青海省结核病患者治疗结局影响因素分析及贝叶斯网络模型研究

梁达 赵晓银 商越 王兆芬 马斌忠

梁达, 赵晓银, 商越, 王兆芬, 马斌忠. 青海省结核病患者治疗结局影响因素分析及贝叶斯网络模型研究[J]. 疾病监测. doi: 10.3784/jbjc.202103230151
引用本文: 梁达, 赵晓银, 商越, 王兆芬, 马斌忠. 青海省结核病患者治疗结局影响因素分析及贝叶斯网络模型研究[J]. 疾病监测. doi: 10.3784/jbjc.202103230151
Liang Da, Zhao Xiaoyin, Shang Yue, Wang Zhaofen, Ma Binzhong. Analysis of influencing factors and Bayesian network model study of treatment outcome in tuberculosis patients in Qinghai[J]. Disease Surveillance. doi: 10.3784/jbjc.202103230151
Citation: Liang Da, Zhao Xiaoyin, Shang Yue, Wang Zhaofen, Ma Binzhong. Analysis of influencing factors and Bayesian network model study of treatment outcome in tuberculosis patients in Qinghai[J]. Disease Surveillance. doi: 10.3784/jbjc.202103230151

青海省结核病患者治疗结局影响因素分析及贝叶斯网络模型研究

doi: 10.3784/jbjc.202103230151
基金项目: 国家自然科学基金(No. 81860593);青海省高端创新人才千人计划(No. 2017-2);青海省卫生健康委员会适宜技术推广项目(No.2020-wjtg-02)
详细信息
    作者简介:

    梁达,男,辽宁省葫芦岛市人,在读硕士研究生,研究方向:结核病流行病学,Email:2918553781@qq.com

    通讯作者:

    马斌忠,Tel:13897631930,Email:qhxnmbz@126.com

  • 中图分类号: R211; R52

Analysis of influencing factors and Bayesian network model study of treatment outcome in tuberculosis patients in Qinghai

Funds: This study was supported by the National Natural Science Foundations of China (No. 81860593), Qinghai Provincial Thousand Talents Program for High-level Innovative Talents (No. 2017-2) and Appropriate Technology Promotion Project of Health Commission of Qinghai Province (No. 2020-wjtg-02)
More Information
  • 摘要:   目的  分析2011 — 2019年青海省登记报告的结核病患者治疗结局的影响因素,并通过构建贝叶斯网络模型进行因果效应推断,从而为青海省结核病防控提供科学依据。  方法  通过全国结核病管理系统导出2011 — 2019年青海省登记报告的结核病例信息,描述其治疗结局现状,并利用多因素logistic回归分析结核病患者治疗结局的影响因素,将具有统计学意义的影响因素纳入贝叶斯网络模型中进行因果关联和条件概率推断。  结果  2011 — 2019年青海省结核病患者35 910例,成功治疗31 908例,治疗成功率为88.86%。 多因素logistic回归分析结果显示,患者来源中的因症就诊、转诊和追踪以及诊断分型是影响结核病患者治疗结局的保护因素,而高年龄组(≥ 55岁)、农牧民、患者来源中的健康检查及其他接触者检查、重症、复治和非全程管理督导是危险因素。 通过构建贝叶斯网络模型可以得出,患者来源、是否重症和管理方式与治疗结局存在因果关联,当因症就诊的非重症结核病患者被全程管理督导时,其治疗成功率最高(95.63%),出现不良结局概率最低(4.37%)。  结论  年龄、职业、患者来源、诊断分型、重症、治疗分类和管理方式是结核病患者治疗结局的影响因素,并通过构建贝叶斯网络模型揭示了结核病患者治疗结局与各影响因素间的因果关系及影响强度,因症就诊的非重症结核病患者被全程管理督导时治疗成功率最高。
  • 图  1  青海省结核病患者治疗结局贝叶斯网络图

    Figure  1.  Bayesian network diagram of treatment outcome in TB patients in Qinghai

    表  1  2011-2019年青海省结核病患者治疗结局现状及影响因素

    Table  1.   Treatment outcomes in TB patients and influencing factors in Qinghai, 2011–2019

     变 量总病例数(例)成功治疗(例)治疗成功率(%)单因素χ2检验多因素logistic回归分析
    χ2POR值(95% CIP
    性别2.6610.103
     男性19 97117 69788.61
     女性15 93914 21189.16
    年龄组(岁)8.3890.015
      0~90982490.651.000       
     15~23 59821 02189.081.235(0.965~1.581)0.093
     ≥ 5511 40310 06388.251.667(1.289~2.155)< 0.001
    民族15.154< 0.001
     汉族12 09310 85589.761.000       
     其他23 81721 05388.390.934(0.860~1.016)0.111
    职业9.5680.002
     非农牧民9 9478 92189.691.000       
     农牧民25 96322 98788.541.164(1.070~1.266)<0.001
    患者来源49.015< 0.001
     因症推荐1 4291 26888.731.000       
     因症就诊22 27919 87889.220.815(0.678~0.980)0.030
     转诊6 7756 01088.710.741(0.609~0.901)0.003
     追踪4 9384 36488.380.798(0.653~0.976)0.028
     健康检查及其他接触者检查48938879.351.554(1.151~2.097)0.004
    就诊延迟23.860<0.001
     否13 75212 36189.891.000       
     是22 15819 54788.221.025(0.951~1.103)0.522
    诊断分型168.921<0.001
     Ⅰ82668382.691.000       
     Ⅱ1 7031 50088.080.607(0.472~0.781)< 0.001
     Ⅲ27 63124 84889.930.484(0.395~0.594)< 0.001
     Ⅳ3 3392 79683.740.703(0.563~0.879)0.002
     Ⅴ2 4112 08186.310.645(0.510~0.816)< 0.001
    重症16.403<0.001
     否35 13131 25188.961.000       
     是77965784.341.357(1.096~1.680)0.005
    治疗分类185.061<0.001
     初治34 66030 94689.281.000       
     复治1 25096276.962.953(2.540~3.435)< 0.001
    管理方式3 986.434<0.001
     全程管理督导27 58326 09894.621.000       
     非全程管理督导8 3275 81069.777.885(7.332~8.481)< 0.001
     合计35 91031 90888.86
    下载: 导出CSV

    表  2  贝叶斯网络节点定义

    Table  2.   Bayesian network node definition

     节点分类
    年龄组0~岁/15~岁/≥55岁
    职业非农牧民/农牧民
    患者来源因症推荐/因症就诊/转诊/追踪/健康检查及其他接触者检查
    诊断分型Ⅰ/Ⅱ/Ⅲ/Ⅳ/Ⅴ型
    重症否/是
    治疗分类初治/复治
    管理方式全程管理督导/非全程管理督导
    治疗结局治疗成功/不良结局
    下载: 导出CSV

    表  3  结核病患者治疗成功条件概率分布

    Table  3.   Distribution of conditional probability of successful treatment in TB patients

     是否重症/管理方式患者来源(%)
    因症推荐因症就诊转诊追踪健康检查
    非重症且全程管理督导94.6395.6391.9294.4792.94
    非重症且非全程管理督导56.5466.3281.2371.6650.33
    重症且全程管理督导78.5692.3579.9093.1887.50
    重症且非全程管理督导37.5076.8068.5787.5050.00
    下载: 导出CSV
  • [1] World Health Organization. Global tuberculosis report 2020[M]. Geneva: World Health Organization, 2020.
    [2] 李旭, 仇蕾洁, 姜鑫洋, 等. 中国2012-2016年肺结核发病趋势及空间自相关分析[J]. 中国公共卫生,2020,36(11):1624–1627. DOI: 10.11847/zgggws1121991.

    Li X, Qiu LJ, Jiang XY, et al. Changing trend and spatial autocorrelation of pulmonary tuberculosis incidence in China: 2012–2016[J]. Chin J Public Health, 2020, 36(11): 1624–1627. DOI:  10.11847/zgggws1121991.
    [3] 殷美静, 宋立婷, 张艳, 等. 西安市96例耐多药肺结核治疗转归现况及其影响因素分析[J]. 预防医学情报杂志,2020,36(10):1285–1290.

    Yin MJ, Song LT, Zhang Y, et al. Treatment outcomes and its influencing factors of 96 multidrug resistant tuberculosis patients in Xi′an, China[J]. J Prev Med Inform, 2020, 36(10): 1285–1290.
    [4] 古丽娜扎尔·艾克拜尔, 刘亚洁, 加依娜·拉兹别克, 等. 基于贝叶斯网络乌鲁木齐市老年肺结核治疗结局因果效应分析[J]. 现代预防医学,2020,47(5):788–794.

    Gulinazar A, Liu YJ, Jaina R, et al. Causal effect of the treatment of pulmonary tuberculosis in the elderly based on Bayesian network, Urumqi[J]. Mod Prev Med, 2020, 47(5): 788–794.
    [5] 钟女娟, 宋咏梅, 刘更生, 等. 中药经验要素贝叶斯网络模型构建及应用[J]. 山东大学学报: 医学版,2012,50(2):157–160, 164. DOI:10.6040/j.issn.1671−7554.2012.02.037.

    Zhong NJ, Song YM, Liu GS, et al. Construction and application of the Bayes network model in traditional Chinese medicine elements[J]. J Shandong Univ:Health Sci, 2012, 50(2): 157–160, 164. DOI: 10.6040/j.issn.1671−7554.2012.02.037.
    [6] 黄云, 郝元涛. 应用R软件bnlearn程序包学习贝叶斯网络[J]. 中国卫生统计,2020,37(5):787–791. DOI:10.3969/j.issn.1002−3674.2020.05.040.

    Huang Y, Hao YT. Learning bayesian network with R software bnlearn package[J]. Chin J Health Stat, 2020, 37(5): 787–791. DOI: 10.3969/j.issn.1002−3674.2020.05.040.
    [7] 杨丹, 文进, 刘年强, 等. 新疆维吾尔族人群肺结核治疗结局影响因素研究[J]. 中国全科医学,2019,22(12):1413–1418. DOI:10.12114/j.issn.1007−9572.2019.00.016.

    Yang D, Wen J, Liu NQ, et al. Factors affecting treatment outcomes of pulmonary tuberculosis in Xinjiang Uygur population[J]. Chin General Pract, 2019, 22(12): 1413–1418. DOI: 10.12114/j.issn.1007−9572.2019.00.016.
    [8] 龚新记, 文进, 李月华, 等. 3 071例成人新登记涂阳肺结核患者治疗结局分析[J]. 新疆医科大学学报,2020,43(11):1514–1517. DOI:10.3639/j.issn.1009−5551.2020.11.025.

    Gong XJ, Wen J, Li YH, et al. Analysis of treatment outcome of 3 071 newly registered smear positive tuber-culosis patients in adults[J]. J Xinjiang Univ, 2020, 43(11): 1514–1517. DOI: 10.3639/j.issn.1009−5551.2020.11.025.
    [9] 马斌忠, 饶华祥, 蒋明霞, 等. 青海省新发涂阳肺结核病人治疗转归分析[J]. 医学动物防制,2019,35(9):817–821. DOI: 10.7629/yxdwfz201909001.

    Ma BZ, Rao HX, Jiang MX, et al. Analysis of treatment outcomes of new smear positive pulmonary tuberculosis cases in Qinghai province[J]. J Med Pest Control, 2019, 35(9): 817–821. DOI:  10.7629/yxdwfz201909001.
    [10] 张辉. 694例初诊肺结核患者来源情况分析[J]. 齐齐哈尔医学院学报,2015,36(14):2119–2120.

    Zhang H. Analysis of the source of 694 cases of newly diagnosed pulmonary tuberculosis[J]. J Qiqihar Univ Med, 2015, 36(14): 2119–2120.
    [11] 魏於家, 马斌忠, 王朝才, 等. 青海省藏族初治涂阳肺结核患者治疗转归情况及影响因素[J]. 中华疾病控制杂志,2020,24(3):284–289. DOI: 10.16462/j.cnki.zhjbkz.2020.03.008.

    Wei YJ, Ma BZ, Wang ZC, et al. Analysis on the factors that influence the treatment outcome of Tibetan nationality new smear-positive pulmonary tuberculosis patients in Qinghai province[J]. Chin J Dis Control Prev, 2020, 24(3): 284–289. DOI:  10.16462/j.cnki.zhjbkz.2020.03.008.
    [12] 林常勇, 陈朱, 李朝勇. 海南省部分地区流动人口肺结核患者治疗结局及影响因素研究[J]. 中国地方病防治杂志,2017,32(5):510, 558.

    Lin CY, Chen Z, Li CY. Study on treatment outcome and influencing factors of pulmonary tuberculosis patients among floating population in some areas of Hainan province[J]. Chin J Ctrl Endem Dis, 2017, 32(5): 510, 558.
    [13] 刘海妮, 华中秋, 张少茹, 等. 结核病患者心理困扰现状及其影响因素分析[J]. 现代预防医学,2020,47(4):665–668.

    Liu HN, Hua ZQ, Zhang SR, et al. Analysis of psychological distress status and its influencing factors in tuberculosis patients[J]. Mod Prev Med, 2020, 47(4): 665–668.
    [14] 周志明, 方晴, 朱育银. 肺结核患者治疗结局情况及危险因素分析[J]. 现代实用医学,2020,32(5):508–509. DOI:10.3969/j.issn.1671−0800.2020.05.022.

    Zhou ZM, Fang Q, Zhu YY. Analysis of treatment outcome and risk factors in patients with pulmonary tuberculosis[J]. Mod Pract Med, 2020, 32(5): 508–509. DOI: 10.3969/j.issn.1671−0800.2020.05.022.
    [15] 张娜, 王国永, 朱晓艳, 等. 贝叶斯网络在艾滋病发病影响因素研究中的应用[J]. 中华预防医学杂志,2014,48(4):296–300. DOI:10.3760/cma.j.issn.0253−9624.2014.04.012.

    Zhang N, Wang GY, Zhu XY, et al. Application of the Bayesian network on the mutual relation of influencing factors and AIDS pathogenesis[J]. Chin J Prev Med, 2014, 48(4): 296–300. DOI: 10.3760/cma.j.issn.0253−9624.2014.04.012.
    [16] 钟女娟. 基于贝叶斯网络的农村肺结核病人DOTS效果评价[D]. 济南: 山东大学, 2013.

    Zhong NJ. Assessment of DOTS treatment for rural pulmonary tuberculosis patients based on Bayesian network[J]. Ji′nan: Shandong University, 2013.
  • 加载中
图(1) / 表(3)
计量
  • 文章访问数:  184
  • HTML全文浏览量:  119
  • PDF下载量:  35
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-03-23
  • 网络出版日期:  2021-07-11

目录

    /

    返回文章
    返回

    在线交流

    防诈骗公告

    近期有不法分子以本刊编辑身份添加作者微信,请务必提高警惕!本刊关于稿件的一切事项通知均采用编辑部唯一邮箱(jbjc@icdc.cn)和座机(010-58900732)联系作者,且在录用稿件后仅收取版面费,无其他任何名目费用(如审稿费和加急费等),非编辑部邮箱发送的本刊收费用通知等均为诈骗,不要随意汇入款项!如有可疑及时致电编辑部核实确认!