|
身为 IBM SPSS 公司的一员，我们在工作中曾经为缺少产品的应用实例而困扰过。数理统计、分析和预测应用，在学习里曾经学过，在公司的培训课中也讲过，我们在日常的工作中也在不断的使用着，但是总感觉有一层面纱笼在前面，看不清，摸不着。我们的产品到底是如何在实际生产生活中应用的呢？直到不久前的一个偶然的机会，才让我有机会揭去了面前的这一笼轻纱，真切感受到了统计分析在生活中的力量，同时也为我们公司的产品能为社会做出巨大贡献而自豪。 疑难急症：川崎还是紫癜？2010 年元旦，我和妻子飞赴她的娘家内蒙古阿拉善盟举办婚礼，我的岳父岳母带着我们的小外甥已经先期抵达当地筹备。婚礼一切顺利，全家都很开心，但我和妻子返回西安后一个星期，就接到了一个震惊的消息：留在内蒙的小外甥发烧已经整整 5 天。 发热初期，岳父岳母以为是感冒发烧，将孩子送到当地医院治疗，但是各种退烧药、抗生素使用之后都没有起到明显效果，孩子仍然持续高烧不退，而且淋巴结肿大 , 皮肤有红斑。小孩子高烧不退且伴随红斑的病因可能有很多种，除了普通的感冒发热之外，一般能够想到的还有麻疹、猩红热、幼年类风湿病、红斑狼疮、急性淋巴结炎等，另外还有一些其他较为少见的炎症。这类疾病如果得不到及时医治，将有可能继续恶化，最严重的甚至可能危及生命。为了尽快确诊以免耽误孩子的救治，岳父岳母将孩子转院至银川，但是病因仍然难以明确。不过银川医院的医生根据孩子的临床检查结果，排除了猩红热、幼年类风湿病、渗出性多形红斑、红斑狼疮、婴儿型结节性多动脉症、出疹性病毒感染、急性淋巴结炎、病毒性心肌炎和风湿性心肌炎，给出了两个新的诊断方向：川崎病、紫癜。由于医生一直无法确诊，老人家很着急，只好通过电话嘱托我在网上查一查这两种病的相关资料。得益于信息时代发达的网络，很快就找到了两种病的相关信息： 川崎病： ① 不明原因的发热，持续 5 天或更久； ② 双侧结膜充血； ③ 口腔及咽部粘膜弥漫充血，唇发红及干裂，并呈杨梅舌； ④ 发病初期手足硬肿和掌跖发红，以及恢复期指趾端出现膜状脱皮； ⑤ 躯干部多形 红斑，但无水疱及结痂； ⑥ 颈淋巴结的非化脓性肿胀，其直径达 1.5cm 或更大。 根据历史病例的统计分析结果，日本皮肤粘膜淋巴结综合征研究委员会提出此病诊断标准为以上六条主要临床症状中至少满足五条才能确定是川崎病，但如二维超声心动图或冠状动脉造影查出冠状动脉瘤或扩张，则四条主要症状阳 性即可确诊。80% 患者在 5 岁以内，好发于 6 ～ 18 个月婴儿。男孩较多。 紫癜： ① 发病前 1 ～ 3 周常有低热、咽痛、上呼吸道感染及全身不适等症状； ② 表现为皮肤瘀点，多出现于下肢关节周围及臀部，少数累及面和躯干部皮损初起有皮肤瘙痒，出现小型荨麻疹、血管神经性水肿及多形性红斑； 该病多发生于男性儿童。 根据孩子的临床观察，可以确定的是，孩子已经发烧 5 天以上，身上有多处红斑出现，这符合紫癜的全部确诊症状和川崎病的两个确诊症状，而且都是小男孩容易得的病，血液检查的结果表明，孩子的血沉（红细胞沉降率）很高，这也是这两种病所共有的临床确诊依据。问题是，到底是川崎病还是紫癜？这两种病所适用的治疗方案是完全不同的。 根据我发回去的这些信息，岳父母对孩子进行了针对性的查验，确认孩子有杨梅舌，而且手指脚趾发现有蜕皮的痕迹，这样川崎病的确诊症状已经符合了四条，距离川崎病的确诊标准仅缺一种症状。在和医生协商后，对孩子的冠状动脉进行了 B 超检查，确认孩子出现了冠状动脉扩张。虽然医生还是没有十足的把握确诊为川崎病，但是最终还是协商按照川崎病的治疗方案用药。 给力神药：免疫球蛋白和注射方法基本确诊了，接下来就是如何治疗的问题。针对川崎病有一种特效药，叫做丙种人体免疫球蛋白。用该药结合阿司匹林可以有效控制川崎病的病情以及冠状动脉的扩张。 各种川崎病的研究资料上都注明了一件事情，就是免疫球蛋白的注射一定要在发病后 10 天内使用，而网络上求医问药的帖子中有不少例川崎病患儿确诊花费的时间就超过了 15 天，延误了治疗时机的，因此导致患儿冠状动脉扩张（或者换一种更通俗的说法，就是后天性心脏病）的很难再有补救的机会了，严重的甚至有致命的病例。幸运的是，我的这个小外甥在病程第 8 天就确定了正确的治疗方向。 接下来的问题，是关于丙种球蛋白的使用方法。 丙种球蛋白的用药总量是根据孩子的体重按比例计算的，但是医学界对于注射的方法是存在分歧的，一类意见支持一次性注射全部剂量以做冲击治疗，另一类意见是平均分成 4 到 5 日剂量按日注射，还有一类意见则是做了个折中，先期注射一半剂量，然后第二天再注射另一半的剂量。 由于该药比较昂贵（全部剂量费用接近七千元），医生在用药前先征询了家属的意见。于是我又接到在网上查询注射方法的任务。这一次的查询耗时比较多，一方面是因为网上各种治疗方案都有专门的论文论述其优点，难以取舍，另一方面是我发现了 SPSS 软件产品的名字，许多论证川崎病治疗方案的文章中都提到使用了 SPSS Statistics 对病例进行统计分析，以下摘录两例： ① 《不同剂量丙种球蛋白治疗川崎病的临床研究》文中提到“数据以± s 表示，两组资料的比较采用 t 检验，治疗前、后资料的比较采用配对 t 检验，分类资料的比较采用χ 2 检验，数据的处理通过 SPSS13 ． 0 软件”。 ② 《 2003-2007 年上海地区川崎病流行病学调查》文中提到“由专人录入符合要求的调查表 , 建立数据库平台 , 采用 SPSS13.0 统计软件进行分析。计数资料用 n 或百分比 (%) 表示 , 采用卡方检验或 Fisher 精确检验 ; 计量资料用 M ± S 表示 , 比较采用 t 检验和方差分析 : 相关因素分析采用 Logistic 回归分析 , 得到危险因素主效应模型的回归方程独立危险因素 : 用偏回归系数 (B)、标化偏回归系数、比值比 (OR)、95% 可信区间 (95%CI) 进行描述。P ＜ 0.05 提示差异有统计学意义 ,P ＜ 0.01 提示差异有显著的统计学意义。” 虽然当时在网络查询的结果是仅提供了分 4 天平均注射的治疗方案，但是通过网络搜索查询到的结论是有时效性的，而且由于可以随时更新，主观性较强，其准确性也难以保证。道听途说不可为凭，统计分析才是王道。我更倾向于相信使用 SPSS 软件进行了科学、严谨的统计分析之后所撰写的论文的结论，大多数此类论文都支持大剂量冲击疗法。实际治疗过程中，医生是参考家属的建议使用了冲击疗法，结果真正称得上是立竿见影，之前屡屡用药无果的小家伙，这次注射后第二天就退烧了。 这里值得一提的是，在一年半以后的今天再去网络中查询“川崎病”，给出的治疗方案已经是同时列举前述的三种了。这一方面说明网络知识库也在不断更新，另一方面从侧面证明了 SPSS 统计分析结果的正确性和权威性。 16 岁的痛：阿司匹林要用多久？退烧了，这是一个好的开始，但是事情还没有这样简单的结束。稳定住病情之后，孩子终于可以远途旅行返回西安了，在西安的各个儿童医院和儿童门诊复查之后，医生们给出了一个一致的意见：由于出现了冠状动脉扩张，小家伙需要继续每天服用阿司匹林以控制冠状动脉扩张继续的趋势以及降低血沉。医生们也给出了不同的意见，是关于用药期的，有的说要用 1 年后再观察，有的说要到 16 岁，有的说要用到 18 岁，还有的说要看情况，恢复差的话用到 20 岁以后都有可能。对于一个当时才两岁半的孩子来说，他也许还意识不到每天吃药吃到 16 岁是一个什么概念，但是家人听了都流泪了：孩子多可怜呀。光是每天吃药也就算了，长期服药还会导致各种各样的副作用，让孩子生活更加难受。为减轻副作用的影响，岳父母询问医生是否可以短期停药或者减少用药量，但是根据医生的经验以及各类相关医学研究论文的分析结果，在血沉降低到正常范围之前停药或者减药都有复发的风险，于是只好咬牙坚持，能做的只有再配合一些减轻副作用的辅助药物。 好在有的医生还是留了个话头，说了如果恢复的好可以早一点停药，标准就是冠状动脉没有继续扩张，且血沉检测值连续 3 个月处于正常值范围。于是一家人的重心就放在精心照顾孩子，让他得到最好的康复条件，而且每个月都到医院去做复查。功夫不负有心人，一年后多数医院的复查结果都认为冠状动脉的扩张趋势已经得到了有效控制，血沉也恢复到了正常值的区间，恢复过程比预想的要好很多，虽然保险起见还是可以继续用药，但是只要保持定期复查，已经可以先暂停服用阿司匹林了。 这件事情让人挺纠结的，要说一直让孩子吃药吧，想想都难受，但要是等孩子病情控制住了就停药吧，上网一搜，关于川崎病停药过早导致的遗留后果不胜枚举，其中有一例说的正是两岁半时得了川崎病，结果十三岁时又发现其实仍有后遗症。对于这个问题，倒是没有看到多少论文再使用 SPSS 统计分析的结果来论述了，原因很简单：需要跟踪的时间跨度太大了，无法收集到有统计学意义的数量级的病例来做分析。任何软件都不是无所不能的巫师，一套统计分析软件，如果缺乏必要的基础数据支撑，也是无法进行准确分析的，就好像最先进的坦克，如果没有燃料和炮弹，那就只能当模型给人参观一样。 循证医学：SPSS 的用武之地在给我家小外甥看病治疗的过程中，医生一直秉持着和患者家属充分交流、尊重患者家属意见的原则，得到了我们家人的一致理解和信任，对孩子的治疗过程顺利进行十分有利。这种医疗方式有个专门的名称，叫做循证医学。 循证医学是从二十世纪九十年代以来在临床医学领域内迅速发展起来的一门新兴学科，严格遵循科学证据进行治疗，其核心思想是“任何医疗卫生方案、决策的确定都应遵循客观的临床科学研究产生的最佳证据”，从而制订出科学、合理的预防对策和措施，以达到预防疾病、促进健康和提高生命质量的目的。 循证医学将最佳临床证据、熟练的临床经验和患者的具体情况这三大要素紧密结合在一起。 寻找和收集最佳临床证据，旨在得到更敏感和更可靠的诊断方法，更有效和更安全的治疗方案，力争使患者获得最佳治疗结果。 掌握熟练的临床经验，旨在能够识别和采用那些最好的证据，能够迅速对患者状况作出准确和恰当的分析与评价。 考虑到患者的具体情况，要求根据患者对疾病的担心程度、对治疗方法的期望程度，设身处地的为患者着想，并真诚地尊重患者自己的选择。 只有将这三大要素密切结合，临床医师和患者才能在医疗上取得共识，相互理解，互相信任，从而达到最佳的治疗效果。 由上述介绍可以看出，询证医学与传统医学最大的不同在于，循证医学重视确凿的临床证据，换言之，更为偏向客观判断，而传统医学主要根据个人的临床经验，遵从上级或高年资医师的意见，参考来自教科书和医学刊物的资料等为患者制定治疗方案，主观性更强。显然，传统医学处理患者的最主要的依据是个人或他人的实践经验，而循证医学所要求的临床证据有三个主要来源：样本的随机对照临床试验、系统性评价和荟萃分析。 荟萃分析 (meta — analysis) 又称为汇总分析。这是一种将收集到的已完成临床研究的结果，进行系统、定量和定性的综合性统计分析的方法。分析者并不直接参与原始研究，而是用数学或统计学方法将多个研究假说、研究方法相同的原始研究结果进行综合，有可能提高结果的精度，检出低频率结局的改变，增加分析和结论的说服力；将一些阳性结果的有效范围更精确化；以及评价结果一致，解决研究中的矛盾。作为医疗研究中常用的统计分析工具，SPSS 正是进行荟萃分析的最佳选择。 SPSS 产品在医疗研究中为研究者提供了数据统计分析的支撑，而且从论文所引用的软件版本来看，时间跨度比较大，从 SPSS10.0 版本到 15.0 版本都有提及，这说明 SPSS 软件产品在医疗研究领域的接受度是不错的，比较早，也有较强的持续性。 作为例证，在此将部分川崎病研究者所使用的 SPSS 软件版本以及统计方法列举如下：
我们可以从这些例子看出 SPSS 系列产品在医疗行业中的应用模式：
下面即使用 SPSS Statistics 20.0 做一个样例演示，这里以丙种球蛋白不同注射方式的疗效统计研究为例： 第一步，是收集所需数据。现实生活中，由于各种各样的原因，原始的病历数据中有部分数据可能存在缺失，例如某病人用药期间某一天未进行血液检测而缺失该项数值之类。为得出更严谨的分析结果，该类存在数据缺失的病例应排除在分析样本之外，不纳入数据收集。 第二步，是整理收集的数据。患者病历数据需要归类分组，将一些数值范围类型的数据转换成描述性的数据，例如对于治疗方案的有效性，病历中记录的是病人的体温变化、血液检查各项指标的数值，这里的例子将用药后一天内退热且用药一个月后血沉降回正常范围的病例作为高效治疗结果，用药后退热周期超过一天或用药后一个月血沉值仍然超标作为低效治疗结果。 建立数据文件，取如下变量： Group 表示组别，用于区分两种不同的用药方式
Result 表示治疗效果
Case Count 表示病例数，分别对应不同用药方式下取得不同治疗效果的患者人数。 得出分组统计表格如下： 表 1 病例分组统计表 这里需要说明的一点是，医学分析人员的经验对于数据整理过程有至关重要的作用，不同的分类方法和分类标准可以让分析结果呈现出不同的分析结果以供比较，例如可以换成使用丙种球蛋白与不使用丙种球蛋白的患者对照以观察该药的疗效是否显著，或者换成 10 日内注射与 10 日后注射对照分析注射时机对疗效的影响等等。 第三步，是统计整理过的数据。 首先，启动 IBM SPSS Statistics 20 客户端，然后选择主菜单【文件】 -> 【打开】 -> 【数据】。 图 1. 调出打开数据对话框 此时选择需要打开的数据文件。 图 2. 选择打开的数据文件 选择“从第一行数据读取变量名”，点击【确定】按钮。 图 3. 打开数据源 此时，excel 格式的数据即被读入 IBM SPSS Statistics，我们可以看到这个界面有两个视图，一个是“变量视图”，一个是“数据视图”。切换到“数据视图”，我们可以看到与 excel 文件格式类似的数据表，然后再切换到“变量视图”，则可看到数据表的各列分别被作为变量值定义下来。 图 4. 变量视图 图 5. 数据视图 接下来，我们需要给表中统计项进行权重分配。 然后选择主菜单【数据】 -> 【加权个案】。 图 6. 调出加权个案对话框 在“加权个案”对话框，我们可以看到数据表中的统计项“Group”、“Result”和“case count”列在左侧。 图 7. 加权个案对话框 我们需要对病例数量 case count 进行加权，所以这里先在左侧列表选中“case count”，然后选中右上角单选项中的“加权个案”，再点击中央的箭头按钮。 图 8. 选择个案进行加权 现在我们可以看到“case count”已被加权为频率变量，此时点击【确定】按钮返回主界面。 图 9. 个案加权结束 接下来就要开始进行分析了。这里选用交叉表（也称列联表）进行分析。 选择主菜单【分析】 -> 【描述统计】 -> 【交叉表】 图 10. 打开交叉表 打开的交叉表对话框中，我们可以看到左侧的变量列表，中间的交叉表结构，以及右侧的功能按钮，包括后面需要用到的【统计量】和【单元格】。 图 11. 交叉表设置对话框在左侧列表中选中“group”，然后点击“行”左边的箭头，将该变量加入到“行”列表中。 再用类似操作将“Result”变量加入“列”列表中。 图 12. 交叉表结构设置然后点击【统计量】按钮，选中“交叉表：统计量”对话框中的【卡方】和【 Kappa 】选项。，点击【继续】按钮返回“单元格”对话框。 图 13. 统计量设定然后点击【单元格】按钮，在调出的“交叉表：单元显示”对话框中选中【观察值】【期望值】和【无调节】，然后点击【继续】按钮返回“单元格”对话框。 图 14. 单元格设定此时点击“交叉表”对话框中的【确定】按钮，即可看到统计的结果。 图 15. 统计结果第二个表就是经典的四格表，每个格子上面数字为观察值（实际频数），下面数字是理论值（理论频数）。 从该表可以看出，最低的理论值（理论频数）为 6.52，所有理论值均大于 5。 图 16. 四格表第三个表则是卡方分析的结果。 从这个表我们可以看到，有效案例数为 60，大于最低要求 40。. 图 17. 卡方分析根据适应条件：四格表，n>=40, 理论频数 >=5, 随机成组两组设计的计数资料，该统计样本数据适宜使用 Pearson 卡方检验。 由此我们可以得出统计结果：卡方值 (value) 为 24.988，自由度（df) 为 1, 双侧概率（Asymp.Sig.)(2-sided) 为 0.000。 第四步，数据的分析。由上面的例子可以看出，按照双侧 a=0.05 的水准，拒绝两组率相等的假设，可以认为两组的（阳性）率有差别。用医学说法，就是可以证实两种不同的治疗方案在治疗川崎病的疗效上有明显差异。 目前应用于医学研究实践的 SPSS 产品主要是以上述方式进行，所得结论多为各种疾病的确诊依据、诊疗方案优选等。如果配合 IBM SPSS 产品族的其他产品，例如 IBM SPSS Modeler 和 IBM SPSS Collaboration and Deployment Services，则可以针对各种疾病建立确诊模型、诊疗方案模型，应用这些模型辅助可以更方便快捷的确诊，建立针对病人个体差异的更适用的个性化诊疗方案，以及随实际病例的积累对这些模型进行调整和优化。该层次的应用普及度还有待提高，需要各位同仁携手并进。 云医疗时代：IBM 大有可为当今社会已经跨入云计算时代，医疗行业作为云计算商务应用的一个新领域也为许多 IT 厂商所重视，已经有许多厂商提出了自己的医疗云解决方案。纵观 IBM 在医疗和云计算方面的技术储备，我们有业界最完整的产品链条。我们有完全自主产权的硬件平台、存储平台，有自然语音智能处理冠绝全球的沃森系统，有针对特定病毒特征的患者的 HIV 复方药物治疗的预测模型，有能预测和分析传染疾病的爆发趋势的 STEM (Spatiotemporal Epidemiological Modeler) ，有能获得最新的传染疾病暴发监测数据的公共健康信息联合体 (PHIAD) ，有能弥合中西药之间的语义鸿沟的语言处理算法，还有在医疗研究领域广泛使用的统计分析工具 SPSS。 有了如此坚实的基础，不妨畅想一下我们能为这个社会做些什么吧：
云医疗时代，IBM 大有可为，SPSS 亦必绽显光彩。 总结本文介绍了 IBM SPSS CaDS 实时预测分析服务的优势，适用的行业范围，并以电信客户挽留方案为例，阐述了实时分析服务的架构，操作流程（包括模型配置，模型部署以及实时预测），性能监控以及日志信息。实时预测分析服务具有方便用户采集即时数据，轻量级、高效性与易用性等特点，使得该服务能广泛应用在呼叫中心，电信运营商以及保险理赔等行业。 |
|
|
