[发明专利]一种基于偏见模型对癌症患者抑郁指数进行评估的方法

权利要求书

1.一种基于偏见模型对癌症患者抑郁指数进行评估的方法，其特征在于它包括以下几个步骤：

(1)采用临床诊断中的CES-D方法，设计抑郁指数量化表，将抑郁指数分为不少于三个级别并记为Y_ij，其中i代表患者或观察对象，j为到访次数；

(2)为患者建立跟踪调查档案，定期记录主要包括患者的年龄、性别、疼痛指数(MPI)、癌症期数、到访次数等与研究目标极其相关的参数并记为相关变量矩阵X_i；

(3)在多项式模型(multinomial logit model)和比例优势模型(proportional-oddsmodel)的基础上，引进偏见模型(stereotype model)，具体做法如下：

令Y_ij表示第i个患者第j次到访的CES-D抑郁等级，其等级k＝1,…,K；X_i为相关变量的矩阵，β为对应变量的参数；Z_i为随机效果矩阵，b为对应随机效果的参数；若g(.)为连接方程(link function)，则广义线性混合模型可以表示为：

g{E(Y_ij|b_i)}＝α_k+X_iβ+Z_ib {1}

a.多项式模型可以表示为(设参照组Y＝1)：

其中k＝2，…，K；b_i～N(0，σ²),α_k是固定效果，β的值随着抑郁等级k不同，拟合参数的个数为(K-1)×(p+1)；

b.比例优势模型可以表示为(设参照组Y＝1)：

logit[Pr(Y_ij≤k|X_i，b_i)]＝α_k-(X_iβ+Z_ib_i) {3}

其中k＝1，…，K；b_i～N(0，σ²),α_k是固定效果，β的值在不同抑郁等级k中相同；

c.将一个特殊变量引入多项式模型，形成偏见模型混合随机效果：

其中k＝2，…，K；b_i～N(0,σ²),α_k是固定效果，即拟合参数的个数为(K-1)+p+(K-2)＝2K+p-3；

(4)预处理数据，将缺失值用适合数据结构的方式补齐；

(5)将数据分成不少于三份，其中一份为训练集，另外至少两份为验证集，分别代入{2}-{4}的模型中，比较模型整体拟合效果及相关参数的拟合效果，并得出相应结论。

2.根据权利要求1所述的基于偏见模型对癌症患者抑郁指数进行评估的方法，其特征在于，所述步骤(1)中的抑郁指数可以分为三个级别，分别为无抑郁(0-15)，轻度抑郁(16-26)，重度抑郁(27及以上)。

3.根据权利要求1所述的基于偏见模型对癌症患者抑郁指数进行评估的方法，其特征在于，所述步骤(2)中的相关变量矩阵X_i可以根据不同病症类型收集适用其特征的相关参数。

4.根据权利要求1所述的基于偏见模型对癌症患者抑郁指数进行评估的方法，其特征在于，所述步骤(4)中缺失值的处理可以由该患者上一次和下一次访问记录的平均值或相邻值得到。

5.根据权利要求1所述的基于偏见模型对癌症患者抑郁指数进行评估的方法，其特征在于，所述步骤(5)中，若多项式模型中拟合参数β_k在各层级k中的拟合值在统计学意义上无差异(使用配对t-test双尾假设检验，95％置信区间)，则采用比例优势模型或偏见模型中整体拟合效果最好的模型(拟合效果根据AIC，-2Log likelihood)；若多项式模型中拟合参数β_k在各层级k中的拟合值在统计学上有差异(使用配对t-test双尾假设检验，95％置信区间)，则采用偏见模型作为最终的结果评估模型。