莫海娟 赖银娟 黄志碧 梁冰倩 陆华媛

(广西医科大学公共卫生学院，南宁市 530021，电子邮箱：2401061229@qq.com)

近年来我国结核病的发病率和死亡率呈逐步下降趋势，但其患病率仍位居世界第二，仅次于印度[1]。脊柱结核占骨和关节结核的50%，是最常见的肺外结核，常导致不可逆转的神经损伤(包括瘫痪)，降低患者的生活质量[2]，引发严重的社会和经济问题。经典的Logistic回归模型是一种分析疾病影响因素的常用方法，但是对于非线性问题效果不佳[3]。随机森林法是由美国科学家Breiman将前期Bagging集成学习理论与Ho提出的随机子空间方法结合的一种新组合分类器 CART决策树算法。随机森林法在多种疾病研究中的应用已逐渐成为统计学研究热点，与传统的分类算法相比，其具有准确性高等优点[4]。本文采用随机森林算法结合Logistic回归模型探讨用于预测脊柱结核的模型，旨在用尽量少的自变量去预测脊柱结核，同时使模型具有较高的准确度。

1 资料与方法

1.1 临床资料 将2017年1月至2018年12月广西医科大学第一附属医院脊柱结核外科收治的250例脊柱结核患者作为研究组。纳入标准：(1)CT引导下穿刺活检病理结果证实为结核；(2)有相应的临床表现和影像学表现，且抗结核治疗有效。排除标准：(1)意识不清，无法表达病情者；(2)合并有其他感染性疾病者。研究组中男性149例、女性101例，年龄7～84(47.28±16.93)岁。并根据随机数字表法抽取同一时期来科室检查的250例非脊柱结核患者作为对照组，包括慢性腰背肌筋膜炎(诊断符合《临床诊疗指南骨科分册》[5])、脊柱肿瘤(手术时取活检病理证实)，排除意识不清者。……