(roc.3,main="BIC模型")

个人意见,还请各位读者批评指正!文章来源地址https://www.toymoban.com/news/detail-436857.html

到了这里,关于【统计模型】心脏病患病影响因素探究的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • R语言关于心脏病相关问题的预测和分析

    背景 心脏病由心脏结构受损或功能异常引起包括先天性心脏病和后天性心脏病,不同类型的心脏病表现不同,轻重不一。 本报告是基于R语言对心脏研究的机器学习/数据科学调查分析。更具体地说,我们的目标是在心脏研究的数据集上建立一些预测模型,建立探索性和建模方

    2024年02月09日
    浏览(45)
  • 基于数据挖掘机器学习的心脏病患者分类建模与分析

    首先,读取数据集,该数据集是UCI上的心脏病患者数据集,其中包含了 303 条患者信息,每一名患者有 13 个字段记录其基本信息(年龄、性别等)和身体健康信息(心率、血糖等),此外有一个类变量记录其是否患有心脏病。详细的字段信息可见 此处。 类别字段 target 有两

    2024年01月19日
    浏览(53)
  • 基于python的心脏病个人指数数据集数据处理——结课论文

    前言: 此论文是小赵的python数据分析与应用的结课作业 , 未上传论文涉及的所有数据集,本论文所涉及的数据预处理,数据分析和可视化仅以这些数据集为准,所有处理方法,结果以及结论仅个人观点。 心脏病个人指数数据集数据处理 摘要:     本论文包含了对心脏病个

    2024年02月04日
    浏览(42)
  • Python数据分析—基于机器学习的UCI心脏病数据分析(源码+数据+分析设计)

    下载链接:https://pan.baidu.com/s/1ys2F6ZH4EgnFdVP2mkTcsA?pwd=LCFZ 提取码:LCFZ 心脏病是一类比较常见的循环系统疾病。循环系统由心脏、血管和调节血液循环的神经体液组织构成,循环系统疾病也称为心血管病,包括上述所有组织器官的疾病,在内科疾病中属于常见病,其中以心脏病

    2024年02月07日
    浏览(53)
  • 数据分享|R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病...

    这个数据集( 查看文末了解数据免费获取方式 )可以追溯到1988年,由四个数据库组成。克利夫兰、匈牙利、瑞士和长滩。\\\"目标 \\\"字段是指病人是否有心脏病。它的数值为整数,0=无病,1=有病 ( 点击文末“阅读原文”获取完整 代码数据 ) 。 目标: 主要目的是预测给定的人

    2024年02月16日
    浏览(50)
  • 影响因素分析论文用什么模型好?

    如果赶时间可直接看小结部分,再返回看正文。 在此,以【解决影响煤炭价格的主要因素】为例,对影响因素分析可采用的模型进行简单介绍。 本文语言会尽量简单,在便于理解的同时,不可避免的会失去部分准确度,因此仅供参考,如有错误,欢迎指出,并以专业论文为

    2024年02月05日
    浏览(38)
  • Explainable AI (XAI) 帮助机器学习模型理解外部世界,并找出影响预测结果的最重要因素

    作者:禅与计算机程序设计艺术 Explainable Artificial Intelligence (XAI)是一种通过可解释的方式来帮助机器学习系统理解自身运作方式,进而更好地被人类所理解的领域。其发展历史可以追溯到1987年IBM Watson团队发表的一篇文章《The Vision of AI: A Cognitive View of the Future》中提出的概

    2024年02月06日
    浏览(40)
  • 结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例...

    在本文,我们将考虑观察/显示所有变量的模型,以及具有潜在变量的模型 ( 点击文末“阅读原文”获取完整 代码数据 )。 第一种有时称为“路径分析”,而后者有时称为“测量模型”。 SEM 在很大程度上是回归的多元扩展,我们可以在其中一次检查许多预测变量和结果。

    2024年02月09日
    浏览(39)
  • 探究 ChatGPT 的心脏--Transformer(基础知识第一篇)

                     Transformer 是 ChatGPT 的核心部分,如果将 AI 看做一辆高速运转的汽车,那么 Transformer 就是最重要的引擎。它是谷歌于 2017 年发表的《Attention is All You Need》中提出的 Sequence-to-sequence 的模型,诞生之后便一统江湖,在 NLP, CV, Audio, Video 多个模态领域成为了

    2024年04月12日
    浏览(42)
  • 影响AFE采样精度的因素有哪些?

    AFE(Analog Front End) 是模拟前端电路的缩写,它是模拟信号传感器和数字信号处理器之间的连接点。AFE采样精度是指模拟信号被数字化后的准确度,对于很多电子设备来说,这是一个至关重要的性能指标。本文将介绍影响AFE采样精度的因素,并提供一些解决方法。 1. 噪声 噪声

    2024年02月02日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包