昆明医科大学学报2023,44(9)：25~31JournalofKunmingMedicalUniversity决策树及Logistic回归模型在活动性肺结核预测中的应用D0I:10.12259/j.issn.2095-610X.S20230916CN53-1221/R樊浩"，刘幸2，张乐2，李畏娴²，吴雪娇")，韩祎²，姚晓蝶1)(1)大理大学药学院，云南大理671000;2)云南省传染病临床医学中心/昆明市第三人民医院药学部，云南昆明650041)［摘要］目的采用决策树模型与Logistic回归模型分析活动性肺结核(activetuberculosis，ATB)的危险因素，为ATB的预防控制提供参考依据。方法实验组为2021年3月至2023年3月昆明市第三人民医院收治的200例活动性肺结核患者，对照组为同期200例健康体检者，建立Logistic回归和决策树ATB风险预测模型，并在是否基于Logistic回归结果条件下建立决策树分析模型（决策树1和决策树2），用受试者工作曲线评价3种模型的预测效果。结果Logistic回归结果显示AAT、IL-4、IL-6、IL-17、IFN-是发生ATB的危险因素，CD+4为保护因素，决策树1分析结果显示CRP为根节点，其后分别以IL-1、IL-6、CD+4、IL-17、AGP、IFN-作为子节点，决策树2分析结果显示IL-6作为根节点，其后是AAT、IL-4、IL-17作为子节点。建立的风险预测模型显示，Logistic回归的AUC为0.887，决策树模型的AUC分别为0.900（决策树1)和0.857(决策树2)。3组模型的AUC比较结果显示，决策树1的AUC优于决策树2（95%CI：0.0019~0.0841，P<0.05），但与Logistic回归模型比较，差异无统计学意义（95%CI：0.0265~0.0522，P=0.526)。结论Logistic模型和决策树1模型在预测ATB危险因素时均有一定的应用价值，建议将2种模型结合使用，以便更好地为ATB的防治提供参考价值。【关键词］活动性肺结核；危险因素；逻辑回归；决策树模型［中图分类号】R33[文献标志码】A[文章编号］2095-610X(2023)09-0025-07ApplicationsofDecisionTreeModelsandLogisticRegressioninthePredictionofActiveTuberculosisFANHao",LIUXing",ZHANGLe2",LIWeixian2",WUXuejao",HANYi?",YAOXiaodie1)(1)SchoolofPharmaceuticalSciences,DaliUniversity,DaliYunnan671000;2)YunnanClinicalCenterforInfectiousDiseases/Dept.ofPharmacy,The3rdPeople'sHospitalofKunming,KunmingYunnan650041,China)[Abstract]ObjectiveToanalyzetheinfluencefactorsofactivetuberculosis(ATB)usinglogisticregressionmodelanddecisiontreemodel,andtoprovideareferencepointforATBpreventionandcontrol.MethodsTheex...
