Lasso-Logistic與Group Lasso-Logistic模型在出生缺陷研究中的應(yīng)用.pdf

1、目的：
　　出生缺陷成因復(fù)雜、病因不明確、影響因素多，并且各影響因素之間關(guān)系復(fù)雜且存在相關(guān)性，而傳統(tǒng)統(tǒng)計(jì)方法因?yàn)樽兞窟^多而導(dǎo)致估計(jì)偏差，只能達(dá)到變量選擇的部分目標(biāo)。本文將采用基于Lasso、Group Lasso的Logistic回歸變量選擇方法對(duì)出生缺陷影響因素進(jìn)行分析，挖掘影響出生缺陷兒的關(guān)鍵因素，建立出生缺陷患病概率預(yù)測模型，為出生缺陷的預(yù)防和控制提供更好的指導(dǎo)。
　　方法：
　　本文首先介紹Lasso、Grou

2、p Lasso基本原理。其中，Group Lasso是對(duì)Lasso方法的延伸，在對(duì)具有多分類的因素進(jìn)行變量選擇時(shí)是以整組為單位進(jìn)行選擇，而不是選擇其中的某個(gè)分類。Group Lasso進(jìn)行整組變量選擇可以更好地解釋和分析所研究的因素。本文以山西省人口計(jì)生委科學(xué)研究所2006-2008年對(duì)山西省6個(gè)縣（市）所有出生兒及其家庭情況問卷調(diào)查的數(shù)據(jù)進(jìn)行分析，該調(diào)查共收回有效問卷35058份，其中493例為出生缺陷患兒。整理出38個(gè)指標(biāo)，以出生缺

3、陷發(fā)生與否為因變量，其他為自變量。對(duì)于具有多個(gè)分類或水平的指標(biāo)設(shè)置虛擬變量，共有37組50個(gè)變量。采用基于Lasso、Group Lasso的Logistic回歸模型方法構(gòu)建出生缺陷患兒發(fā)生概率預(yù)測模型，評(píng)價(jià)這些模型的預(yù)測性能。
　　結(jié)果：
　　Lasso和Group Lasso具有較好的變量選擇效果。母親的生育年齡、居住地、家庭人均收入、近親結(jié)婚、有親屬缺陷兒、母親孕早期貧血、有自然流產(chǎn)史、親屬缺陷兒、孕早期感冒、發(fā)熱、服

4、用感冒藥、抗生素、經(jīng)常與寵物接觸、居住周邊有污染源、家人經(jīng)常吸煙、經(jīng)常飲酒等因素對(duì)出生缺陷有重要影響；孕早期常吃肉類、蔬菜、補(bǔ)充葉酸制劑可有效降低出生缺陷的發(fā)生。以TPR、TNR、G-mean、AUC作為評(píng)價(jià)指標(biāo)，針對(duì)不平衡分布的出生缺陷數(shù)據(jù)，并基于Logistic建立預(yù)測模型，對(duì)模型預(yù)測性能進(jìn)行比較，結(jié)果顯示Lasso、Group Lasso的測試集的預(yù)測效果都高于全模型logistic和逐步回歸，具有較好的外推能力。
　　結(jié)論