导　　师： 何兴祥

授予学位： 硕士

作　　者： ;

机构地区： 广东药科大学

摘　　要： 目的:建立客观、可行的胃镜前筛查标准,提高胃镜使用的合理性。方法:本研究通过现场调查,研究者通过问卷调查方式收集研究病例的人口学信息、饮食和生活习惯、既往病史和近期症状等上消化道疾病相关因素;通过采集研究病例的血标本进行PGI、PGII、G-17和Hp抗体检测;按照统一标准进行胃镜检查和病理检查,以胃镜及病理结果为诊断金标准进行研究。分别纳入调查所得的全部相关因素训练构建决策树模型、逻辑回归模型、随机森林模型和支持向量机模型。通过比较有无应用机器学习模型进行胃镜前筛查的胃镜检查效率,评估机器学习模型预测胃镜阳性结果的准确性和有效性。结果:本研究共纳入病例620例,其中胃镜阳性病例433例,包括胃粘膜糜烂136例、胃息肉118例、胃粘膜萎缩104例、肠上皮化生85例、胃溃疡46例、胃上皮内瘤变46例、十二指肠息肉36例、十二指肠球部溃疡33例、反流性食管炎23例、巴雷特食管7例、食管静脉曲张3例、胃癌2例、食管裂孔疝2例和间质瘤2例。单因素分析中,未受高等教育、较高体力劳动的职业、母语为粤语、居住在乡村、饮用自来水、饮酒、高血压、高血脂、上消化道息肉病史、年龄>52岁、吸烟时间>18年、PGⅡ>9.36、PGR<10.89与胃镜阳性结果相关。其中阳性预测值最高的是上消化道息肉病史(100.00%),阴性预测值最高的是吸烟时间大于18年(80.00%),敏感度最高的是未受高等教育(82.68%)、特异度最高的是上消化道息肉病史(100.00%),约登指数最高的是上消化道息肉病史,为0.32。决策树模型纳入变量按重要性从高至低排序排名前十的分别为上消化道息肉病史(0.277)、职业(0.138)、饮用水源(0.107)、高血脂病史(0.079)、G-17(0.070)、PGR(0.045)、饮酒(0.043)、年龄(0.032)、吸烟(0.032)和餐后不适感(0.031)。逻辑回归模型纳入变量按重要性从高至低

关 键 词： 胃镜 机器学习 筛查

领　　域： [] []