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