基于潜在类别回归模型的失眠中医人群特征分类方法研究

Establishment of patient classification standards is one of the key issues for clinical evaluation studies in TCM individualized treatment,. The main reason is clinical phenotypic information with the characteristics of high-dimensional, high-sparse, high redundancy and the presence of measurement error, and previous studies had ignored the overall effect of phenotypic information. In our study, working hypothesis is that the use of dimension reduction methods based in latent class variable modelling and allowing the presence of measurement error, TCM patient classification will integrate multi-dimensional clinical phenotypic information. Our study included the existing 1379 cases from famous highly experienced experts during diagnosis and treatment of insomnia disease, will adopt the multi-source data preprocessing technology, latent class regression analysis, Non-parametric bootstrap method, and build patient classification model based on overall effect of the clinical phenotype information, and then a cross-sectional study is designed as a prospective collection clinical data of 200 cases with insomnia, in order to explore the higher-order interaction among multiple clinical phenotypes, to further validate the feasibility and accuracy of latent class theory for TCM patient classification. This study will provide a more effective statistical model and data analysis methods for dealing with higher-order interaction among clinical phenotypic information of insomnia, and a new way for the research of TCM syndrome differentiation with multi-dimensional information.

中医个体诊疗中“人群特征”如何科学表达是临床评价研究亟待解决的关键问题之一，主要原因是症状、体征等临床表型信息“高维、高稀疏、高相关冗余以及存在测量误差”的数据特点，且研究中忽视表型信息整体效应的评价。本研究提出“利用潜在类别综合降维的分析思想及其容许测量误差存在的优点，整合多维度的临床表型信息来解决”的工作假说，以现有1379例不同名老中医诊疗失眠的临床实际数据为载体，运用多源数据预处理技术、潜在类别回归法、非参数自助抽样法，构建失眠表型信息整体效应的人群分类模型，采用前瞻性横断面研究设计，拟收集200例失眠患者的临床数据进行验证，从而探索临床表型信息之间的交互关系，进一步验证潜在类别理论在中医人群分类研究的可行性和准确度。本研究在为失眠临床表型信息之间高阶交互作用问题的处理提供更为有效的统计模型及数据分析方法的同时，也为中医辨证论治过程中利用多维信息进行特征分类的辩证研究提供新途径。

失眠是一种常见的睡眠障碍性疾病，以经常不能获得正常睡眠为特征，临床表现为入睡困难，或者睡眠轻浅易醒，时寐时醒，或者醒后难以再次入睡，甚至彻夜难寐等。近年来，我国失眠的发病率急剧增加，该病病程长、复发率高，如果失眠没有得到有效控制，患者将增加抑郁障碍和焦虑障碍的发生，甚至诱发或加重心脑血管等疾病。.本项目在现有1379 例不同名老中医治疗失眠的临床实际数据基础上，以潜在类别回归建模研究为主线，拟整合失眠患者临床症状、体征和实验室指标等表型信息，构建失眠临床数据的人群特征分类模型，从而探察众多表型信息之间的关联关系，为失眠临床表型信息之间高阶交互作用问题的处理提供更为有效的统计模型及数据分析方法的同时，也为中医辨证论治过程中利用多维信息进行人群特征分类的辩证研究提供新的途径和视角。.基于目前单纯使用症状组合进行人群特征分类的基础上，本课题提出整合患者症状、体征和实验室指标等多维表型信息进行人群分类的理念。本课题以名老中医实际诊疗的宝贵临床数据为载体，利用潜在类别综合降维的分析思想与容许测量误差存在的优点，构建失眠众多表型信息的人群特征分类方法。弥补了因子分析和结构方程模型假设表型信息必须是连续性变量且服从正态分布的不足，克服了关联分析和logistic 模型等方法中高维交互作用无法解释的难题，为中医辨证论治过程中利用多维信息进行人群特征分类的辩证研究提供新视角。本研究的创新点是：1. 采用潜在类别分析用于数据特征筛选研究，其特点是不仅能够筛选具有累加效应的症状，而且能够筛选出具有高阶交互作用的症状组合，国内外缺乏同类研究报道。2. 表型信息采用模块化特征筛选，是解决临床实际信息高维性的有效方式，比未分清患者信息内部层次结构就采用降维处理方法，精确度更高。3. 在前期工作的基础上，利用非参数Boostrap 方法验证潜在类别回归模型，有效弥补高维度、高稀疏的统计分类模型难以验证的不足，国内外缺乏同类研究报道。