ЗАНЯТИЕ №9 4 страница

	B	Std. Error	Beta	t	Sig.	Виртуал	модель
(Constant)	1,86576	0,20801		8,96942	1,4215E-18		1,86576
decreased lever of consciousness	-0,52950	0,02236	-0,53841	-23,68098	1,61162E-22		-1,059
LEJLIN	0,38409	0,04317	0,18639	8,89688	2,61138E-18	0,064	0,02458
respiratory rate	0,00707	0,00195	0,07955	3,63366	0,000293538		0,17683
diastolic blood pressure	-0,00222	0,00051	-0,09050	-4,33212	1,62468E-05		-0,1995
multilober pneumonia (2 and more)	0,04801	0,01467	0,06775	3,27189	0,001104597		0,04801
mohevina of blood	0,00266	0,00125	0,04269	2,13112	0,033321341	7,2	0,01914
glucosa of blood	0,00748	0,00270	0,06117	2,77042	0,005701414	6,6	0,04934
cerebro-vascula disease	-0,12896	0,03567	-0,06841	-3,61524	0,000314936		-0,2579
cirros of liver	-0,16375	0,05281	-0,05835	-3,10051	0,001985577		-0,1637
diabites mellitus	-0,13539	0,06598	-0,04409	-2,05198	0,040429622		-0,1354
age of patient	0,00074	0,00033	0,04508	2,23934	0,025351677		0,05663
chronical heart failure 2-3	-0,05320	0,02250	-0,04617	-2,36430	0,018252994		-0,0532
Dependent Variable: УМЕР

В последней ячейке суммируем колонку

	B	Std. Error	Beta	t	Sig.	Виртуал	модель
(Constant)	1,86576	0,20801		8,96942	1,4215E-18		1,86576
decreased lever of consciousness	-0,52950	0,02236	-0,53841	-23,68098	1,61162E-22		-1,059
LEJLIN	0,38409	0,04317	0,18639	8,89688	2,61138E-18	0,064	0,02458
respiratory rate	0,00707	0,00195	0,07955	3,63366	0,000293538		0,17683
diastolic blood pressure	-0,00222	0,00051	-0,09050	-4,33212	1,62468E-05		-0,1995
multilober pneumonia (2 and more)	0,04801	0,01467	0,06775	3,27189	0,001104597		0,04801
mohevina of blood	0,00266	0,00125	0,04269	2,13112	0,033321341	7,2	0,01914
glucosa of blood	0,00748	0,00270	0,06117	2,77042	0,005701414	6,6	0,04934
cerebro-vascula disease	-0,12896	0,03567	-0,06841	-3,61524	0,000314936		-0,2579
cirros of liver	-0,16375	0,05281	-0,05835	-3,10051	0,001985577		-0,1637
Diabites mellitus	-0,13539	0,06598	-0,04409	-2,05198	0,040429622		-0,1354
age of patient	0,00074	0,00033	0,04508	2,23934	0,025351677		0,05663
chronical heart failure 2-3	-0,05320	0,02250	-0,04617	-2,36430	0,018252994		-0,0532
Dependent Variable: УМЕР							0,37159

Полученное значение 0,37159. Если вспомнить, что выжившие кодировались нулем, а умершие – единицей, то для данного виртуала ситуация плохая, но не очень.

5. Анализ точности и клинической ценности прогноза

Если мы прогнозируем числовую величину, например, длительность пребывания в больнице, то на этом работа завершается. Однако если прогнозируется один из двух исходов, то нам надо научиться переводить полученную величину прогноза в вероятности исходов, а также клиническую ценность прогноза.

Для начала сохраним полученное значение прогноза в качестве новой переменной, для чего при выполнении расчета регрессионной модели нажмем кнопку «Save» и поставим галочку в левом верхнем углу. (после этого желательно еще раз щелкнуть в эту кнопку и галочку снять).

В результате будет создана колонка с прогнозом, ретроспективно примененным к имеющимся больным, а так как мы знаем их исход, то можем сопоставить его с прогнозом.

Для этого создадим новую переменную, округлив «обрезав» эту переменную с шагом в 0,1:

Рассчитаем совместное распределение этой переменной и исхода:

ПРОГНОЗ * УМЕР Crosstabulation

Count

		УМЕР		Total
	,00	1,00
ПРОГНОЗ
-,10
,00
,10
,20
,30
,40
,50
,60
,70
,80
,90
1,00
1,10
Total

Скопируем ее в Excel и рассчитаем летальность

ПРОГНОЗ * УМЕР Crosstabulation
Count
		УМЕР		Total
					Летальность
ПРОГНОЗ	-0,1				=D5/E5
	0,1
	0,2
	0,3
	0,4
	0,5
	0,6
	0,7
	0,8
	0,9
	1,1
Total
ПРОГНОЗ * УМЕР Crosstabulation
Count
		УМЕР		Total
					Летальность
ПРОГНОЗ	-0,1
					0,00253165
	0,1				0,07228916
	0,2				0,19047619
	0,3				0,57142857
	0,4				0,66666667
	0,5				0,33333333
	0,6				0,66666667
	0,7				0,81818182
	0,8				0,92
	0,9
	1,1
Total					0,10196078

Объединим близкие категории с близкими и статистически не различающимися летальностями, особенно если речь идет о группах малой численности. Перепишем правильно названия категорий, так как сейчас у нас – только «левая граница»

ПРОГНОЗ * УМЕР Crosstabulation
Count
		УМЕР		Total
					Летальность
ПРОГНОЗ	менее 0,1				0,00251889
	0,1-0,2				0,07228916
	0,2-0,4				0,34285714
	0,4-0,6				0,375
	0,6-0,8				0,75
	0,8-0,9				0,92
	более 0,9
Total					0,10196078

Для виртуала было получено значение прогноза в 0,3719. Значит, он попадает в категорию 0,2 – 0,4 и имеет вероятность летального исхода 34,3%.

В SPSS имеется также стандартное средство оценки качества прогноза в виде ROC-кривых.

Выполним команду Graphs / ROC curve, полученную переменную с прогнозом (не округленную, а исходную!!!) возьмем в качестве Test Variable, укажем название прогнозирующейся переменной и ее значения:

В результате получим:

График указывает разные варианты соотношения чувствительности и специфичности при делении прогноза на два варианта: благоприятный и неблагоприятный.

Подробнее – в лекциях и учебнике.

САМОСТОЯТЕЛЬНОЕ ЗАДАНИЕ

Результат работы – отчет в Word. Тексты и графики должны сопровождаться комментариями.

Вариант №1

Открыть файл ПНЕВМОНИЯ. Сохранить его в своей папке под другим названием. Поставить фильтр, отобрав только мужчин.

А) Линеаризовать число лейкоцитов для прогноза летального исхода.

Б) Создать прогностическую модель летального исхода для мужчин. В качестве набора переменных – те же, что были использованы, но без пола.

В) Для модели в Excel создать таблицу расчета результата для виртуала.

Г) Создать таблицу пересчета прогноза в вероятность летального исхода.

Д. Построить ROC_кривую

Вариант №2

То же для женщин