Bayes综合判别对流行性乙型脑炎临床分型的鉴别

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.