Bayes综合判别对流行性乙型脑炎临床分型的鉴别

作者：张蕾洁; 金娜; 王琪; 张晓曙; 朱莞琪; 焦永卓; 袁艳; 李娟生^*; 孟蕾^*

来源：中华流行病学杂志, 2019, 40(09).

• 流行性乙型脑炎
• Bayes判别分析
• 临床分型

目的构建普通型和重型流行性乙型脑炎(乙脑)临床分型的Bayes判别函数, 采用量化指标鉴别乙脑病例。方法选取2005-2017年甘肃省CDC疫情监测系统报告的普通型和重型乙脑病例为研究对象, 应用非条件logistic回归和Bayes逐步判别分析筛选有意义的临床指标, 构建Bayes判别函数并进行评价。结果普通型病例256例;重型病例257例。两组病例在性别、年龄和职业分布差异无统计学意义(P>0.05), 病死率差异有统计学意义(P<0.05)。联合非条件logistic回归与Bayes逐步判别分析, 再结合相关文献筛选11个临床指标建立Bayes判别函数, 交互验证法显示普通型和重型乙脑病例的判别函数灵敏度为71.48%(95%CI:65.53%～76.93%)、特异度为73.93%(95%CI:68.11%～79.19%)、ROC曲线下面积为0.761(95%CI:0.720～0.803), 总体准确率为72.71%。结论通过构建Bayes判别函数可以较为准确地鉴别普通型和重型乙脑病例, 有利于病例合理救治。

• 单位
  甘肃省疾病预防控制中心; 兰州大学; 公共卫生学院