山西省HIV/AIDS結(jié)核感染監(jiān)測資料預(yù)測方法及應(yīng)用研究一、引言1.1研究背景與意義艾滋?。ˋIDS），即獲得性免疫缺陷綜合征，由人類免疫缺陷病毒（HIV）感染引發(fā)，是嚴(yán)重威脅人類健康的全球性公共衛(wèi)生問題。HIV病毒主要侵襲人體免疫系統(tǒng)中的CD4+T淋巴細(xì)胞，隨著病毒不斷復(fù)制，CD4+T淋巴細(xì)胞數(shù)量持續(xù)減少，導(dǎo)致人體免疫功能逐漸受損乃至喪失，使得患者極易遭受各種機(jī)會性感染和腫瘤的侵襲。山西省的艾滋病疫情呈現(xiàn)出獨(dú)特態(tài)勢。從整體流行程度看，處于低流行水平，截至2022年10月底，報(bào)告現(xiàn)存活感染者和病人12768例，報(bào)告死亡3523例，在全國位居第23位。在傳播途徑方面，性傳播已成為主要傳播方式，2022年1-10月，異性傳播占54.6%，男男同性傳播占41.2%，這反映出在性健康方面的防控工作仍需加強(qiáng)。從人群分布來看，青壯年男性是主要感染人群，25-49歲的青壯年近5年基本占感染人群的56%-64%，同時(shí)50歲以上病例報(bào)告數(shù)逐年遞增，從2011年的90例增加到2021年的439例，最近五年平均增長率達(dá)5.6%，這可能與人口老齡化以及該年齡段人群行為方式、社交模式的變化等因素有關(guān)。結(jié)核病是由結(jié)核分枝桿菌引起的慢性傳染病，在全球范圍內(nèi)廣泛傳播，嚴(yán)重威脅人類健康。據(jù)世界衛(wèi)生組織數(shù)據(jù)，全球約四分之一人口感染結(jié)核分枝桿菌，每年新增結(jié)核病患者約1000萬例，我國是全球22個(gè)結(jié)核病流行嚴(yán)重國家之一，每年報(bào)告肺結(jié)核發(fā)病人數(shù)約100萬，位居全球第二，僅次于印度。山西省結(jié)核病疫情也不容樂觀，每年報(bào)告發(fā)病人數(shù)約兩萬例，始終位居乙類傳染病前列，65%患者分布在農(nóng)村，主要侵害中小學(xué)生和青壯年勞動力。近年來，雖然山西省結(jié)核病疫情呈逐年下降趨勢，但學(xué)校結(jié)核病疫情形勢嚴(yán)峻，學(xué)生結(jié)核病病例占全部病例的7%左右。HIV/AIDS與結(jié)核病之間存在著緊密的關(guān)聯(lián)。HIV感染會嚴(yán)重削弱人體免疫系統(tǒng)，使得機(jī)體對結(jié)核分枝桿菌的抵抗力大幅下降，從而顯著增加感染結(jié)核病的風(fēng)險(xiǎn)。據(jù)研究表明，HIV感染者患結(jié)核病的風(fēng)險(xiǎn)比普通人群高出數(shù)倍甚至數(shù)十倍。同時(shí)，結(jié)核病也會加速HIV/AIDS病情的進(jìn)展，兩者相互影響，形成惡性循環(huán)。對于山西省HIV/AIDS結(jié)核感染情況進(jìn)行準(zhǔn)確預(yù)測具有至關(guān)重要的意義。在公共衛(wèi)生資源配置方面，精準(zhǔn)預(yù)測能夠?yàn)樾l(wèi)生部門合理分配人力、物力和財(cái)力提供科學(xué)依據(jù)，使資源得到高效利用。例如，通過預(yù)測得知某地區(qū)HIV/AIDS結(jié)核感染率較高，就可以在該地區(qū)加大防治資源投入，包括增設(shè)備用醫(yī)療設(shè)施、調(diào)配專業(yè)醫(yī)護(hù)人員、儲備足夠的抗結(jié)核和抗病毒藥物等。在疾病防控策略制定方面，預(yù)測結(jié)果能夠幫助相關(guān)部門提前規(guī)劃和制定針對性的防控措施，提高防控效果。比如，根據(jù)預(yù)測發(fā)現(xiàn)某類人群感染風(fēng)險(xiǎn)高，就可以開展針對性的健康宣傳教育和行為干預(yù)活動，如針對性工作者開展安全性行為教育和定期免費(fèi)檢測，針對靜脈吸毒者開展清潔針具交換和戒毒輔導(dǎo)等。在患者治療和管理方面，預(yù)測有助于實(shí)現(xiàn)早發(fā)現(xiàn)、早診斷、早治療，改善患者預(yù)后，降低病死率。以CD4細(xì)胞計(jì)數(shù)水平為例，它可作為HIV/AIDS結(jié)核發(fā)病概率估計(jì)的一個(gè)預(yù)警因素，當(dāng)監(jiān)測到患者CD4計(jì)數(shù)下降到一定程度時(shí)，及時(shí)采取預(yù)防措施，如預(yù)防性使用抗結(jié)核藥物，能夠有效降低結(jié)核發(fā)病風(fēng)險(xiǎn)。因此，開展山西省HIV/AIDS結(jié)核感染監(jiān)測資料預(yù)測方法研究迫在眉睫，對于有效防控這兩種疾病具有重要的現(xiàn)實(shí)意義。1.2國內(nèi)外研究現(xiàn)狀在全球范圍內(nèi)，HIV/AIDS與結(jié)核病的雙重感染問題一直是公共衛(wèi)生領(lǐng)域的研究重點(diǎn)。國外學(xué)者在這方面開展了大量研究，取得了豐富的成果。在監(jiān)測資料分析方法上，一些研究運(yùn)用復(fù)雜的統(tǒng)計(jì)模型來剖析HIV/AIDS結(jié)核感染數(shù)據(jù)。例如，美國學(xué)者通過建立時(shí)間序列模型，深入分析不同地區(qū)HIV/AIDS患者中結(jié)核感染率隨時(shí)間的變化趨勢，準(zhǔn)確識別出感染率的高峰期和低谷期，為及時(shí)調(diào)整防控策略提供了有力依據(jù)。在影響因素探究方面，多項(xiàng)研究表明，CD4+T細(xì)胞計(jì)數(shù)、患者的生活環(huán)境、社會經(jīng)濟(jì)狀況等都是重要的影響因素。以撒哈拉以南非洲地區(qū)為例，當(dāng)?shù)豀IV/AIDS患者因經(jīng)濟(jì)貧困、衛(wèi)生條件差、醫(yī)療資源匱乏，導(dǎo)致結(jié)核感染率居高不下，研究發(fā)現(xiàn)這些因素相互交織，共同增加了感染風(fēng)險(xiǎn)。在預(yù)測模型構(gòu)建上，國外已發(fā)展出多種先進(jìn)的模型，如基于機(jī)器學(xué)習(xí)的預(yù)測模型，通過對大量臨床數(shù)據(jù)和流行病學(xué)資料的學(xué)習(xí)，能夠精準(zhǔn)預(yù)測個(gè)體感染結(jié)核的風(fēng)險(xiǎn)，為個(gè)性化防控提供了支持。國內(nèi)在該領(lǐng)域也有諸多研究。在監(jiān)測資料管理與分析方面，不斷完善監(jiān)測體系，整合多源數(shù)據(jù)。如利用國家結(jié)核病信息管理系統(tǒng)和艾滋病綜合防治信息系統(tǒng)，實(shí)現(xiàn)對TB/HIV雙重感染數(shù)據(jù)的全面收集和整合，為深入分析提供了豐富的數(shù)據(jù)基礎(chǔ)。在感染因素研究上，國內(nèi)研究發(fā)現(xiàn)，吸毒史、卡介苗接種史、結(jié)核病接觸史等對HIV/AIDS患者結(jié)核感染有顯著影響。像云南等地，因吸毒人群相對較多，HIV/AIDS患者中合并結(jié)核感染的比例也較高，進(jìn)一步證實(shí)了吸毒史與感染的關(guān)聯(lián)。在預(yù)測方法研究中，采用了多種統(tǒng)計(jì)和數(shù)學(xué)模型。有研究運(yùn)用ARIMA模型對涂陽結(jié)核病發(fā)病趨勢進(jìn)行預(yù)測，通過對歷史數(shù)據(jù)的分析，準(zhǔn)確預(yù)測了未來一段時(shí)間內(nèi)的發(fā)病情況，為防控工作提供了科學(xué)的預(yù)警信息。盡管國內(nèi)外在HIV/AIDS結(jié)核感染監(jiān)測資料預(yù)測方法研究上已取得顯著進(jìn)展，但仍存在一些不足。一方面，現(xiàn)有研究中，部分模型對數(shù)據(jù)質(zhì)量和樣本量要求較高，在實(shí)際應(yīng)用中，由于數(shù)據(jù)收集的局限性，如一些偏遠(yuǎn)地區(qū)數(shù)據(jù)缺失、數(shù)據(jù)準(zhǔn)確性難以保證等，導(dǎo)致模型的適用性受限。另一方面，多數(shù)研究側(cè)重于單一因素或局部地區(qū)的分析，缺乏對多因素綜合作用以及不同地區(qū)間差異的全面深入研究。例如，對于不同傳播途徑（性傳播、血液傳播、母嬰傳播等）導(dǎo)致的HIV/AIDS患者，其結(jié)核感染的風(fēng)險(xiǎn)因素和預(yù)測方法可能存在差異，但目前這方面的研究還不夠系統(tǒng)。此外，在模型的動態(tài)更新和實(shí)時(shí)監(jiān)測方面，也有待進(jìn)一步加強(qiáng)，以更好地適應(yīng)不斷變化的疫情形勢。1.3研究內(nèi)容與方法本研究針對山西省HIV/AIDS結(jié)核感染監(jiān)測資料，采用多種方法進(jìn)行深入分析與預(yù)測。在數(shù)據(jù)收集方面，主要來源于中國疾病預(yù)防控制中心（CDC）結(jié)核病管理信息系統(tǒng)，該系統(tǒng)涵蓋了大量結(jié)核病相關(guān)信息，包括患者的基本信息、診斷結(jié)果、治療過程等，為研究提供了全面的基礎(chǔ)數(shù)據(jù)。同時(shí)，山西省結(jié)核病網(wǎng)絡(luò)監(jiān)測數(shù)據(jù)庫也為本研究提供了重要支持，其包含了全省范圍內(nèi)結(jié)核病的監(jiān)測數(shù)據(jù)，反映了不同地區(qū)的疫情情況。此外，運(yùn)城地區(qū)5個(gè)項(xiàng)目防治縣已收集的TB/HIV雙重感染者監(jiān)測隨訪數(shù)據(jù)（第五輪中國全球基金TB/HIV雙重感染項(xiàng)目），這些數(shù)據(jù)詳細(xì)記錄了雙重感染者的各項(xiàng)指標(biāo)變化，對于研究HIV/AIDS結(jié)核感染的影響因素和發(fā)病規(guī)律具有重要價(jià)值。在分析工具上，主要運(yùn)用了SAS9.1.3和Stata10.0軟件。SAS軟件功能強(qiáng)大，具有高效的數(shù)據(jù)處理和統(tǒng)計(jì)分析能力，能夠進(jìn)行復(fù)雜的數(shù)據(jù)清洗、轉(zhuǎn)換和分析操作。在本研究中，利用其進(jìn)行數(shù)據(jù)的預(yù)處理，包括缺失值處理、異常值檢測等，確保數(shù)據(jù)的質(zhì)量。同時(shí)，運(yùn)用SAS軟件進(jìn)行稀有事件logistic回歸分析、隨機(jī)效應(yīng)logistic回歸分析等，深入探究HIV/AIDS結(jié)核感染的影響因素和發(fā)病概率。Stata軟件在計(jì)量經(jīng)濟(jì)學(xué)分析方面具有獨(dú)特優(yōu)勢，擅長處理面板數(shù)據(jù)和進(jìn)行因果推斷。在本研究中，借助Stata軟件進(jìn)行貝葉斯估計(jì)，通過設(shè)定合理的先驗(yàn)分布，結(jié)合樣本數(shù)據(jù)，得到更為準(zhǔn)確的參數(shù)估計(jì)結(jié)果，為預(yù)測模型的構(gòu)建提供了有力支持。在預(yù)測方法的選擇上，充分考慮了數(shù)據(jù)特點(diǎn)和研究目的。針對HIV/AIDS結(jié)核感染數(shù)據(jù)中反應(yīng)變量兩類取值頻率相差懸殊的問題，采用稀有事件logistic回歸方法。該方法通過對參數(shù)進(jìn)行校正，能夠更準(zhǔn)確地估計(jì)稀有事件（如HIV/AIDS結(jié)核感染）的發(fā)生概率。同時(shí)，考慮到不同地區(qū)HIV/AIDS結(jié)核感染率可能存在組群效應(yīng)，即同一地區(qū)的感染情況可能相互關(guān)聯(lián)，采用隨機(jī)效應(yīng)logistic回歸模型進(jìn)行分析。該模型能夠有效處理這種非獨(dú)立性，提高模型的擬合效果和預(yù)測準(zhǔn)確性。此外，引入貝葉斯估計(jì)方法，利用先驗(yàn)信息和樣本信息，對廣義線性混合效應(yīng)模型的參數(shù)進(jìn)行估計(jì)，為模型分析提供了新的視角和方法。在對傳染性最強(qiáng)的涂陽結(jié)核病發(fā)生、流行及其變化趨勢進(jìn)行預(yù)測時(shí)，采用時(shí)間序列分析方法。具體來說，建立ARMA模型和ARIMA模型。ARMA模型適用于平穩(wěn)時(shí)間序列的分析，通過對序列的自相關(guān)和偏自相關(guān)函數(shù)的分析，確定模型的參數(shù)，從而對未來數(shù)據(jù)進(jìn)行預(yù)測。而ARIMA模型則是在ARMA模型的基礎(chǔ)上，通過差分運(yùn)算將非平穩(wěn)序列轉(zhuǎn)化為平穩(wěn)序列，能夠更好地處理具有趨勢和季節(jié)性的時(shí)間序列數(shù)據(jù)。在本研究中，對山西省2005年-2008年涂陽結(jié)核病例數(shù)據(jù)進(jìn)行分析，通過比較不同模型的擬合效果和預(yù)測精度，選擇最優(yōu)模型對未來涂陽結(jié)核病的發(fā)病趨勢進(jìn)行預(yù)測。同時(shí)，運(yùn)用MicrosoftSQLServerAnalysisServices數(shù)據(jù)挖掘模型（Microsoft時(shí)序算法）進(jìn)行對比分析，該算法基于數(shù)據(jù)挖掘技術(shù)，能夠自動學(xué)習(xí)數(shù)據(jù)中的模式和規(guī)律，為預(yù)測提供了另一種思路和方法。二、山西省HIV/AIDS結(jié)核感染監(jiān)測資料分析2.1監(jiān)測資料概述本研究中山西省HIV/AIDS結(jié)核感染監(jiān)測資料來源廣泛且具有權(quán)威性。其中，中國疾病預(yù)防控制中心（CDC）結(jié)核病管理信息系統(tǒng)發(fā)揮著核心作用，它全面記錄了山西省結(jié)核病患者的各項(xiàng)關(guān)鍵信息，涵蓋了患者的個(gè)人基本信息，如姓名、年齡、性別、住址等，這些信息有助于對患者群體進(jìn)行人口學(xué)特征分析，了解不同人群的感染風(fēng)險(xiǎn)差異。同時(shí)，還包含詳細(xì)的診斷信息，包括診斷時(shí)間、診斷方法、確診類型（如肺結(jié)核、肺外結(jié)核等），以及治療過程中的關(guān)鍵數(shù)據(jù)，如治療方案、治療開始時(shí)間、治療中斷或恢復(fù)情況等，為研究結(jié)核病的發(fā)病規(guī)律和治療效果提供了基礎(chǔ)數(shù)據(jù)。山西省結(jié)核病網(wǎng)絡(luò)監(jiān)測數(shù)據(jù)庫作為重要補(bǔ)充，實(shí)現(xiàn)了對全省結(jié)核病疫情的實(shí)時(shí)動態(tài)監(jiān)測。通過該數(shù)據(jù)庫，可以獲取不同地區(qū)、不同時(shí)間的結(jié)核病發(fā)病數(shù)據(jù)，分析疫情在地域和時(shí)間維度上的分布特征。例如，能夠直觀地看到哪些地區(qū)結(jié)核病發(fā)病率較高，哪些時(shí)間段疫情出現(xiàn)波動，從而為防控資源的合理調(diào)配提供依據(jù)。運(yùn)城地區(qū)5個(gè)項(xiàng)目防治縣已收集的TB/HIV雙重感染者監(jiān)測隨訪數(shù)據(jù)（第五輪中國全球基金TB/HIV雙重感染項(xiàng)目）則具有獨(dú)特的價(jià)值。這些數(shù)據(jù)聚焦于雙重感染人群，詳細(xì)記錄了HIV/AIDS患者中結(jié)核感染的相關(guān)信息，包括感染時(shí)間、感染途徑推測、病情發(fā)展過程中的各項(xiàng)生理指標(biāo)變化等。同時(shí)，還涵蓋了患者的隨訪信息，如隨訪時(shí)間、隨訪時(shí)的健康狀況、治療依從性等，為深入研究HIV/AIDS結(jié)核感染的影響因素和發(fā)病機(jī)制提供了一手資料。在資料收集方法上，采用了多種科學(xué)嚴(yán)謹(jǐn)?shù)姆绞健τ谥袊膊☆A(yù)防控制中心結(jié)核病管理信息系統(tǒng)和山西省結(jié)核病網(wǎng)絡(luò)監(jiān)測數(shù)據(jù)庫的數(shù)據(jù)，主要通過各級醫(yī)療衛(wèi)生機(jī)構(gòu)的日常報(bào)告收集。基層醫(yī)療機(jī)構(gòu)在接診結(jié)核病患者或發(fā)現(xiàn)疑似病例時(shí)，按照統(tǒng)一的標(biāo)準(zhǔn)和流程，將相關(guān)信息錄入系統(tǒng)，經(jīng)過層層審核后上傳至上級數(shù)據(jù)庫，確保數(shù)據(jù)的準(zhǔn)確性和完整性。運(yùn)城地區(qū)5個(gè)項(xiàng)目防治縣的TB/HIV雙重感染者監(jiān)測隨訪數(shù)據(jù)則通過專門的調(diào)查團(tuán)隊(duì)進(jìn)行收集。調(diào)查人員經(jīng)過嚴(yán)格培訓(xùn)，深入項(xiàng)目防治縣，對登記在冊的HIV/AIDS患者進(jìn)行定期隨訪。在隨訪過程中，采用面對面訪談、臨床檢查和實(shí)驗(yàn)室檢測相結(jié)合的方式。面對面訪談詳細(xì)了解患者的生活習(xí)慣、接觸史、既往病史等信息；臨床檢查包括體格檢查、胸部X光檢查等，以初步判斷是否存在結(jié)核感染癥狀；實(shí)驗(yàn)室檢測則主要進(jìn)行結(jié)核菌素試驗(yàn)（PPD）、痰涂片檢查、結(jié)核菌培養(yǎng)等，以明確診斷是否感染結(jié)核分枝桿菌。每次隨訪結(jié)束后，調(diào)查人員及時(shí)將收集到的信息準(zhǔn)確記錄在專門設(shè)計(jì)的監(jiān)測隨訪記錄表中，為后續(xù)分析提供可靠數(shù)據(jù)。這些監(jiān)測資料涵蓋內(nèi)容豐富全面，不僅包括患者的基本信息、診斷信息、治療信息，還涉及感染途徑、危險(xiǎn)因素等多個(gè)方面?；拘畔⒂兄趯颊呷后w進(jìn)行分類和特征描述；診斷信息和治療信息可以用于評估疾病的嚴(yán)重程度和治療效果；感染途徑信息，如性傳播、血液傳播、母嬰傳播等不同途徑導(dǎo)致的HIV/AIDS患者結(jié)核感染情況，能夠?yàn)獒槍π缘姆揽卮胧┲贫ㄌ峁┓较?；危險(xiǎn)因素信息，如CD4+T細(xì)胞計(jì)數(shù)、結(jié)核病接觸史、吸毒史、卡介苗接種史等，對于深入探究HIV/AIDS結(jié)核感染的影響因素至關(guān)重要。這些豐富的信息為全面分析山西省HIV/AIDS結(jié)核感染情況提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，使得研究能夠從多個(gè)角度深入剖析這一復(fù)雜的公共衛(wèi)生問題。2.2資料特征分析從時(shí)間維度來看，山西省HIV/AIDS結(jié)核感染情況在不同年份呈現(xiàn)出一定的波動。早期，隨著監(jiān)測體系的逐步完善，病例報(bào)告數(shù)有所增加，這可能是由于監(jiān)測范圍擴(kuò)大、檢測技術(shù)提高以及公眾意識增強(qiáng)等因素，使得更多潛在病例被發(fā)現(xiàn)。近年來，隨著防控措施的加強(qiáng)，如抗病毒治療的普及、健康教育的深入開展以及高危人群干預(yù)措施的實(shí)施，感染率上升趨勢得到一定程度的遏制，但仍需持續(xù)關(guān)注。從季節(jié)分布上看，部分研究顯示，秋冬季節(jié)感染率相對較高，這可能與秋冬季節(jié)人們戶外活動減少，室內(nèi)聚集性活動增加，從而增加了病毒傳播機(jī)會有關(guān)。同時(shí)，秋冬季節(jié)人體免疫力相對較低，也可能使得HIV/AIDS患者更容易感染結(jié)核分枝桿菌。在地區(qū)分布方面，山西省HIV/AIDS結(jié)核感染存在明顯的地域差異。經(jīng)濟(jì)相對落后、醫(yī)療資源匱乏的地區(qū)，感染率往往較高。例如，呂梁、忻州等地的部分縣區(qū)，由于交通不便、信息閉塞，居民對艾滋病和結(jié)核病的防控知識知曉率較低，同時(shí)醫(yī)療衛(wèi)生機(jī)構(gòu)的檢測和治療能力有限，導(dǎo)致這些地區(qū)成為感染的高發(fā)區(qū)。而太原、大同、長治等經(jīng)濟(jì)較為發(fā)達(dá)的城市，雖然整體感染率相對較低，但由于人口流動頻繁，尤其是流動人口聚集區(qū)，也存在一定的傳播風(fēng)險(xiǎn)。這些地區(qū)的疫情防控工作需要針對流動人口的特點(diǎn)，加強(qiáng)宣傳教育和檢測服務(wù)，提高防控效果。在人群分布上，山西省HIV/AIDS結(jié)核感染主要集中在青壯年人群。這部分人群性活躍，社交活動頻繁，感染HIV的風(fēng)險(xiǎn)相對較高。一旦感染HIV，由于免疫系統(tǒng)受損，更容易感染結(jié)核分枝桿菌。同時(shí)，靜脈吸毒人群也是感染的高危群體，他們共用針具的行為極易導(dǎo)致HIV傳播，且吸毒對身體免疫系統(tǒng)有損害，進(jìn)一步增加了結(jié)核感染的風(fēng)險(xiǎn)。此外，近年來50歲以上人群的感染率呈上升趨勢，這可能與該年齡段人群的生活方式、社交模式變化以及人口老齡化導(dǎo)致免疫力下降等因素有關(guān)。從性別上看，男性感染人數(shù)多于女性，但女性感染人數(shù)的增長速度較快，這可能與女性在性行為中的被動地位以及社會經(jīng)濟(jì)地位相對較低，導(dǎo)致其更容易受到感染有關(guān)。2.3數(shù)據(jù)質(zhì)量評估數(shù)據(jù)質(zhì)量評估是確保監(jiān)測資料可靠性和預(yù)測準(zhǔn)確性的關(guān)鍵環(huán)節(jié)。在山西省HIV/AIDS結(jié)核感染監(jiān)測資料中，對數(shù)據(jù)的準(zhǔn)確性、完整性和一致性進(jìn)行評估至關(guān)重要。準(zhǔn)確性是數(shù)據(jù)質(zhì)量的核心要素之一。在本研究的監(jiān)測資料中，部分?jǐn)?shù)據(jù)可能存在準(zhǔn)確性問題。例如，在診斷信息方面，由于結(jié)核病和艾滋病的診斷過程較為復(fù)雜，涉及多種檢測方法和診斷標(biāo)準(zhǔn)，可能會出現(xiàn)誤診或漏診的情況。對于結(jié)核病的診斷，痰涂片檢查雖然是常用的檢測方法，但存在一定的假陰性率，尤其是對于一些菌量較少的患者，可能無法準(zhǔn)確檢測出結(jié)核分枝桿菌，導(dǎo)致診斷不準(zhǔn)確。在HIV感染的診斷中，初篩試驗(yàn)可能會出現(xiàn)假陽性結(jié)果，需要進(jìn)一步進(jìn)行確證試驗(yàn)來確定感染情況，但在實(shí)際監(jiān)測中，可能存在因檢測流程不規(guī)范或檢測技術(shù)有限而導(dǎo)致診斷錯(cuò)誤的情況。此外，患者的自我報(bào)告信息也可能存在偏差，如部分患者可能因隱私問題或?qū)膊≌J(rèn)知不足，隱瞞或錯(cuò)誤報(bào)告自己的高危行為、病史等信息，這會影響數(shù)據(jù)的準(zhǔn)確性。完整性也是評估數(shù)據(jù)質(zhì)量的重要方面。監(jiān)測資料中可能存在數(shù)據(jù)缺失的情況，這會對分析和預(yù)測結(jié)果產(chǎn)生影響。在患者基本信息方面，可能存在部分患者的年齡、性別、住址等信息填寫不完整的情況。在實(shí)驗(yàn)室檢測數(shù)據(jù)中，一些關(guān)鍵指標(biāo)，如CD4+T細(xì)胞計(jì)數(shù)、結(jié)核菌素試驗(yàn)結(jié)果等，也可能出現(xiàn)缺失值。以CD4+T細(xì)胞計(jì)數(shù)為例，它是評估HIV感染者免疫功能的重要指標(biāo)，但由于檢測設(shè)備故障、樣本采集不當(dāng)或檢測費(fèi)用等原因，可能導(dǎo)致部分患者的CD4+T細(xì)胞計(jì)數(shù)數(shù)據(jù)缺失。這些缺失數(shù)據(jù)會影響對患者病情的全面評估，進(jìn)而影響對HIV/AIDS結(jié)核感染情況的分析和預(yù)測。一致性主要體現(xiàn)在不同來源數(shù)據(jù)之間以及同一數(shù)據(jù)在不同時(shí)間點(diǎn)的一致性。在本研究中，中國疾病預(yù)防控制中心結(jié)核病管理信息系統(tǒng)、山西省結(jié)核病網(wǎng)絡(luò)監(jiān)測數(shù)據(jù)庫和運(yùn)城地區(qū)5個(gè)項(xiàng)目防治縣的監(jiān)測隨訪數(shù)據(jù)之間可能存在不一致的情況。不同系統(tǒng)或地區(qū)的數(shù)據(jù)收集標(biāo)準(zhǔn)和方法可能存在差異，導(dǎo)致對同一患者或同一疫情事件的記錄不一致。在記錄患者的感染時(shí)間時(shí)，不同系統(tǒng)可能采用不同的統(tǒng)計(jì)口徑，有的以確診時(shí)間為準(zhǔn)，有的以首次檢測出陽性的時(shí)間為準(zhǔn)，這就可能導(dǎo)致數(shù)據(jù)不一致。此外，同一患者在不同時(shí)間點(diǎn)的檢測結(jié)果也可能存在不一致的情況，如前后兩次CD4+T細(xì)胞計(jì)數(shù)差異過大，這可能是由于檢測誤差、患者病情變化或治療效果等多種因素引起的，但也會對數(shù)據(jù)的一致性產(chǎn)生影響。數(shù)據(jù)質(zhì)量對預(yù)測結(jié)果有著直接而顯著的影響。不準(zhǔn)確的數(shù)據(jù)會導(dǎo)致預(yù)測模型的參數(shù)估計(jì)出現(xiàn)偏差，從而使預(yù)測結(jié)果偏離實(shí)際情況。如果將誤診為HIV/AIDS結(jié)核感染的病例納入分析，會高估感染率，導(dǎo)致預(yù)測結(jié)果過于悲觀，使得防控資源過度分配到該領(lǐng)域，而其他真正需要資源的領(lǐng)域卻得不到足夠支持。相反，漏診病例則會低估感染率，使得防控措施針對性不足，無法有效控制疫情的傳播。不完整的數(shù)據(jù)會使預(yù)測模型的信息輸入不全面，降低模型的擬合效果和預(yù)測精度。當(dāng)大量關(guān)鍵數(shù)據(jù)缺失時(shí)，模型無法充分學(xué)習(xí)數(shù)據(jù)中的規(guī)律和特征，導(dǎo)致預(yù)測結(jié)果的可靠性降低。缺失CD4+T細(xì)胞計(jì)數(shù)數(shù)據(jù)會影響對HIV/AIDS患者免疫功能的評估，進(jìn)而影響對結(jié)核感染風(fēng)險(xiǎn)的預(yù)測。不一致的數(shù)據(jù)會使預(yù)測模型產(chǎn)生混淆，難以準(zhǔn)確捕捉數(shù)據(jù)中的趨勢和關(guān)系。不同來源數(shù)據(jù)的不一致會導(dǎo)致模型在學(xué)習(xí)過程中接收到相互矛盾的信息，無法形成穩(wěn)定的預(yù)測規(guī)則。同一患者不同時(shí)間點(diǎn)檢測結(jié)果的不一致會使模型難以判斷患者的真實(shí)病情發(fā)展趨勢，從而影響預(yù)測的準(zhǔn)確性。綜上所述，數(shù)據(jù)質(zhì)量評估在山西省HIV/AIDS結(jié)核感染監(jiān)測資料分析和預(yù)測中具有重要意義。通過對數(shù)據(jù)準(zhǔn)確性、完整性和一致性的評估，及時(shí)發(fā)現(xiàn)并解決數(shù)據(jù)質(zhì)量問題，能夠提高監(jiān)測資料的可靠性，為后續(xù)的預(yù)測分析提供堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，從而提升預(yù)測結(jié)果的準(zhǔn)確性，為制定科學(xué)有效的防控策略提供有力支持。三、常見預(yù)測方法原理與適用性3.1時(shí)間序列分析方法時(shí)間序列分析是基于時(shí)間順序?qū)?shù)據(jù)進(jìn)行分析和預(yù)測的方法，在眾多領(lǐng)域有著廣泛應(yīng)用，尤其是在傳染病預(yù)測中，能夠通過對歷史發(fā)病數(shù)據(jù)的分析，揭示疾病的發(fā)生發(fā)展規(guī)律，為防控決策提供科學(xué)依據(jù)。在山西省HIV/AIDS結(jié)核感染監(jiān)測資料分析中，時(shí)間序列分析方法有助于準(zhǔn)確把握感染趨勢，提前制定針對性的防控措施。3.1.1ARMA模型自回歸移動平均模型（ARMA）是時(shí)間序列分析中的重要模型，由自回歸（AR）和移動平均（MA）兩部分組成。其基本原理是基于時(shí)間序列數(shù)據(jù)的自相關(guān)性，通過對過去觀測值和過去預(yù)測誤差的線性組合來預(yù)測未來值。AR部分通過對序列自身的滯后值進(jìn)行回歸，捕捉數(shù)據(jù)中的長期趨勢和周期性特征。對于一個(gè)p階自回歸模型AR(p)，其數(shù)學(xué)表達(dá)式為：X_t=\sum_{i=1}^{p}\varphi_iX_{t-i}+\epsilon_t，其中X_t是當(dāng)前時(shí)刻的觀測值，X_{t-i}是過去i個(gè)時(shí)刻的觀測值，\varphi_i是自回歸系數(shù)，\epsilon_t是白噪聲誤差項(xiàng)，表示不可預(yù)測的隨機(jī)波動。例如，在分析山西省HIV/AIDS結(jié)核感染率的時(shí)間序列時(shí)，如果發(fā)現(xiàn)當(dāng)前感染率與過去3個(gè)月的感染率存在較強(qiáng)的相關(guān)性，就可以構(gòu)建AR(3)模型，通過過去3個(gè)月的感染率數(shù)據(jù)來預(yù)測當(dāng)前感染率。MA部分則利用過去的預(yù)測誤差來修正當(dāng)前的預(yù)測值，主要用于處理數(shù)據(jù)中的短期波動和噪聲。對于一個(gè)q階移動平均模型MA(q)，其數(shù)學(xué)表達(dá)式為：X_t=\epsilon_t+\sum_{j=1}^{q}\theta_j\epsilon_{t-j}，其中\(zhòng)theta_j是移動平均系數(shù)。在實(shí)際應(yīng)用中，MA模型能夠有效地平滑數(shù)據(jù)，去除噪聲干擾，使預(yù)測結(jié)果更加穩(wěn)定。將AR和MA部分結(jié)合起來，就得到了ARMA(p,q)模型，其完整數(shù)學(xué)表達(dá)式為：X_t=\sum_{i=1}^{p}\varphi_iX_{t-i}+\epsilon_t+\sum_{j=1}^{q}\theta_j\epsilon_{t-j}。該模型綜合考慮了序列的自相關(guān)性和噪聲因素，能夠更全面地描述時(shí)間序列的特征，提高預(yù)測精度。ARMA模型在平穩(wěn)序列預(yù)測中具有廣泛應(yīng)用。在金融領(lǐng)域，用于預(yù)測股票價(jià)格、匯率等時(shí)間序列的波動。在經(jīng)濟(jì)領(lǐng)域，可對GDP、通貨膨脹率等宏觀經(jīng)濟(jì)指標(biāo)進(jìn)行預(yù)測。在氣象領(lǐng)域，能預(yù)測氣溫、降水等氣象數(shù)據(jù)的變化趨勢。在傳染病預(yù)測中，ARMA模型可以根據(jù)歷史發(fā)病數(shù)據(jù)，預(yù)測未來的發(fā)病趨勢。在分析山西省HIV/AIDS結(jié)核感染數(shù)據(jù)時(shí)，如果數(shù)據(jù)呈現(xiàn)出平穩(wěn)的特征，即均值和方差在時(shí)間上保持相對穩(wěn)定，沒有明顯的趨勢和季節(jié)性變化，就可以考慮使用ARMA模型進(jìn)行預(yù)測。通過對歷史感染率數(shù)據(jù)的分析，確定模型的階數(shù)p和q，進(jìn)而建立ARMA(p,q)模型，對未來的感染率進(jìn)行預(yù)測，為疫情防控提供科學(xué)依據(jù)。3.1.2ARIMA模型差分自回歸移動平均模型（ARIMA）是在ARMA模型基礎(chǔ)上發(fā)展而來，主要用于處理非平穩(wěn)時(shí)間序列。在實(shí)際應(yīng)用中，許多時(shí)間序列數(shù)據(jù)并不滿足平穩(wěn)性條件，如具有明顯的趨勢或季節(jié)性變化，此時(shí)直接使用ARMA模型會導(dǎo)致預(yù)測效果不佳。ARIMA模型通過差分運(yùn)算，將非平穩(wěn)序列轉(zhuǎn)化為平穩(wěn)序列，然后再應(yīng)用ARMA模型進(jìn)行建模和預(yù)測。對于一個(gè)非平穩(wěn)時(shí)間序列Y_t，如果經(jīng)過d階差分后得到的新序列X_t=\nabla^dY_t是平穩(wěn)的，其中\(zhòng)nabla表示差分算子，\nablaY_t=Y_t-Y_{t-1}，則可以對平穩(wěn)序列X_t建立ARMA(p,q)模型，即X_t=\sum_{i=1}^{p}\varphi_iX_{t-i}+\epsilon_t+\sum_{j=1}^{q}\theta_j\epsilon_{t-j}。將X_t=\nabla^dY_t代入上式，就得到了ARIMA(p,d,q)模型的表達(dá)式：\nabla^dY_t=\sum_{i=1}^{p}\varphi_i\nabla^dY_{t-i}+\epsilon_t+\sum_{j=1}^{q}\theta_j\epsilon_{t-j}。在構(gòu)建ARIMA模型時(shí)，首先需要對時(shí)間序列進(jìn)行平穩(wěn)性檢驗(yàn)，常用的方法有單位根檢驗(yàn)（如ADF檢驗(yàn)）。如果序列不平穩(wěn)，則進(jìn)行差分處理，直到得到平穩(wěn)序列，確定差分階數(shù)d。然后，對平穩(wěn)后的序列進(jìn)行自相關(guān)函數(shù)（ACF）和偏自相關(guān)函數(shù)（PACF）分析，確定ARMA模型的階數(shù)p和q。根據(jù)AIC（赤池信息準(zhǔn)則）、BIC（貝葉斯信息準(zhǔn)則）等準(zhǔn)則，選擇最優(yōu)的模型參數(shù)。以山西省HIV/AIDS結(jié)核感染監(jiān)測資料為例，假設(shè)感染率數(shù)據(jù)呈現(xiàn)出逐年上升的趨勢，且存在季節(jié)性波動，這表明數(shù)據(jù)是非平穩(wěn)的。通過一階差分處理，消除趨勢項(xiàng)，再進(jìn)行季節(jié)性差分，消除季節(jié)性波動，使數(shù)據(jù)達(dá)到平穩(wěn)狀態(tài)。經(jīng)過分析，確定差分階數(shù)d為1，季節(jié)性差分階數(shù)D為1，AR階數(shù)p為2，MA階數(shù)q為1，建立ARIMA(2,1,1)(1,1,1)模型。利用該模型對未來的感染率進(jìn)行預(yù)測，能夠更準(zhǔn)確地反映疫情的發(fā)展趨勢，為防控決策提供有力支持。3.1.3在山西省資料中的適用性探討結(jié)合山西省HIV/AIDS結(jié)核感染監(jiān)測資料的特點(diǎn)，分析ARMA和ARIMA模型的適用場景和局限性。山西省HIV/AIDS結(jié)核感染數(shù)據(jù)在時(shí)間維度上可能存在一定的趨勢和季節(jié)性變化。在部分地區(qū)，秋冬季節(jié)由于人們戶外活動減少，室內(nèi)聚集性活動增加，HIV/AIDS患者感染結(jié)核分枝桿菌的風(fēng)險(xiǎn)可能升高，導(dǎo)致感染率出現(xiàn)季節(jié)性波動。同時(shí)，隨著防控措施的不斷加強(qiáng)和人們健康意識的提高，感染率也可能呈現(xiàn)出一定的下降趨勢。對于平穩(wěn)的監(jiān)測資料，即數(shù)據(jù)在均值和方差上沒有明顯的趨勢和季節(jié)性變化，ARMA模型具有較好的適用性。在某些時(shí)間段內(nèi)，山西省部分地區(qū)的HIV/AIDS結(jié)核感染率相對穩(wěn)定，沒有出現(xiàn)明顯的波動，此時(shí)可以使用ARMA模型進(jìn)行預(yù)測。通過對歷史數(shù)據(jù)的分析，確定模型的階數(shù)，能夠準(zhǔn)確地預(yù)測未來的感染率。然而，ARMA模型對數(shù)據(jù)的平穩(wěn)性要求較高，如果數(shù)據(jù)存在趨勢或季節(jié)性變化，模型的預(yù)測精度會受到影響。ARIMA模型則更適合處理具有趨勢和季節(jié)性變化的非平穩(wěn)監(jiān)測資料。在分析山西省HIV/AIDS結(jié)核感染數(shù)據(jù)時(shí)，如果發(fā)現(xiàn)數(shù)據(jù)存在明顯的趨勢和季節(jié)性特征，就可以使用ARIMA模型。通過差分運(yùn)算將非平穩(wěn)序列轉(zhuǎn)化為平穩(wěn)序列，再結(jié)合ARMA模型進(jìn)行建模，能夠有效地捕捉數(shù)據(jù)中的規(guī)律，提高預(yù)測精度。ARIMA模型也存在一定的局限性。差分運(yùn)算可能會導(dǎo)致數(shù)據(jù)信息的損失，特別是在差分階數(shù)較高時(shí)，會使模型對數(shù)據(jù)的細(xì)節(jié)特征捕捉能力下降。此外，ARIMA模型假設(shè)數(shù)據(jù)的變化是線性的，對于一些復(fù)雜的非線性關(guān)系，模型的擬合效果可能不理想。綜上所述，在山西省HIV/AIDS結(jié)核感染監(jiān)測資料預(yù)測中，應(yīng)根據(jù)數(shù)據(jù)的具體特點(diǎn)選擇合適的模型。對于平穩(wěn)數(shù)據(jù)，優(yōu)先考慮ARMA模型；對于非平穩(wěn)數(shù)據(jù)，ARIMA模型更為適用。同時(shí)，需要不斷優(yōu)化模型參數(shù)，提高模型的預(yù)測精度，為疫情防控提供科學(xué)準(zhǔn)確的依據(jù)。3.2回歸分析方法回歸分析方法在探究變量之間的關(guān)系以及預(yù)測因變量的值方面具有重要作用，能夠深入挖掘數(shù)據(jù)背后的潛在規(guī)律，為決策提供科學(xué)依據(jù)。在山西省HIV/AIDS結(jié)核感染監(jiān)測資料分析中，回歸分析方法有助于揭示感染的影響因素，預(yù)測感染風(fēng)險(xiǎn)，為防控工作提供有力支持。3.2.1普通Logistic回歸普通Logistic回歸是一種廣泛應(yīng)用的回歸分析方法，主要用于處理因變量為二分類變量的情況。在HIV/AIDS結(jié)核感染風(fēng)險(xiǎn)預(yù)測中，將是否感染結(jié)核作為二分類因變量（感染為1，未感染為0），將可能影響感染的因素，如CD4+T細(xì)胞計(jì)數(shù)、結(jié)核病接觸史、吸毒史、卡介苗接種史等作為自變量。其基本原理基于Logistic函數(shù)，通過建立回歸方程來描述自變量與因變量之間的關(guān)系。對于一個(gè)包含p個(gè)自變量X_1,X_2,\cdots,X_p的模型，Logistic回歸方程為：logit(P)=\ln(\frac{P}{1-P})=\beta_0+\beta_1X_1+\beta_2X_2+\cdots+\beta_pX_p，其中P表示事件發(fā)生（即感染結(jié)核）的概率，\beta_0為截距項(xiàng)，\beta_1,\beta_2,\cdots,\beta_p為回歸系數(shù)，它們反映了每個(gè)自變量對因變量的影響程度。在實(shí)際應(yīng)用中，通過對樣本數(shù)據(jù)進(jìn)行最大似然估計(jì)，來確定回歸方程中的參數(shù)\beta_0,\beta_1,\cdots,\beta_p。以山西省HIV/AIDS結(jié)核感染監(jiān)測資料為例，假設(shè)有1000例HIV/AIDS患者的數(shù)據(jù)，其中200例感染了結(jié)核，800例未感染。將這些患者的CD4+T細(xì)胞計(jì)數(shù)、結(jié)核病接觸史等自變量數(shù)據(jù)代入Logistic回歸模型，通過最大似然估計(jì)得到回歸系數(shù)。如果CD4+T細(xì)胞計(jì)數(shù)的回歸系數(shù)為負(fù)數(shù)，說明CD4+T細(xì)胞計(jì)數(shù)越高，感染結(jié)核的概率越低；如果結(jié)核病接觸史的回歸系數(shù)為正數(shù)，說明有結(jié)核病接觸史的患者感染結(jié)核的概率更高。根據(jù)得到的回歸方程，就可以對新的HIV/AIDS患者感染結(jié)核的風(fēng)險(xiǎn)進(jìn)行預(yù)測。對于一個(gè)新的患者，已知其CD4+T細(xì)胞計(jì)數(shù)、結(jié)核病接觸史等信息，將這些值代入回歸方程，計(jì)算出logit(P)的值，再通過指數(shù)運(yùn)算得到感染結(jié)核的概率P。如果計(jì)算得到的P值大于某個(gè)設(shè)定的閾值（如0.5），則預(yù)測該患者感染結(jié)核的可能性較大；反之，則可能性較小。3.2.2稀有事件Logistic回歸稀有事件Logistic回歸是針對普通Logistic回歸在處理稀有事件（即事件發(fā)生的概率極低）時(shí)存在的問題而發(fā)展起來的一種改進(jìn)方法。在醫(yī)學(xué)研究中，像HIV/AIDS結(jié)核感染這類事件，由于感染率相對較低，屬于稀有事件。當(dāng)使用普通Logistic回歸分析這類數(shù)據(jù)時(shí)，由于樣本中事件發(fā)生（感染結(jié)核）的例數(shù)遠(yuǎn)遠(yuǎn)少于未發(fā)生的例數(shù)，會導(dǎo)致參數(shù)估計(jì)出現(xiàn)偏差，從而低估稀有事件的發(fā)生概率。稀有事件Logistic回歸通過對參數(shù)進(jìn)行校正，來提高對稀有事件發(fā)生概率估計(jì)的準(zhǔn)確性。其理論基礎(chǔ)在于對普通Logistic回歸模型中的似然函數(shù)進(jìn)行調(diào)整。在普通Logistic回歸中，似然函數(shù)基于樣本數(shù)據(jù)中事件發(fā)生和未發(fā)生的頻率來構(gòu)建，但對于稀有事件，這種構(gòu)建方式會使模型對事件發(fā)生的概率估計(jì)產(chǎn)生偏差。稀有事件Logistic回歸采用先驗(yàn)校正、加權(quán)校正等方法對似然函數(shù)進(jìn)行修正。先驗(yàn)校正通過引入先驗(yàn)信息，對參數(shù)估計(jì)進(jìn)行調(diào)整，使估計(jì)結(jié)果更符合實(shí)際情況。加權(quán)校正則根據(jù)樣本中事件發(fā)生和未發(fā)生的比例，對不同樣本賦予不同的權(quán)重，從而提高模型對稀有事件的擬合能力。在分析山西省HIV/AIDS結(jié)核感染監(jiān)測資料時(shí)，由于結(jié)核感染在HIV/AIDS患者中屬于稀有事件，使用稀有事件Logistic回歸能夠更準(zhǔn)確地估計(jì)感染概率。假設(shè)在監(jiān)測資料中，HIV/AIDS患者結(jié)核感染的發(fā)生率僅為5%，如果使用普通Logistic回歸，可能會低估這一概率，導(dǎo)致對感染風(fēng)險(xiǎn)的評估不準(zhǔn)確。而稀有事件Logistic回歸通過合理的參數(shù)校正，能夠更真實(shí)地反映感染概率，為防控決策提供更可靠的依據(jù)。3.2.3應(yīng)用對比與選擇為了更直觀地了解普通Logistic回歸和稀有事件Logistic回歸在山西省HIV/AIDS結(jié)核感染監(jiān)測資料中的應(yīng)用效果，通過具體實(shí)例進(jìn)行對比分析。選取山西省某地區(qū)一定數(shù)量的HIV/AIDS患者作為樣本，收集他們的相關(guān)信息，包括年齡、性別、CD4+T細(xì)胞計(jì)數(shù)、結(jié)核病接觸史、吸毒史、卡介苗接種史等自變量，以及是否感染結(jié)核的因變量數(shù)據(jù)。首先，使用普通Logistic回歸模型對數(shù)據(jù)進(jìn)行擬合，通過最大似然估計(jì)得到回歸系數(shù)，并計(jì)算出每個(gè)患者感染結(jié)核的預(yù)測概率。然后，運(yùn)用稀有事件Logistic回歸模型，采用加權(quán)校正的方法對數(shù)據(jù)進(jìn)行分析，同樣得到回歸系數(shù)和預(yù)測概率。對比兩種模型的預(yù)測結(jié)果，發(fā)現(xiàn)普通Logistic回歸在估計(jì)感染概率時(shí)，對于一些實(shí)際感染的患者，預(yù)測概率偏低；而對于一些未感染的患者，預(yù)測概率偏高，說明普通Logistic回歸存在一定的偏差。而稀有事件Logistic回歸的預(yù)測結(jié)果更接近實(shí)際情況，能夠更準(zhǔn)確地識別出感染風(fēng)險(xiǎn)較高的患者。從模型的擬合優(yōu)度指標(biāo)來看，稀有事件Logistic回歸的AIC（赤池信息準(zhǔn)則）和BIC（貝葉斯信息準(zhǔn)則）值相對較低，說明該模型對數(shù)據(jù)的擬合效果更好，能夠更充分地捕捉數(shù)據(jù)中的信息。在實(shí)際應(yīng)用中，當(dāng)分析山西省HIV/AIDS結(jié)核感染監(jiān)測資料這類包含稀有事件的數(shù)據(jù)時(shí)，稀有事件Logistic回歸在參數(shù)估計(jì)和預(yù)測準(zhǔn)確性方面具有明顯優(yōu)勢，更適合用于感染風(fēng)險(xiǎn)的預(yù)測和分析。3.3機(jī)器學(xué)習(xí)方法機(jī)器學(xué)習(xí)方法在數(shù)據(jù)分析和預(yù)測領(lǐng)域展現(xiàn)出強(qiáng)大的能力，能夠處理復(fù)雜的數(shù)據(jù)模式和非線性關(guān)系。在山西省HIV/AIDS結(jié)核感染監(jiān)測資料分析中，機(jī)器學(xué)習(xí)方法為深入挖掘數(shù)據(jù)中的潛在信息、提高預(yù)測精度提供了新的途徑，具有重要的應(yīng)用價(jià)值和潛力。3.3.1決策樹與隨機(jī)森林決策樹是一種基于樹結(jié)構(gòu)進(jìn)行決策的機(jī)器學(xué)習(xí)方法，其基本原理是通過對數(shù)據(jù)集的特征進(jìn)行分析和劃分，構(gòu)建一棵決策樹模型。在構(gòu)建過程中，決策樹算法會選擇最優(yōu)的特征作為節(jié)點(diǎn)，根據(jù)該特征的不同取值將數(shù)據(jù)集劃分為不同的分支，直到滿足一定的停止條件，如所有樣本屬于同一類別或達(dá)到預(yù)設(shè)的樹深度。在分析HIV/AIDS結(jié)核感染監(jiān)測資料時(shí)，可能選擇CD4+T細(xì)胞計(jì)數(shù)作為節(jié)點(diǎn)特征。如果CD4+T細(xì)胞計(jì)數(shù)小于200個(gè)/μL，將樣本劃分到一個(gè)分支，因?yàn)檫@部分患者免疫功能嚴(yán)重受損，感染結(jié)核的風(fēng)險(xiǎn)較高；如果大于200個(gè)/μL，則劃分到另一個(gè)分支。常見的決策樹生成算法包括ID3、C4.5和CART等。ID3算法以信息增益作為特征選擇的度量標(biāo)準(zhǔn)，選擇信息增益最大的特征作為節(jié)點(diǎn)，能夠快速地構(gòu)建決策樹，但容易出現(xiàn)過擬合問題，且對連續(xù)型數(shù)據(jù)的處理能力有限。C4.5算法是在ID3算法的基礎(chǔ)上發(fā)展而來，采用信息增益比作為特征選擇標(biāo)準(zhǔn)，克服了ID3算法對特征取值較多的屬性有偏好的問題，并且能夠處理連續(xù)型數(shù)據(jù)，通過對連續(xù)特征進(jìn)行離散化來構(gòu)建決策樹。CART算法采用基尼指數(shù)作為特征選擇的度量，構(gòu)建的決策樹是二叉樹，可用于分類和回歸任務(wù)，具有計(jì)算效率高、對缺失值和噪聲數(shù)據(jù)有較好的魯棒性等優(yōu)點(diǎn)。隨機(jī)森林是一種基于決策樹的集成學(xué)習(xí)方法，它通過構(gòu)建多個(gè)決策樹，并將這些決策樹的預(yù)測結(jié)果進(jìn)行綜合，以提高預(yù)測的準(zhǔn)確性和穩(wěn)定性。具體來說，隨機(jī)森林在構(gòu)建決策樹時(shí)，會從原始數(shù)據(jù)集中有放回地隨機(jī)抽取多個(gè)樣本，每個(gè)樣本用于構(gòu)建一棵決策樹，這樣可以增加決策樹之間的多樣性。在預(yù)測階段，隨機(jī)森林將所有決策樹的預(yù)測結(jié)果進(jìn)行投票（分類任務(wù)）或平均（回歸任務(wù)），得到最終的預(yù)測結(jié)果。在HIV/AIDS結(jié)核感染預(yù)測中，隨機(jī)森林中的每棵決策樹可能基于不同的樣本和特征子集進(jìn)行構(gòu)建，有的決策樹可能更關(guān)注CD4+T細(xì)胞計(jì)數(shù)和結(jié)核病接觸史，有的可能更側(cè)重于吸毒史和卡介苗接種史等。通過綜合這些決策樹的預(yù)測結(jié)果，能夠更全面地考慮各種因素對感染的影響，從而提升預(yù)測性能。與單個(gè)決策樹相比，隨機(jī)森林能夠有效減少過擬合現(xiàn)象，提高模型的泛化能力。這是因?yàn)槎鄠€(gè)決策樹的綜合結(jié)果能夠平滑單個(gè)決策樹的誤差，使得模型對新數(shù)據(jù)的適應(yīng)性更強(qiáng)。3.3.2支持向量機(jī)支持向量機(jī)（SVM）是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的分類和回歸方法，其基本原理是尋找一個(gè)最優(yōu)的分類超平面，將不同類別的樣本盡可能地分開。在二維空間中，分類超平面是一條直線；在高維空間中，則是一個(gè)超平面。對于線性可分的數(shù)據(jù)集，SVM能夠找到唯一的最優(yōu)分類超平面，使得兩類樣本到超平面的距離之和最大，這個(gè)距離稱為間隔。為了找到最優(yōu)分類超平面，SVM通過求解一個(gè)二次規(guī)劃問題來確定超平面的參數(shù)。對于線性不可分的數(shù)據(jù)集，SVM引入核函數(shù)的概念，將低維空間中的數(shù)據(jù)映射到高維空間中，使得在高維空間中數(shù)據(jù)變得線性可分。常用的核函數(shù)有線性核、多項(xiàng)式核、徑向基核（RBF）和Sigmoid核等。線性核函數(shù)簡單直接，計(jì)算效率高，適用于數(shù)據(jù)線性可分或近似線性可分的情況；多項(xiàng)式核函數(shù)能夠處理一定程度的非線性問題，但計(jì)算復(fù)雜度較高；徑向基核函數(shù)具有良好的局部性，能夠?qū)?shù)據(jù)映射到無窮維空間，對各種類型的數(shù)據(jù)都有較好的適應(yīng)性，是應(yīng)用最廣泛的核函數(shù)之一；Sigmoid核函數(shù)則常用于神經(jīng)網(wǎng)絡(luò)相關(guān)的應(yīng)用中。在小樣本、非線性分類問題中，支持向量機(jī)具有獨(dú)特的優(yōu)勢。在HIV/AIDS結(jié)核感染預(yù)測中，由于獲取大量的樣本數(shù)據(jù)可能存在困難，且感染的影響因素之間存在復(fù)雜的非線性關(guān)系，SVM能夠充分發(fā)揮其優(yōu)勢。通過選擇合適的核函數(shù)，SVM可以將低維空間中的非線性問題轉(zhuǎn)化為高維空間中的線性問題進(jìn)行求解，從而準(zhǔn)確地對HIV/AIDS患者是否感染結(jié)核進(jìn)行分類預(yù)測。同時(shí)，SVM對小樣本數(shù)據(jù)的學(xué)習(xí)能力較強(qiáng)，能夠在有限的數(shù)據(jù)條件下，構(gòu)建出有效的預(yù)測模型，為HIV/AIDS結(jié)核感染的早期預(yù)警和防控提供支持。3.3.3在感染預(yù)測中的應(yīng)用潛力機(jī)器學(xué)習(xí)方法在處理山西省HIV/AIDS結(jié)核感染監(jiān)測資料這類復(fù)雜數(shù)據(jù)時(shí)具有顯著的優(yōu)勢。決策樹和隨機(jī)森林能夠直觀地展示數(shù)據(jù)的分類規(guī)則，通過對特征的劃分和組合，深入挖掘數(shù)據(jù)中的潛在模式。在分析HIV/AIDS結(jié)核感染的影響因素時(shí)，決策樹可以清晰地呈現(xiàn)出CD4+T細(xì)胞計(jì)數(shù)、結(jié)核病接觸史等因素與感染之間的關(guān)系，幫助研究人員理解疾病的發(fā)病機(jī)制。隨機(jī)森林則通過集成多個(gè)決策樹的結(jié)果，提高了預(yù)測的準(zhǔn)確性和穩(wěn)定性，減少了單一決策樹可能出現(xiàn)的過擬合問題，使其在面對復(fù)雜多變的監(jiān)測數(shù)據(jù)時(shí)，能夠提供更可靠的預(yù)測結(jié)果。支持向量機(jī)在處理非線性關(guān)系和小樣本數(shù)據(jù)方面表現(xiàn)出色。在HIV/AIDS結(jié)核感染預(yù)測中，數(shù)據(jù)往往呈現(xiàn)出復(fù)雜的非線性特征，且樣本數(shù)量可能有限。支持向量機(jī)通過核函數(shù)的巧妙運(yùn)用，能夠有效地處理這些非線性問題，在小樣本情況下也能構(gòu)建出高精度的預(yù)測模型。這使得研究人員能夠在有限的數(shù)據(jù)資源下，對HIV/AIDS結(jié)核感染風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確評估，為防控措施的制定提供有力依據(jù)。機(jī)器學(xué)習(xí)方法在山西省HIV/AIDS結(jié)核感染預(yù)測中具有廣闊的應(yīng)用前景。隨著數(shù)據(jù)采集技術(shù)的不斷發(fā)展，監(jiān)測資料的規(guī)模和維度將不斷增加，機(jī)器學(xué)習(xí)方法能夠充分利用這些豐富的數(shù)據(jù)資源，挖掘出更多有價(jià)值的信息。通過對大量歷史數(shù)據(jù)的學(xué)習(xí)和分析，機(jī)器學(xué)習(xí)模型可以不斷優(yōu)化和更新，提高預(yù)測的精度和時(shí)效性，為疫情的動態(tài)監(jiān)測和防控決策提供實(shí)時(shí)、準(zhǔn)確的支持。在實(shí)際應(yīng)用中，機(jī)器學(xué)習(xí)方法可以與傳統(tǒng)的統(tǒng)計(jì)方法相結(jié)合，取長補(bǔ)短，進(jìn)一步提升預(yù)測的效果。將機(jī)器學(xué)習(xí)模型的預(yù)測結(jié)果與時(shí)間序列分析、回歸分析等方法的結(jié)果進(jìn)行綜合評估，能夠從多個(gè)角度對HIV/AIDS結(jié)核感染情況進(jìn)行分析和預(yù)測，為公共衛(wèi)生部門制定科學(xué)合理的防控策略提供更全面、更可靠的依據(jù)。四、山西省HIV/AIDS結(jié)核感染預(yù)測模型構(gòu)建與應(yīng)用4.1基于時(shí)間序列模型的預(yù)測4.1.1數(shù)據(jù)預(yù)處理本研究選取山西省2005-2008年涂陽結(jié)核病例數(shù)作為時(shí)間序列數(shù)據(jù)，旨在通過對這一關(guān)鍵數(shù)據(jù)的深入分析，揭示涂陽結(jié)核病在該時(shí)間段內(nèi)的發(fā)病規(guī)律和趨勢，為后續(xù)的預(yù)測模型構(gòu)建提供堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。在進(jìn)行時(shí)間序列分析之前，數(shù)據(jù)的平穩(wěn)性檢驗(yàn)是至關(guān)重要的一步。平穩(wěn)性是指時(shí)間序列的統(tǒng)計(jì)特性，如均值、方差和自協(xié)方差等，不隨時(shí)間的推移而發(fā)生變化。若時(shí)間序列不平穩(wěn)，可能會導(dǎo)致模型的參數(shù)估計(jì)出現(xiàn)偏差，從而影響預(yù)測的準(zhǔn)確性。常用的平穩(wěn)性檢驗(yàn)方法為單位根檢驗(yàn)，其中ADF（AugmentedDickey-Fuller）檢驗(yàn)應(yīng)用較為廣泛。對山西省2005-2008年涂陽結(jié)核病例數(shù)進(jìn)行ADF檢驗(yàn)，原假設(shè)為該時(shí)間序列存在單位根，即序列是非平穩(wěn)的。通過專業(yè)統(tǒng)計(jì)軟件進(jìn)行計(jì)算，得到檢驗(yàn)結(jié)果。若ADF檢驗(yàn)的t統(tǒng)計(jì)量小于給定顯著性水平下的臨界值，且p值小于設(shè)定的閾值（通常為0.05），則拒絕原假設(shè)，認(rèn)為時(shí)間序列是平穩(wěn)的；反之，則接受原假設(shè)，即序列是非平穩(wěn)的。經(jīng)ADF檢驗(yàn)，發(fā)現(xiàn)山西省2005-2008年涂陽結(jié)核病例數(shù)時(shí)間序列的ADF檢驗(yàn)t統(tǒng)計(jì)量大于臨界值，p值大于0.05，表明該序列存在單位根，是非平穩(wěn)的。為了使序列滿足時(shí)間序列分析模型的要求，需要進(jìn)行差分處理。差分是將時(shí)間序列中相鄰的觀測值相減，以消除序列中的趨勢和季節(jié)性成分，使其趨于平穩(wěn)。對非平穩(wěn)的涂陽結(jié)核病例數(shù)時(shí)間序列進(jìn)行一階差分處理，即將第t期的觀測值減去第t-1期的觀測值，得到新的時(shí)間序列。再次對一階差分后的序列進(jìn)行ADF檢驗(yàn)，若檢驗(yàn)結(jié)果表明該序列已平穩(wěn)，則可用于后續(xù)的模型構(gòu)建；若仍不平穩(wěn)，則需進(jìn)一步進(jìn)行差分處理，直至得到平穩(wěn)序列。經(jīng)過一階差分處理后，對新序列進(jìn)行ADF檢驗(yàn)，結(jié)果顯示ADF檢驗(yàn)t統(tǒng)計(jì)量小于臨界值，p值小于0.05，說明一階差分后的序列已滿足平穩(wěn)性要求，可以進(jìn)行下一步的分析和模型構(gòu)建。通過這一過程，確保了數(shù)據(jù)的質(zhì)量和適用性，為構(gòu)建準(zhǔn)確的時(shí)間序列預(yù)測模型奠定了基礎(chǔ)。4.1.2ARIMA模型構(gòu)建與預(yù)測在對山西省2005-2008年涂陽結(jié)核病例數(shù)進(jìn)行平穩(wěn)性檢驗(yàn)和差分處理，得到平穩(wěn)時(shí)間序列后，接下來進(jìn)行ARIMA模型的構(gòu)建。ARIMA模型，即差分自回歸移動平均模型，由自回歸（AR）、差分（I）和移動平均（MA）三部分組成，其表達(dá)式為ARIMA(p,d,q)，其中p為自回歸階數(shù)，d為差分階數(shù)，q為移動平均階數(shù)。確定ARIMA模型的參數(shù)p、d、q是構(gòu)建模型的關(guān)鍵步驟。p值表示自回歸部分的階數(shù)，它反映了當(dāng)前觀測值與過去p個(gè)觀測值之間的線性關(guān)系；q值表示移動平均部分的階數(shù)，它體現(xiàn)了當(dāng)前觀測值與過去q個(gè)預(yù)測誤差之間的線性關(guān)系；d值則是使非平穩(wěn)時(shí)間序列變?yōu)槠椒€(wěn)序列所需的差分次數(shù)。在本研究中，通過自相關(guān)函數(shù)（ACF）和偏自相關(guān)函數(shù)（PACF）來確定p和q的值。自相關(guān)函數(shù)ACF描述了時(shí)間序列在不同滯后期的自相關(guān)程度，即序列在不同時(shí)刻的取值之間的相關(guān)性；偏自相關(guān)函數(shù)PACF則是在剔除了中間變量的影響后，描述時(shí)間序列在不同滯后期的自相關(guān)程度。觀察ACF和PACF圖，當(dāng)ACF圖在滯后k期后迅速衰減趨于零，而PACF圖在滯后k期后仍有顯著的非零值時(shí)，可初步推斷ARIMA模型的p值為k；反之，當(dāng)PACF圖在滯后k期后迅速衰減趨于零，而ACF圖在滯后k期后仍有顯著的非零值時(shí)，可初步推斷ARIMA模型的q值為k。對于本研究中的涂陽結(jié)核病例數(shù)時(shí)間序列，經(jīng)過對ACF和PACF圖的仔細(xì)分析，發(fā)現(xiàn)ACF圖在滯后1期后迅速衰減趨于零，而PACF圖在滯后1期后仍有顯著的非零值，因此初步確定p=1，q=1。又因?yàn)榻?jīng)過一階差分處理后序列達(dá)到平穩(wěn)，所以d=1，最終確定ARIMA模型為ARIMA(1,1,1)。利用確定好參數(shù)的ARIMA(1,1,1)模型對山西省涂陽結(jié)核病例數(shù)進(jìn)行擬合。通過專業(yè)統(tǒng)計(jì)軟件，如SAS、R或Python中的相關(guān)庫（如statsmodels），將數(shù)據(jù)輸入模型進(jìn)行擬合計(jì)算。在擬合過程中，模型會根據(jù)輸入的數(shù)據(jù)不斷調(diào)整參數(shù)，以使得模型能夠最佳地描述數(shù)據(jù)的特征和規(guī)律。擬合完成后，使用該模型對未來的涂陽結(jié)核發(fā)病趨勢進(jìn)行預(yù)測。預(yù)測過程是基于模型對歷史數(shù)據(jù)的學(xué)習(xí)和擬合結(jié)果，通過模型的數(shù)學(xué)公式和參數(shù)，對未來的觀測值進(jìn)行估計(jì)。假設(shè)我們要預(yù)測未來n期的涂陽結(jié)核病例數(shù)，模型會根據(jù)已有的歷史數(shù)據(jù)和擬合得到的參數(shù)，計(jì)算出未來n期的預(yù)測值。4.1.3結(jié)果分析與驗(yàn)證通過ARIMA(1,1,1)模型對山西省涂陽結(jié)核病例數(shù)進(jìn)行預(yù)測后，得到了相應(yīng)的預(yù)測結(jié)果。對這些預(yù)測結(jié)果進(jìn)行深入分析，能夠直觀地了解涂陽結(jié)核發(fā)病趨勢的預(yù)測情況。將預(yù)測值與實(shí)際觀測值進(jìn)行對比繪圖，以時(shí)間為橫軸，病例數(shù)為縱軸，分別繪制實(shí)際病例數(shù)曲線和預(yù)測病例數(shù)曲線。從圖中可以清晰地觀察到兩條曲線的走勢，判斷預(yù)測值與實(shí)際值的擬合程度。若預(yù)測曲線與實(shí)際曲線走勢較為接近，說明模型的預(yù)測效果較好，能夠較為準(zhǔn)確地捕捉到涂陽結(jié)核發(fā)病趨勢的變化；反之，若兩條曲線差異較大，則表明模型的預(yù)測效果有待提高。在本研究中，通過對比繪圖發(fā)現(xiàn)，預(yù)測曲線在整體趨勢上與實(shí)際曲線較為吻合，能夠較好地反映涂陽結(jié)核發(fā)病趨勢的變化，但在部分時(shí)間點(diǎn)上仍存在一定的偏差。為了更準(zhǔn)確地評估ARIMA(1,1,1)模型的預(yù)測準(zhǔn)確性，采用誤差指標(biāo)進(jìn)行驗(yàn)證。常用的誤差指標(biāo)包括均方誤差（MSE）、均方根誤差（RMSE）和平均絕對誤差（MAE）等。均方誤差（MSE）是預(yù)測值與實(shí)際值之差的平方和的平均值，其計(jì)算公式為：MSE=\frac{1}{n}\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2}，其中y_{i}為實(shí)際值，\hat{y}_{i}為預(yù)測值，n為樣本數(shù)量。MSE的值越小，說明預(yù)測值與實(shí)際值的偏差越小，模型的預(yù)測準(zhǔn)確性越高。均方根誤差（RMSE）是MSE的平方根，即RMSE=\sqrt{MSE}。RMSE與MSE的作用類似，但RMSE對誤差的大小更為敏感，因?yàn)樗紤]了誤差的平方，使得較大的誤差在計(jì)算中占比更大，能夠更直觀地反映模型預(yù)測值與實(shí)際值之間的平均誤差程度。平均絕對誤差（MAE）是預(yù)測值與實(shí)際值之差的絕對值的平均值，計(jì)算公式為：MAE=\frac{1}{n}\sum_{i=1}^{n}|y_{i}-\hat{y}_{i}|。MAE直接衡量了預(yù)測值與實(shí)際值之間的平均絕對偏差，其值越小，說明模型的預(yù)測效果越好。在本研究中，計(jì)算得到ARIMA(1,1,1)模型預(yù)測涂陽結(jié)核病例數(shù)的MSE為[具體數(shù)值]，RMSE為[具體數(shù)值]，MAE為[具體數(shù)值]。通過與其他類似研究中使用的模型或不同參數(shù)設(shè)置下的ARIMA模型的誤差指標(biāo)進(jìn)行對比，評估本模型的預(yù)測效果。若本模型的誤差指標(biāo)在可接受范圍內(nèi)，且與其他模型相比具有優(yōu)勢，如誤差指標(biāo)較小，則說明本模型在預(yù)測山西省涂陽結(jié)核發(fā)病趨勢方面具有較好的性能和可靠性；反之，則需要進(jìn)一步優(yōu)化模型或考慮其他預(yù)測方法。根據(jù)誤差指標(biāo)的計(jì)算結(jié)果和對比分析，本ARIMA(1,1,1)模型在預(yù)測山西省涂陽結(jié)核發(fā)病趨勢方面具有一定的準(zhǔn)確性和可靠性，但仍存在一定的改進(jìn)空間。在后續(xù)的研究中，可以進(jìn)一步優(yōu)化模型參數(shù)，嘗試不同的模型形式，或者結(jié)合其他預(yù)測方法，以提高預(yù)測的精度和可靠性，為山西省涂陽結(jié)核病的防控工作提供更有力的支持。4.2基于回歸模型的感染風(fēng)險(xiǎn)預(yù)測4.2.1影響因素篩選在山西省HIV/AIDS結(jié)核感染風(fēng)險(xiǎn)預(yù)測中，全面且準(zhǔn)確地篩選影響因素至關(guān)重要。本研究從社會人口學(xué)、行為學(xué)和臨床特征等多個(gè)維度，對可能影響HIV/AIDS結(jié)核感染的因素進(jìn)行了深入分析。社會人口學(xué)因素方面，年齡、性別、民族、職業(yè)和居住地等因素都可能與感染風(fēng)險(xiǎn)相關(guān)。年齡是一個(gè)重要因素，不同年齡段的人群感染HIV和結(jié)核的風(fēng)險(xiǎn)存在差異。一般來說，青壯年人群性活躍，社交活動頻繁，感染HIV的風(fēng)險(xiǎn)相對較高，而一旦感染HIV，由于免疫系統(tǒng)受損，在這個(gè)年齡段也更容易感染結(jié)核分枝桿菌。50歲以上人群的感染率近年來呈上升趨勢，這可能與該年齡段人群的生活方式、社交模式變化以及人口老齡化導(dǎo)致免疫力下降等因素有關(guān)。性別方面，男性感染人數(shù)多于女性，但女性感染人數(shù)的增長速度較快，這可能與女性在性行為中的被動地位以及社會經(jīng)濟(jì)地位相對較低，導(dǎo)致其更容易受到感染有關(guān)。民族因素也不容忽視，不同民族的生活習(xí)慣、文化傳統(tǒng)和醫(yī)療衛(wèi)生觀念存在差異，可能會影響HIV/AIDS結(jié)核感染的風(fēng)險(xiǎn)。職業(yè)方面，從事高風(fēng)險(xiǎn)職業(yè)，如性工作者、靜脈吸毒者等，感染HIV的風(fēng)險(xiǎn)較高，進(jìn)而增加了結(jié)核感染的可能性。居住地也會對感染風(fēng)險(xiǎn)產(chǎn)生影響，經(jīng)濟(jì)相對落后、醫(yī)療資源匱乏的地區(qū)，感染率往往較高，因?yàn)檫@些地區(qū)居民對艾滋病和結(jié)核病的防控知識知曉率較低，同時(shí)醫(yī)療衛(wèi)生機(jī)構(gòu)的檢測和治療能力有限。行為學(xué)因素中，性行為、吸毒行為和就醫(yī)行為等對感染風(fēng)險(xiǎn)有著直接影響。性行為是HIV傳播的主要途徑之一，不安全性行為，如無保護(hù)的性行為、多個(gè)性伴侶等，會顯著增加HIV感染的風(fēng)險(xiǎn)，從而間接增加結(jié)核感染的風(fēng)險(xiǎn)。吸毒行為，尤其是靜脈吸毒者共用針具的行為，極易導(dǎo)致HIV傳播，且吸毒對身體免疫系統(tǒng)有損害，進(jìn)一步增加了結(jié)核感染的風(fēng)險(xiǎn)。就醫(yī)行為也很關(guān)鍵，及時(shí)就醫(yī)并接受規(guī)范治療的HIV/AIDS患者，其免疫功能可能得到更好的維持，從而降低結(jié)核感染的風(fēng)險(xiǎn)；而不及時(shí)就醫(yī)或不規(guī)范治療的患者，免疫功能逐漸下降，感染結(jié)核的可能性增大。臨床特征因素中，CD4+T細(xì)胞計(jì)數(shù)、HIV病毒載量、結(jié)核病接觸史、卡介苗接種史等是重要的影響因素。CD4+T細(xì)胞計(jì)數(shù)是評估HIV感染者免疫功能的關(guān)鍵指標(biāo)，CD4+T細(xì)胞計(jì)數(shù)越低，機(jī)體免疫功能越差，感染結(jié)核的風(fēng)險(xiǎn)越高。HIV病毒載量反映了體內(nèi)HIV的復(fù)制水平，病毒載量越高，免疫系統(tǒng)受到的破壞越嚴(yán)重，結(jié)核感染的風(fēng)險(xiǎn)也相應(yīng)增加。有結(jié)核病接觸史的HIV/AIDS患者，感染結(jié)核的風(fēng)險(xiǎn)明顯高于無接觸史者，因?yàn)槊芮薪佑|結(jié)核患者會增加感染結(jié)核分枝桿菌的機(jī)會?？ń槊缃臃N史對結(jié)核感染風(fēng)險(xiǎn)也有影響，接種卡介苗在一定程度上可以降低結(jié)核感染的風(fēng)險(xiǎn)，但對于HIV/AIDS患者，由于免疫系統(tǒng)受損，卡介苗的保護(hù)效果可能會受到影響。為了篩選出關(guān)鍵影響因素，本研究采用了單因素分析和多因素分析相結(jié)合的方法。單因素分析主要通過卡方檢驗(yàn)、t檢驗(yàn)等方法，分別分析每個(gè)因素與HIV/AIDS結(jié)核感染之間的相關(guān)性。對于分類變量，如性別、職業(yè)、結(jié)核病接觸史等，采用卡方檢驗(yàn)來判斷該因素不同類別之間的感染率是否存在顯著差異；對于連續(xù)變量，如年齡、CD4+T細(xì)胞計(jì)數(shù)、HIV病毒載量等，采用t檢驗(yàn)或方差分析來比較感染組和未感染組之間的均值差異。在單因素分析中，發(fā)現(xiàn)有結(jié)核病接觸史的HIV/AIDS患者結(jié)核感染率為[X1]%，顯著高于無接觸史者的[X2]%，經(jīng)卡方檢驗(yàn)，P值小于0.05，表明結(jié)核病接觸史與HIV/AIDS結(jié)核感染存在顯著相關(guān)性。多因素分析則采用非條件Logistic回歸模型，將單因素分析中具有統(tǒng)計(jì)學(xué)意義的因素納入模型，進(jìn)一步分析這些因素在調(diào)整其他因素后的獨(dú)立作用。通過逐步回歸法，篩選出對HIV/AIDS結(jié)核感染有顯著影響的因素，并計(jì)算出每個(gè)因素的優(yōu)勢比（OR）及其95%置信區(qū)間（CI）。OR值大于1表示該因素是感染的危險(xiǎn)因素，OR值越大，危險(xiǎn)因素的作用越強(qiáng)；OR值小于1則表示該因素是保護(hù)因素。經(jīng)過多因素Logistic回歸分析，發(fā)現(xiàn)CD4+T細(xì)胞計(jì)數(shù)、結(jié)核病接觸史和HIV病毒載量是HIV/AIDS結(jié)核感染的獨(dú)立危險(xiǎn)因素，CD4+T細(xì)胞計(jì)數(shù)每降低100個(gè)/μL，感染結(jié)核的風(fēng)險(xiǎn)增加[X3]倍（OR=[X3]，95%CI：[X4]-[X5]）；有結(jié)核病接觸史的患者感染結(jié)核的風(fēng)險(xiǎn)是無接觸史者的[X6]倍（OR=[X6]，95%CI：[X7]-[X8]）；HIV病毒載量每增加一個(gè)對數(shù)級，感染結(jié)核的風(fēng)險(xiǎn)增加[X9]倍（OR=[X9]，95%CI：[X10]-[X11]）。通過以上系統(tǒng)的分析方法，篩選出了對山西省HIV/AIDS結(jié)核感染具有關(guān)鍵影響的因素，為后續(xù)構(gòu)建準(zhǔn)確的感染風(fēng)險(xiǎn)預(yù)測模型奠定了堅(jiān)實(shí)的基礎(chǔ)。這些關(guān)鍵影響因素的確定，有助于深入了解HIV/AIDS結(jié)核感染的發(fā)病機(jī)制，為制定針對性的防控措施提供了科學(xué)依據(jù)。4.2.2稀有事件Logistic回歸模型構(gòu)建在確定了HIV/AIDS結(jié)核感染的關(guān)鍵影響因素后，本研究構(gòu)建了稀有事件Logistic回歸模型，以更準(zhǔn)確地預(yù)測感染風(fēng)險(xiǎn)。由于HIV/AIDS結(jié)核感染在實(shí)際情況中屬于稀有事件，即感染的發(fā)生概率相對較低，普通Logistic回歸模型在處理這類數(shù)據(jù)時(shí)可能會出現(xiàn)參數(shù)估計(jì)偏差，導(dǎo)致對感染概率的估計(jì)不準(zhǔn)確。稀有事件Logistic回歸模型通過對普通Logistic回歸模型進(jìn)行改進(jìn)，能夠有效解決這一問題。其基本原理是對模型的參數(shù)估計(jì)進(jìn)行校正，以提高對稀有事件發(fā)生概率的估計(jì)精度。在構(gòu)建模型時(shí)，將篩選出的關(guān)鍵影響因素作為自變量，如CD4+T細(xì)胞計(jì)數(shù)、結(jié)核病接觸史、HIV病毒載量等，將是否感染結(jié)核作為因變量（感染為1，未感染為0）。模型的構(gòu)建過程如下：首先，對數(shù)據(jù)進(jìn)行預(yù)處理，確保數(shù)據(jù)的準(zhǔn)確性和完整性。檢查數(shù)據(jù)中是否存在缺失值、異常值等問題，對于缺失值，采用合適的方法進(jìn)行填補(bǔ)，如均值填補(bǔ)、中位數(shù)填補(bǔ)或多重填補(bǔ)等；對于異常值，進(jìn)行合理的處理，如剔除或修正。然后，使用統(tǒng)計(jì)軟件（如SAS、SPSS或R）進(jìn)行模型擬合。在擬合過程中，采用最大似然估計(jì)法來估計(jì)模型的參數(shù)。最大似然估計(jì)法的基本思想是尋找一組參數(shù)值，使得在這組參數(shù)下，觀測數(shù)據(jù)出現(xiàn)的概率最大。對于稀有事件Logistic回歸模型，通過迭代計(jì)算，不斷調(diào)整參數(shù)值，直到找到使似然函數(shù)最大的參數(shù)估計(jì)值。假設(shè)模型中包含p個(gè)自變量X_1,X_2,\cdots,X_p，稀有事件Logistic回歸模型的表達(dá)式為：logit(P)=\ln(\frac{P}{1-P})=\beta_0+\beta_1X_1+\beta_2X_2+\cdots+\beta_pX_p+\epsilon，其中P表示感染結(jié)核的概率，\beta_0為截距項(xiàng)，\beta_1,\beta_2,\cdots,\beta_p為回歸系數(shù)，反映了每個(gè)自變量對感染概率的影響程度，\epsilon為誤差項(xiàng)。以CD4+T細(xì)胞計(jì)數(shù)為例，若回歸系數(shù)\beta_1為負(fù)數(shù)，說明CD4+T細(xì)胞計(jì)數(shù)越高，感染結(jié)核的概率越低；反之，若\beta_1為正數(shù)，則CD4+T細(xì)胞計(jì)數(shù)越低，感染結(jié)核的概率越高。通過模型的擬合結(jié)果，可以得到每個(gè)自變量的回歸系數(shù)及其標(biāo)準(zhǔn)誤、P值等統(tǒng)計(jì)量，從而評估每個(gè)自變量對感染概率的影響是否具有統(tǒng)計(jì)學(xué)意義。根據(jù)模型的擬合結(jié)果，可以計(jì)算出每個(gè)個(gè)體感染結(jié)核的預(yù)測概率。對于一個(gè)新的HIV/AIDS患者，已知其CD4+T細(xì)胞計(jì)數(shù)、結(jié)核病接觸史、HIV病毒載量等自變量的值，將這些值代入模型中，即可計(jì)算出該患者感染結(jié)核的概率P。通過對大量個(gè)體的預(yù)測概率進(jìn)行分析，可以評估模型的預(yù)測性能，為HIV/AIDS結(jié)核感染的風(fēng)險(xiǎn)評估和防控決策提供有力支持。4.2.3模型驗(yàn)證與結(jié)果解讀模型驗(yàn)證是確保稀有事件Logistic回歸模型可靠性和有效性的關(guān)鍵步驟。本研究采用了多種方法對模型進(jìn)行驗(yàn)證，以全面評估模型的性能。交叉驗(yàn)證是一種常用的模型驗(yàn)證方法，通過將數(shù)據(jù)集劃分為多個(gè)子集，輪流使用其中一個(gè)子集作為測試集，其余子集作為訓(xùn)練集，多次訓(xùn)練和測試模型，最后綜合評估模型在不同測試集上的性能。在本研究中，采用了10折交叉驗(yàn)證法。將數(shù)據(jù)集隨機(jī)劃分為10個(gè)大小相等的子集，每次選擇其中1個(gè)子集作為測試集，其余9個(gè)子集作為訓(xùn)練集，構(gòu)建稀有事件Logistic回歸模型，并在測試集上進(jìn)行預(yù)測。重復(fù)這個(gè)過程10次，得到10組預(yù)測結(jié)果。計(jì)算這10組預(yù)測結(jié)果的平均準(zhǔn)確率、召回率、F1值等指標(biāo)，以評估模型的整體性能。準(zhǔn)確率是指預(yù)測正確的樣本數(shù)占總樣本數(shù)的比例，反映了模型的預(yù)測準(zhǔn)確性；召回率是指實(shí)際為正例且被正確預(yù)測為正例的樣本數(shù)占實(shí)際正例樣本數(shù)的比例，衡量了模型對正例的捕捉能力；F1值則是綜合考慮準(zhǔn)確率和召回率的指標(biāo)，能夠更全面地評估模型的性能。除了交叉驗(yàn)證，還使用了受試者工作特征曲線（ROC曲線）和曲線下面積（AUC）來評估模型的性能。ROC曲線是以真陽性率（召回率）為縱坐標(biāo)，假陽性率為橫坐標(biāo)繪制的曲線，它反映了模型在不同閾值下的分類性能。AUC是ROC曲線下的面積，取值范圍在0到1之間，AUC越大，說明模型的分類性能越好。理想情況下，AUC為1，表示模型能夠完美地區(qū)分正例和負(fù)例；當(dāng)AUC為0.5時(shí)，說明模型的分類性能與隨機(jī)猜測無異。通過計(jì)算得到本研究中稀有事件Logistic回歸模型的AUC為[具體AUC值]，表明模型具有較好的分類性能，能夠有效地預(yù)測HIV/AIDS結(jié)核感染的風(fēng)險(xiǎn)。對模型結(jié)果進(jìn)行解讀，有助于深入了解HIV/AIDS結(jié)核感染的影響因素及其作用機(jī)制。從回歸系數(shù)來看，CD4+T細(xì)胞計(jì)數(shù)的回歸系數(shù)為負(fù)數(shù)，且絕對值較大，說明CD4+T細(xì)胞計(jì)數(shù)是影響HIV/AIDS結(jié)核感染的重要因素，CD4+T細(xì)胞計(jì)數(shù)越低，感染結(jié)核的概率越高。這與HIV感染導(dǎo)致免疫系統(tǒng)受損，CD4+T細(xì)胞計(jì)數(shù)下降，從而增加結(jié)核感染風(fēng)險(xiǎn)的理論一致。結(jié)核病接觸史的回歸系數(shù)為正數(shù)，說明有結(jié)核病接觸史的HIV/AIDS患者感染結(jié)核的風(fēng)險(xiǎn)顯著增加。這是因?yàn)槊芮薪佑|結(jié)核患者會直接接觸到結(jié)核分枝桿菌，增加了感染的機(jī)會。HIV病毒載量的回歸系數(shù)也為正數(shù)，表明HIV病毒載量越高，感染結(jié)核的風(fēng)險(xiǎn)越大，這是由于高病毒載量會進(jìn)一步破壞免疫系統(tǒng)，使機(jī)體更容易受到結(jié)核分枝桿菌的侵襲。通過對模型結(jié)果的深入分析，可以為山西省HIV/AIDS結(jié)核感染的防控提供針對性的建議。對于CD4+T細(xì)胞計(jì)數(shù)較低的HIV/AIDS患者，應(yīng)加強(qiáng)監(jiān)測和干預(yù)，及時(shí)進(jìn)行抗病毒治療，提高免疫功能，降低結(jié)核感染風(fēng)險(xiǎn)；對于有結(jié)核病接觸史的患者，應(yīng)進(jìn)行重點(diǎn)篩查和預(yù)防，采取隔離措施，減少感染機(jī)會；對于HIV病毒載量較高的患者，應(yīng)強(qiáng)化抗病毒治療，控制病毒復(fù)制，降低免疫系統(tǒng)的損害程度。4.3基于機(jī)器學(xué)習(xí)模型的探索性分析4.3.1數(shù)據(jù)準(zhǔn)備與特征工程在運(yùn)用機(jī)器學(xué)習(xí)模型進(jìn)行山西省HIV/AIDS結(jié)核感染預(yù)測的探索性分析時(shí)，數(shù)據(jù)準(zhǔn)備與特征工程是至關(guān)重要的基礎(chǔ)環(huán)節(jié)。數(shù)據(jù)準(zhǔn)備階段，首先對收集到的監(jiān)測資料進(jìn)行全面的清洗。監(jiān)測資料可能包含各種錯(cuò)誤數(shù)據(jù)，如數(shù)據(jù)錄入錯(cuò)誤，將患者的年齡誤填為不合理的數(shù)值，或者將性別信息錄入錯(cuò)誤等；重復(fù)數(shù)據(jù)，即同一患者的信息被多次重復(fù)記錄；以及不完整數(shù)據(jù)，如部分患者的關(guān)鍵檢測指標(biāo)，如CD4+T細(xì)胞計(jì)數(shù)、HIV病毒載量等數(shù)據(jù)缺失。針對這些問題，采用多種方法進(jìn)行處理。對于錯(cuò)誤數(shù)據(jù)，通過與原始病歷、其他相關(guān)檢測報(bào)告進(jìn)行核對，或者借助專業(yè)的醫(yī)學(xué)知識進(jìn)行判斷和修正。對于重復(fù)數(shù)據(jù)，利用數(shù)據(jù)處理工具，如Python中的pandas庫，通過比較數(shù)據(jù)的關(guān)鍵特征，如患者的身份證號、姓名、出生日期等，識別并刪除重復(fù)記錄。對于不完整數(shù)據(jù)，根據(jù)數(shù)據(jù)的特點(diǎn)和分布情況選擇合適的填補(bǔ)方法。對于連續(xù)型數(shù)據(jù)，如CD4+T細(xì)胞計(jì)數(shù)，可以使用均值、中位數(shù)或回歸預(yù)測等方法進(jìn)行填補(bǔ)；對于分類數(shù)據(jù)，如結(jié)核病接觸史，可以根據(jù)其他相關(guān)特征，采用最頻繁出現(xiàn)的值或基于機(jī)器學(xué)習(xí)的方法進(jìn)行填補(bǔ)。在數(shù)據(jù)標(biāo)準(zhǔn)化方面，由于監(jiān)測資料中不同特征的取值范圍和量綱存在差異，這可能會影響機(jī)器學(xué)習(xí)模型的訓(xùn)練和性能。CD4+T細(xì)胞計(jì)數(shù)的取值范圍通常在幾十到上千之間，而HIV病毒載量的取值范圍則可能跨度很大，從幾百到數(shù)百萬不等。為了消除這種差異的影響，采用Z-score標(biāo)準(zhǔn)化方法，將數(shù)據(jù)轉(zhuǎn)化為均值為0，標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)正態(tài)分布。對于每個(gè)特征x_i，其標(biāo)準(zhǔn)化后的結(jié)果x_i'計(jì)算公式為：x_i'=\frac{x_i-\mu}{\sigma}，其中\(zhòng)mu是該特征的均值，\sigma是該特征的標(biāo)準(zhǔn)差。這樣處理后，所有特征都處于同一尺度，有助于提高模型的收斂速度和預(yù)測精度。特征工程是從原始數(shù)據(jù)中提取和構(gòu)建對模型訓(xùn)練和預(yù)測有價(jià)值的特征的過程。在本研究中，從監(jiān)測資料中提取了豐富的特征，包括社會人口學(xué)特征，如年齡、性別、民族、職業(yè)、居住地等；行為學(xué)特征，如性行為、吸毒行為、就醫(yī)行為等；臨床特征，如CD4+T細(xì)胞計(jì)數(shù)、HIV病毒載量、結(jié)核病接觸史、卡介苗接種史等。為了增強(qiáng)模型對數(shù)據(jù)的理解和學(xué)習(xí)能力，還進(jìn)行了特征轉(zhuǎn)換和組合。對連續(xù)型特征進(jìn)行離散化處理，將CD4+T細(xì)胞計(jì)數(shù)按照一定的閾值劃分為不同的區(qū)間，如低、中、高三個(gè)區(qū)間，這樣可以將連續(xù)型數(shù)據(jù)轉(zhuǎn)化為分類數(shù)據(jù)，便于模型處理。進(jìn)行特征組合，將多個(gè)相關(guān)特征組合成一個(gè)新的特征，如將CD4+T細(xì)胞計(jì)數(shù)和HIV病毒載量組合成一個(gè)新的特征，代表患者的免疫狀態(tài)和病毒復(fù)制水平的綜合情況。通過這些特征工程操作，為機(jī)器學(xué)習(xí)模型提供了更具代表性和區(qū)分度的特征，有助于提升模型的預(yù)測性能。4.3.2模型訓(xùn)練與調(diào)優(yōu)在完成數(shù)據(jù)準(zhǔn)備與特征工程后，利用處理好的數(shù)據(jù)對決策樹、隨機(jī)森林等機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練。決策樹模型的訓(xùn)練過程是一個(gè)遞歸劃分?jǐn)?shù)據(jù)集的過程。以山西省HIV/AIDS結(jié)核感染監(jiān)測資料為例，首先選擇一個(gè)最優(yōu)的特征作為根節(jié)點(diǎn)，如選擇CD4+T細(xì)胞計(jì)數(shù)作為根節(jié)點(diǎn)。根據(jù)CD4+T細(xì)胞計(jì)數(shù)的不同取值，將數(shù)據(jù)集劃分為不同的子節(jié)點(diǎn)。如果CD4+T細(xì)胞計(jì)數(shù)小于200個(gè)/μL，將這部分樣本劃分到一個(gè)子節(jié)點(diǎn)，因?yàn)檫@部分患者免疫功能嚴(yán)重受損，感染結(jié)核的風(fēng)險(xiǎn)較高；如果大于200個(gè)/μL，則劃分到另一個(gè)子節(jié)點(diǎn)。然后，對每個(gè)子節(jié)點(diǎn)繼續(xù)選擇最優(yōu)特征進(jìn)行劃分，直到滿足一定的停止條件，如所有樣本屬于同一類別、節(jié)點(diǎn)樣本數(shù)量小于某個(gè)閾值或樹的深度達(dá)到預(yù)設(shè)值等。在訓(xùn)練過程中，使用信息增益、信息增益比或基尼指數(shù)等指標(biāo)來衡量特征的重要性，選擇能夠使這些指標(biāo)達(dá)到最優(yōu)的特征進(jìn)行劃分。隨機(jī)森林模型則是基于決策樹構(gòu)建的集成學(xué)習(xí)模型。在訓(xùn)練隨機(jī)森林時(shí)，從原始數(shù)據(jù)集中有放回地隨機(jī)抽取多個(gè)樣本，每個(gè)樣本用于構(gòu)建一棵決策樹，這樣可以增加決策樹之間的多樣性。在構(gòu)建每棵決策樹時(shí)，除了隨機(jī)選擇樣本，還隨機(jī)選擇部分特征進(jìn)行劃分，進(jìn)一步增強(qiáng)模型的泛化能力。假設(shè)有1000個(gè)樣本和10個(gè)特征，在構(gòu)建每棵決策樹時(shí)，可能隨機(jī)抽取800個(gè)樣本和5個(gè)特征。通過這種方式，隨機(jī)森林中的每棵決策樹都基于不同的樣本和特征子集進(jìn)行訓(xùn)練，在預(yù)測階段，將所有決策樹的預(yù)測結(jié)果進(jìn)行投票（分類任務(wù)）或平均（回歸任務(wù)），得到最終的預(yù)測結(jié)果。為了提高模型的性能，采用網(wǎng)格搜索、隨機(jī)搜索等方法對模型參數(shù)進(jìn)行調(diào)優(yōu)。網(wǎng)格搜索是一種窮舉搜索方法，它通過遍歷給定參數(shù)的所有可能組合，尋找最佳的超參數(shù)組合。對于決策樹模型，需要調(diào)優(yōu)的參數(shù)可能包括最大深度、最小樣本分裂數(shù)、最小樣本葉子數(shù)等。設(shè)定最大深度的取值范圍為[5,10,15,20]，最小樣本分裂數(shù)的取值范圍為[2,5,10]，最小樣本葉子數(shù)的取值范圍為[1,2,3]，網(wǎng)格搜索會遍歷這些參數(shù)的所有組合，對每個(gè)組合進(jìn)行模型訓(xùn)練和評估，選擇性能最優(yōu)的參數(shù)組合。隨機(jī)搜索則是在參數(shù)空間中隨機(jī)采樣固定數(shù)量的參數(shù)組合，計(jì)算效率更高，對于參數(shù)較多的情況更為適用。在隨機(jī)搜索中，設(shè)定最大深度在[3,25]范圍內(nèi)隨機(jī)取值，最小樣本分裂數(shù)在[2,15]范圍內(nèi)隨機(jī)取值，通過多次隨機(jī)采樣和模型訓(xùn)練，找到性能較好的參數(shù)組合。在調(diào)優(yōu)過程中，結(jié)合交叉驗(yàn)證的方法，將數(shù)據(jù)集劃分為多個(gè)子集，輪流使用其中一個(gè)子集作為測試集，其余子集作為訓(xùn)練集，多次訓(xùn)練和測試模型，綜合評估模型在不同測試集上的性能，以選擇最優(yōu)的參數(shù)設(shè)置。4.3.3預(yù)測結(jié)果與性能比較經(jīng)過模型訓(xùn)練與調(diào)優(yōu)后，得到?jīng)Q策樹和隨機(jī)森林等機(jī)器學(xué)習(xí)模型對山西省HIV/AIDS結(jié)核感染的預(yù)測結(jié)果。通過對比不同模型的預(yù)測結(jié)果，評估它們的性能，并分析各自的優(yōu)劣。以混淆矩陣為工具來直觀地展示模型的預(yù)測性能。對于二分類問題，混淆矩陣包含真正例（TP）、假正例（FP）、真反例（TN）和假反例（FN）四個(gè)指標(biāo)。真正例表示實(shí)際為正例且被模型正確預(yù)測為正例的樣本數(shù)，在本研究中即實(shí)際感染結(jié)核且被模型正確預(yù)測為感染的HIV/AIDS患者數(shù)量；假正例表示實(shí)際為反例但被模型錯(cuò)誤預(yù)測為正例的樣本數(shù)，即實(shí)際未感染結(jié)核但被模型預(yù)測為感染的患者數(shù)量；真反例表示實(shí)際為反例且被模型正確預(yù)測為反例的樣本數(shù)，即實(shí)際未感染結(jié)核且被模型正確預(yù)測為未感染的患者數(shù)量；假反例表示實(shí)際為正例但被模型錯(cuò)誤預(yù)測為反例的樣本數(shù)，即實(shí)際感染結(jié)核但被模型預(yù)測為未感染的患者數(shù)量。通過混淆矩陣，可以計(jì)算出準(zhǔn)確率、召回率、F1值等性能指標(biāo)。準(zhǔn)確率是指預(yù)測正確的樣本數(shù)占總樣本數(shù)的比例，即Accuracy=\frac{TP+TN}{TP+TN+FP+FN}；召回率是指實(shí)際為正例且被正確預(yù)測為正例的樣本數(shù)占實(shí)際正例樣本數(shù)的比例，即Recall=\frac{TP}{TP+FN}；F1值則是綜合考慮準(zhǔn)確率和召回率的指標(biāo)，計(jì)算公式為F1=\frac{2\timesPrecision\timesRecall}{Precision+Recall}，其中Precision=\frac{TP}{TP+FP}。在本研究中，決策樹模型在處理簡單的數(shù)據(jù)模式和規(guī)則時(shí)，具有較好的可解釋性，能夠直觀地展示特征與感染之間的關(guān)系。如果決策樹模型中某個(gè)分支表明CD4+T細(xì)胞計(jì)數(shù)小于200個(gè)/μL且有結(jié)核病接觸史的患者感染結(jié)核的概率較高，這一規(guī)則易于理解和解釋。決策樹模型容易出現(xiàn)過擬合現(xiàn)象，尤其是在數(shù)據(jù)特征較多、樣本數(shù)量有限的情況下。當(dāng)決策樹的深度過大時(shí)，模型可能會過度學(xué)習(xí)訓(xùn)練數(shù)據(jù)中的噪聲和細(xì)節(jié)，導(dǎo)致在測試集上的泛化能力較差，預(yù)測準(zhǔn)確率下降。隨機(jī)森林模型由于集成了多個(gè)決策樹，具有較好的穩(wěn)定性和泛化能力，能夠有效減少過擬合現(xiàn)象。通過對多個(gè)決策樹的預(yù)測結(jié)果進(jìn)行綜合，隨機(jī)森林能夠平滑單個(gè)決策樹的誤差，提高預(yù)測的準(zhǔn)確性。隨機(jī)森林模型的可解釋性相對較差，難以直觀地理解每個(gè)特征對預(yù)測結(jié)果的具體影響。由于隨機(jī)森林包含多個(gè)決策樹，每個(gè)決策樹的決策規(guī)則可能不同，使得整體模型的決策過程較為復(fù)雜，不利于深入分析特征與感染之間的關(guān)系。通過對不同機(jī)器學(xué)習(xí)模型預(yù)測結(jié)果的性能比較，發(fā)現(xiàn)隨機(jī)森林模型在準(zhǔn)確率、召回率和F1值等指標(biāo)上表現(xiàn)相對較好，具有較