《表3 Lasso-logistic回归最终模型参数估计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《Lasso-logistic模型在医院下呼吸道感染预测中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

*:模型中使用的年龄和住院时间变量非原始变量，均根据由限制性立方样条（restricted cubic spline，RCS）得到的非线性相关关系进行了重新赋值，年龄（岁）赋值规则如下:[0，5]=2，（5，15]=1，(15，35]=0，(35，40） =1，40岁以上每5岁一个组（含下限不含上限）依次加1；住院时间

Lasso过程共进行了360步，初始正则化参数λmax为1 335.6。第24步时BIC达到最小值6 690.4，λ=130.8，模型中非0回归系数有1 7个，参数估计结果见表3。使用抗菌药物、手术切口清洁度高的患者医院下呼吸道感染风险降低，其他变量均为患者医院下呼吸道感染的危险因素。最先“进入”模型（回归系数在某步后变为非0）的变量依次是气管切开和动静脉置管。年龄和住院时间对患者医院下呼吸道感染风险影响明显高于其他变量，见图1。以年龄回归系数的绝对值为1个单位，各回归系数除以该值后四舍五入成整数作为风险指数，构建风险评分方法（见表4），如性别的回归系数为0.463，0.463/0.142≈3，则风险指数为3。简单评分的训练集AUC为0.883[95%CI（0.872，0.895）]，推荐以14分为预测分割点，灵敏度和特异度分别为0.84、0.76，阳性似然比和阴性似然比分别为3.54、0.21。