下载文档原格式
关于肾炎诊断问题的优化分析摘要：由题目我们知道，在诊断肾炎的时候可以通过化验体内的一些化学元素量的多少来得到准确的判别结果。
本论文由此对医院诊断肾炎病人的过程中，如何利用有效的判别准则对就诊人员进行诊断，建立了统计回归模型，最终得到了判别准则。
我们对1~60号病例进行统计处理：对七种化学元素随机分为1、2、3、4、5、6、7七个等级，利用MATLAB编程求解出各种情况下各个化学元素的权重值，然后权重与化学元素量相乘，计算出每个病例的化学元素总量的值。
在各种情况下，总和与前30号为患者，31~60为非患者比较，以此确定出最优的权重赋予值。
再由隶属度函数（大型柯西分布和对数函数）确定各元素的权重。
权重确定以后，用线性加权函数作为综合评价模型，对n个系统进行判别。
并通过随机代入已确诊的病例来检验模型的准确性。
问题一得到解决。
将表格2中的数据带入到上述的模型，判别出15名是健康者，15名是患者。
对于问题三，我们由第一问中，求出来的权重大小来判定哪些指标是影响人们患肾炎的主要因素。
找到系数显著性最小三种元素，分别为Na,Zn,K；我们又用排列组合的方法分别删除其中的一种、两种和三种元素，分别计算此时代入前60组数据时的准确度，通过比较从而确定主要影响元素。
保留了Ca,Cu,Fe,Mg 四种元素，除去非主因素的干扰，用同样的方法重新计算该模型各系数的数值，在保证较高准确率的前提下，最终达到了简化检测过程的目的。
对比问题二、四的结果，我们发现两者的结果基本相同。
这说明，在所给的因素中，有一些是小作用因素，可以忽略不计。
如此，便可大大节约诊断的时间、人力、财力。
关键字：MATLAB、全样本对比取优法、线性加权法、样本检验法问题重述人体的病变和人体内各元素含量的变化密切相关，人们到医院就诊时，通常要化验一些指标来协助医生的诊断。
诊断就诊人员是否患肾炎时通常要化验人体内各种元素含量。
表1是确诊病例的化验结果，其中1－30号病例是已经确诊为肾炎病人的化验结果；31－60号病例是已经确定为非肾炎病人的结果。
肾炎的诊断摘要本题主要讨论肾炎的诊断，是个判断识别问题。
通过化验就诊人员体内的各种元素含量来确诊就诊人员是否患肾炎，这就需要我们给出一个指标来协助医生的诊断。
人体内有多种微量元素，由于题目的表格中给出Zn、Cu、Fe、Ca、Mg、K 、Na七种元素的化验结果，我们运用判别方法，选择患病人和健康人体内各元素作为分析对象建立判别模型，来协助医生诊断是否健康及其七种元素对总体影响，并尝试确定关键因素来更好诊断。
针对问题1：我们通过对表B.1中的数据进行简单Excel分析，发现1—30号确诊为患肾炎和31—60号确诊健康人体内各元素的含量的期望、方差等值相差很大，而且所考虑的元素比较多，很难给出一个标准的指标来衡量一个人的健康情况。
同时我们想到距离判别法和费希尔判别法很适合本题的条件，通过MATLAB求解对表B.1是确诊病例的化验结果验证，得到距离判别法的准确率为88.46%，费歇尔判别法的准确率为93.75%。
所以我们认为费希尔判别法更具有可行性。
针对问题2：我们采用问题1中所得到的最优判别法——费歇尔判别法，运用MATLAB处理表B.1中的数据，对30名就诊人员的化验结果进行判别，从而确诊就诊人员的健康情况。
结果有15人患病，15人健康。
针对问题3：此问是建立在问题1基础上，由于同时分析7种元素还是比较繁琐，需要在不太大影响效果进一步减少元素的个数。
根据表格给出的信息，我们可以通过主成分分析，用MATLAB进行计算，最后得到主要因素：Cu、Ca、Mg、Na。
并用费歇尔判别法对B.1中化验结果验证，准确率为91.67%。
针对问题4：在问题三的简化后，重新建立费歇尔判别函数。
再重复二的过程，检验B.2中就诊人员的健康状况。
结果有17人患病，13人健康。
针对问题5：通过对问题2和问题4的结果的分析，我们可以发现检验的结果相差很小，说明问题3中的关键因素的选择是合理的。
这就可以在一定误差范围内，用关键因素来取代全部的因素作为肾病的检测指标，从而减少变量和工作量，很有实际意义。
肾炎诊断的数学模型科院4组杨海鹏刘备刘栋摘要本文研究的是通过人体内各种元素含量来判断就诊人员是否患有肾炎的问题。
首先我们将收集的数据分为两组进行抽样调查，其中肾炎患者视为实验组，正常人视对照组，运用SPSS软件对数据进行处理，建立Fisher判别模型。
对于问题一、二：分析相关数据，运用Fisher判别法建立判别模型。
对数据运用软件SPSS进行Fisher判别处理，得到相应的判别函数和判别函数的监界值，通过马氏判别法对模型有效性检验，数据正则相关性达到0.811，判断正确度达90%。
然后运用模型一中的判别函数将表二中数据代入得到30个就诊人员中正常人11名，肾炎患者19名。
对于问题三、四：通过实验组与对照组中各相同元素的对比及相关分析，剔除一些对诊断结果影响不大的元素，重新运用Fisher判别法及SPSS软件建立新的优化判别模型。
通过马氏判别法对模型有效性检验，数据正则相关性达到0.708，判断正确度达90%。
然后运用模型一中的判别函数将表二中数据代入得到30个就诊人员中正常人10名，肾炎患者20名。
对于问题五：对二、四问结果作进一步分析，所判断的结果基本相同。
这说明所给的元素指标中有些对总体判断不大，属于小因素。
相比之下剔除后判别更有说服性，确定了Zn、Fe、Ca、Mg为判别肾炎的重要指标。
关键字：fisher判别法；多元统计分析；马氏距离检验；1. 问题重述1.1问题的简单提要：人们到医院就诊时，通常要化验一些指标来协助医生的诊断。
诊断就诊人员是否患肾炎时通常要化验人体内各种元素含量。
表B.1是确诊病例的化验结果，其中1－30号病例是已经确诊为肾炎病人的化验结果；31－60号病例是已经确诊为健康人的结果。
表B.2是就诊人员的化验结果。
1.2本文需要解决的问题：1）根据表B.1中的数据，提出一种或多种简便的判别方法，判别属于患者或健康人的方法，并检验你提出方法的正确性；2）按照1提出的方法，判断表B.2中的30名就诊人员的化验结果进行判别，判定他（她）们是肾炎病人还是健康人；3）能否根据表B.1的数据特征，确定哪些指标是影响人们患肾炎的关键或主要因素，以便减少化验的指标；4）根据3的结果，重复2的工作；5）对2和4的结果作进一步的分析。
肾炎病例分析与临床路径分析报告首先，我们需要了解什么是肾炎。
肾炎是一种由多种原因引起的肾小球炎症的统称，大致可分为急性肾小球肾炎和慢性肾小球肾炎两种类型。
本文将通过一名临床案例，详细分析肾炎的病例并进行临床路径分析。
1. 病例介绍该病例为一名32岁男性患者，主诉肾区疼痛、尿液发黄并有少许血尿。
经过详细询问病史和身体检查，发现该患者在近期有过上呼吸道感染的病史。
尿液常规检查显示尿蛋白3+，血尿素氮（BUN）和血肌酐（Cr）水平正常。
2. 临床诊断根据该患者的病史和尿液检查结果，初步诊断为急性肾小球肾炎。
为了进一步确认诊断，实验室检查被安排。
血清抗链球菌溶血素O （ASO）和抗DNA酶B抗体（ADB）水平均正常。
肾活检进一步证实了诊断。
3. 病因分析针对该患者急性肾小球肾炎的病因进行分析，急性肾小球肾炎通常是由链球菌感染引起的，尤其是A型链球菌。
然而，本例中患者经过相关实验室检查排除了链球菌感染。
进一步检查发现该患者存在其他感染灶，如上呼吸道感染，提示该病例可能是由其他病原体引起的继发性肾小球肾炎。
4. 临床路径分析基于该病例的临床表现和实验室检查结果，制定了相应的临床路径。
在该临床路径中，首先对症状进行缓解治疗，包括提供充足的水分和适当的休息。
其次，使用抗生素治疗上呼吸道感染，以消除已知的感染源。
肾脏保护治疗也是临床路径中的重要环节，包括限制蛋白质和钠盐的摄入，用药物控制血压及尿蛋白。
此外，还需要定期进行复查，以监测疾病的进展情况。
5. 预后与后续治疗建议根据该病例的情况，急性肾小球肾炎的预后通常是良好的。
然而，患者仍需要遵循长期的管理方案，包括定期随访和复查。
此外，慢性肾小球肾炎的发展可能会引起肾功能损害，因此需要关注患者的肾功能，进行必要的监测和干预措施。
总结：通过以上肾炎病例分析与临床路径分析报告，我们可以看到临床路径分析在指导患者的治疗和预后方面起到了重要的作用。
该报告通过详细的病例描述、病因分析和临床路径制定，为医生提供了有力的依据和指导，有助于提高治疗效果和患者的生活质量。
肾炎诊断问题分析摘要本文解决的是如何根据就诊者体内各种元素的含量，判别就诊者是否患有肾炎，并找出影响人们患肾炎的主要因素，以便减少化验的指标，减少检查费用。
为解决此问题，我们建立了加权马氏改进模型和模糊模式识别模型来判别就诊者是否患有肾炎，并用神经网络对这两个模型的检验结果进行验证；建立了fisher 判别模型找出影响人们患肾炎的主要因素。
对于问题一：我们建立了加权马氏距离判别模型和模糊模式识别模型来验证1-60号就诊人员的健康状况，然后与实际情况对比，得出这两种模型的准确度都达到了93.33%.对于问题二：我们用问题一中的两种方法对就诊人员进行判别。
用加权马氏判别法得到14人患有肾炎，用模糊模式识别得到11人患有肾炎。
两种判别方法都得出：病例号为61,62,64,65,66,67,68,69,72,73,76的就诊人员为肾炎患者，但对病例号为79,83,85的就诊人员判断不一致，用加权马氏判别模型判断，认为79,83,85号为患者，但用模糊模式识别模型判断这三位是健康的。
对于问题三：我们通过fisher判别法得出每种元素对人们患肾炎的影响权重。
发现将K，Zn，Fe三种元素剔除后，对结果的检验准确度仍能达到93.3%，将Na 剔除以后准确度变为90.0%，所以我们认为Na，Mg，Cu，Ca的含量是影响人们患肾炎的关键因素。
对于问题四：我们由第三问得到的结论，把影响人们患肾炎的关键元素作为主要指标，重复问题二的过程，得到的结果是61,62,64,65,66,67,68,69,72,73，76的就诊者为肾炎患者，病例号为79,83,85的就诊人员仍然不能确定。
对于问题五：我们将问题二和问题四中的结果进行横向和纵向对比，发现加权马氏改进法和模糊模式识别在剔除了K，Zn，Fe三种元素后，对于待检验的61-90号就诊人员，患肾炎的病号和健康病号没有发生变化，说明我们对影响人们患肾炎的关键因素的判断很准确。
关于肾炎诊断的数据分析方法摘要肾炎是一种比较常见的疾病，早期症状常不明显，容易被忽略，发展到晚期可引起肾功能衰竭，严重威胁病人的健康和生命，是引起肾功能衰竭最常见的原因，必须早发现早治疗。
本文就肾炎病人和健康人的化验结果进行处理，是否患有肾炎与就诊者体内微量元素的含量有关，科学的判定方法可以及时对就诊者的身体情况给予正确的判定.本文根据附件所给数据，就此分析就诊者体内Zn, Cu, Fe, Ca, Mg, K, Na 七种微量元素含量，说明影响肾炎的主要元素。
并由此建立模型确定元素的影响程度。
最后评价模型，分析如何更实际的判断是否患有肾炎。
对于问题1，我们采用Logistic 回归方程()011....1qk k q e p q x x eβββ==++++，求出7中元素在对人体中是否患有肾炎时健康概率。
分析模型计算出其健康概率，再与概率值0.5 比较，即可以判断就诊者是否患有肾炎.若p <0.5，则表明就诊者患有肾炎，否则，就表明就诊者健康.对于问题2，我们采用马氏距离判别法是将表B.1中的结果分为肾炎病人A 组和健康人B 组，化验结果j c 是一个p 维的样品，这里定义(,),(,)D c A D c B 为样品c 到A 组、B 组的距离，这样通过比较(,),(,)D c A D c B 两值的大小就可以判断样品c 是属于A 组还是B 组；样品c 到A 组和B 组的马氏距离分别为：11111222(,)()(),(,)()()D c A c c D c B c c μμμμ--'=--'=--∑∑；其中，1212μμ∑∑，，，分别为总体A 和B 的均值和协方差。
则判别函数y 为：11112212()(,)(,)()()()();y x D c A D c B c c c c μμμμ--=-''=-----∑∑当()0y x <时，样品c 靠近A ，c 属于A ；当()0y x >时，样品c 靠近B ，c 属于B 。
肾炎的诊断摘要一、问题重述1.1 问题背景到医院就诊的时候，一般都要进行血检，尿检等化验，通过化验某些指标来协助医生的诊断。
诊断就诊人员是否患肾炎时通常就要化验人体内各种元素的含量。
通过各种相关元素的含量，医生可以初步鉴别就诊人员是否患有肾炎。
现有某医院某些肾炎病例的化验结果，表B.1是确诊病例的化验结果，其中1－30号病例是已经确诊为肾炎病人的化验结果；31－60号病例是已经确诊为健康人的结果。
表B.2是就诊人员的化验结果。
1.2 需要解决的问题题目中的附录给出了确诊病例的化验结果和就诊人员的化验结果，根据这些信息，我们需要通过采用数学建模的方法来帮助解决一下问题：问题一：根据表B.1中的数据，提出一种或多种简便的判别方法，判别属于患者或健康人的方法，并检验你提出方法的正确性。
问题二：按照问题一提出的方法，判断表B.2中的30名就诊人员的化验结果进行判别，判定他（她）们是肾炎病人还是健康人。
问题三：能否根据表B.1的数据特征，确定哪些指标是影响人们患肾炎的关键或主要因素，以便减少化验的指标。
问题四：根据问题三的结果，重复问题二的工作。
问题五：对问题二和问题四的结果作进一步的分析。
二、问题分析题目中给出了部分确诊病例的化验结果，其中包括了患者和健康人的化验结果。
通过分析这些数据，我们得到了一些相关的信息。
初步分析可知这是一个判别类型的问题，在医学上是一个诊断问题，它的结果有两种，即肾炎病人和健康人，其中影响是否得肾炎的因素有很多，我们要综合考虑这些影响因素，建立评估体系。
2.1问题一的分析根据诊断结果只有两种（是或否）和有多种影响因素，在了解logistic 回归分析的相关功能的基础之上，我们采用了Logistic 回归模型。
假设肾炎病人为 0，健康为1，变量为y,定义了一种概率函数π，其中()11221/,,......,n n p Y X x X x X x π=====在此问题中()()11log 11n y n y ππ≠-⎛⎫≈=⎪=⎝⎭,其中n 是事件发生的次数。
肾炎的诊断摘要本文研究的问题是通过检测人体内各种元素的含量，来诊断就诊人员是否患有肾炎。
我们首先将健康的和患病的人群的体内的相关元素的平均值用∑====B 301)0,1;7,...,2,1(301i ij iy y i x 计算出来,发现体内的元素含量的确和患病有必然的联系。
我们再利用Excel 软件中的logistic 模型对样本做了具体的分析。
( logistic 模型被广泛应用于病理学中,被作为病理学研究的常用模型) 发现各元素的含量与是否患有肾炎之间的确有一定关联，属于线性回归问题。
接着,计算出该线性方程的常量和系数从而完成模型的初步建立。
对于问题一，我们取1-60号为样本，建立线性回归模型，ii ii x b x b x b b x b x b x b b e e p +++++++++= (22110221101)以各元素的含量(1,2,3,4,5,6,7)i x i =为自变量，是否患有肾炎为因变量，用y 表示，当1y =时，表示患有肾炎；当0y =时，表示健康。
然后利用回归统计表、方差分析表、回归参数表中的数据进行分析，来衡量线性回归的拟合度，以及线性方程中各参数的显著性，发现其回归程度较好。
对60例受检者的数据进行判别，若p 大于0.5则判定为患病，若小于0.5则判定为健康。
结果正确率为93.33%。
对于问题二，我们利用问题一中建立的优化模型进行检验，将待诊断的30个病例中各元素的含量代入模型一中，计算出对应的p 值，然后和0.5进行比较，通过对数据分析处理：检验出61、62、64、65、66、68、69、71、72、73、75、76、79、83、85 号就诊人员患有肾炎；63、67、70、74、77、78、80、81、82、84、86、87、88、89、90 号就诊人员是健康的。
对于问题三，由问题一知,这七种元素的回归系数显著性由高到低顺序依次为Ca,Cu,Fe,Mg,Na,Zn,K 。
肾炎诊断方案摘要本文通过对健康患者和正常人体内Zn 、Cu 、Fe 、Ca 、 Mg 、 K 、 Na含量关系的研究，来制定一种标准通过判断这七种元素的含量来协助医生诊断就诊人员肾炎患者还是健康人对于问题一，我们首先引入y 参量，当y=0时表示就诊人员为肾炎患者，当y=1时表示就诊人员为健康人。
我们不是直接对y 进行回归而是引入了概率函数π，取y=0时π=0.25，y=1时π=0.75,对1log ππ-⎛⎫⎪⎝⎭进行回归，建立了logistic 回归模型，然后再从确诊肾炎患者和健康人中分别取出20组进行回归分析得出回归方程为：12345670.8888-0.0003 0.0495-0.0043-0.0008 -0.0021-1l 0.00030.00g 06o X X X X X X X ππ-⎛⎫= +⎝+⎪⎭并进行了残差图分析，再利用剩余的10组确诊肾炎患者和10组确诊健康人进行准确度检验得出准确度为90%。
此外我们还利用马氏距离法求出就诊人员样本x 到总体1A 和2A 的距离差()W x 函数，并利用剩余的10组确诊肾炎患者和10组确诊健康人进行准确度检验得出准确度为90%。
对于问题二分别利用模型一和模型二进行判断，模型一得出61、62、64、65、66、68、69、71、72、73、75、76、79、83、85号就诊人员为肾炎患者剩余的为健康人，模型二得出61、62、64、66、71、72、76、83、85号就诊人员为肾炎患者，剩余的为健康人。
对于问题三，利用统计软件STATA 求出每一个变量对应的P 值然后再利用逐步回归法，首先剔除P 值最大且大于0.05的变量，然后再算出剩余变量的P 值在进行剔除，直到所有剩余变量的P 值都小于0.05则停止剔除。
运用此方法我们最终剔除了1X 、5X 、6X 、7X ，然后再利用问题一中类似方法求出回归方程为2341log 1.03650.04850.00540.0010X X X ππ-⎛⎫=+--⎪⎝⎭，并利用剩余数据进行计检验得出准确度为90%。
肾炎诊断的建模分析摘要本文通过对人体内的七种元素含量进行分析，并对肾炎病人和健康人的化验结果进行处理，采用LOGISTIC回归模型，能够准确确诊就诊人员，对30名就诊人员进行了确诊并对此方法的正确性进行了检验和比较。
为了减少化验指标，通过t检验对化验结果进行显著性检验，从中找出影响人们患肾炎的关键因素Zn、Fe、Ca、Mg。
然后我们对减少化验指标前后对30名就诊人员进行确诊的结果作了进一步的分析，并对问题一、二中的诊断结果进行比较。
最后我们将模型进行改进，将人们患肾炎的4种关键因素再次简化，去掉其中一种元素，再用对照组进行检验，比较各种情况的准确率。
本文利用LOGISTIC回归模型解决了问题，对于问题一，我们运用SPSS得到拟合函数，并用对照组进行检测，准确率为85%；对30名就诊人员的诊断结果为15名患病，15名健康。
对于问题二，我们运用t检验，排除非关键因素，得到影响人们患肾炎的关键因素Zn、Fe、Ca、Mg，再用SPSS得到拟合函数，并用对照组进行检测，准确率为100%；对30名就诊人员的诊断结果为14名患病，16名健康。
对于问题三，我们通过对问题一、二中的判别结果的比较分析，在此基础上，我们对医生在临床上就肾炎诊断方法的科学性进行了进一步证实，并依据人体内各种元素的供需和影响人们患肾炎的关键因素对肾炎病人的饮食给出了合理的建议。
关键字：LOGISTIC回归显著性检验肾炎诊断1.问题重述人们到医院就诊时，通常要化验一些指标来协助医生的诊断。
诊断就诊人员是否患肾炎时通常要化验人体内各种元素含量。
表B.1是确诊病例的化验结果，其中1－30号病例是已经确诊为肾炎病人的化验结果；31－60号病例是已经确诊为健康人的结果。
表B.2是就诊人员的化验结果。
本文需解决的问题：问题一:根据表B.1中的数据，提出一种或多种简便的判别方法，判别属于患者或健康人的方法，并检验你提出方法的正确性。
按照提出的方法，判断表B.2中的30名就诊人员的化验结果进行判别，判定他（她）们是肾炎病人还是健康人；问题二:根据表B.1的数据特征，确定哪些指标是影响人们患肾炎的关键或主要因素，以便减少化验的指标。
按照提出的方法，判断表B.2中的30名就诊人员的化验结果进行判别，判定他（她）们是肾炎病人还是健康人；问题三:对问题一二中的判别结果进行分析。
2.模型的假设与符号说明2.1 模型假设假设 1:假设题目中所给的数据都是真实可信的，且化验过程中没有错误；假设2:假设是否患肾炎只与题目中所给的元素的含量有关，与其他元素在人体内的含量没有很大关系；假设 3:假设人体内各种元素含量对是否患肾炎的影响是相互独立的；假设 4:人处于健康状态时，体内各种元素的百分比含量是相对稳定的；假设 5:医院提供的确诊病例的化验结果和就诊人员的化验结果都是准确的；假设 6:假设题目中所给的样本只患肾炎或只是健康体，没有其他疾病影响。
2.2 模型的符号说明3.问题分析对题中数据进行初步分析，不难发现，无论肾炎患者还是健康人，就不同的人体内相同的元素而言，其含量都是随机的在某个值上下小范围内波动，并使得肾炎患者和健康人之间产生了覆盖现象，可见，分析一种元素是不行的；另一方面，就相同人体内不同的元素而言，由于各种元素同处于人体这个有机整体，它们相互依存，相互制约，即客观上存在一定的联系，却又有明显的不确定性，若能寻找隐藏在随机性后面的统计规律性，确定这种相关关系，问题就可获解。
由上述分析可知，本文的首要任务是对表B.1中的数据进行处理，由于数据量大，可知属于统计分析问题。
处理的关键是对表B.1中的数据进行总体比较，从中寻找出一种或多种简便的判别方法并用此法对表 B.2中的就诊人员进行确诊。
由此，我们将B.1中病历号为1--20的患者和病历号为51—60的健康人作为实验组，用LOGISTIC回归模型进行拟合，运用SPSS软件得到一个拟合函数，再用表B.1中剩余的20组数据作为对照组进行结果检验。
在减少化验指标时，其关键又要确定哪些指标是影响人们患肾炎的关键或主要因素，我们直接运用t检验，将各种元素含量的显著水平求出。
最后对结果进行分析，得出结论。
4.数据分析各种元素含量对比图如下：根据上表，我们可以看出，肾炎患者体内各种元素的平均含量从大到小依次为：Ca 、Na 、K 、Zn 、Mg 、Fe 、Cu ；非肾炎患者体内各种元素的平均含量从大到小依次为：Ca 、Na 、Mg 、Zn 、K 、Fe 、Cu 。
患肾炎后体内含量增加的元素有：K 、Na ；其余元素含量在患肾炎后均减少。
患肾炎后体内含量差异很大的元素有：Cu 、Fe 、Ca 、Mg 、K 。
5.模型的建立与求解（问题一）5.1 Logistic 回归模型的建立根据某一些参数进行分析的结果，对事物的某一状态进行判断，此模型是根据对人体内Zn 、Cu 、Fe 、Ca 、Mg 、K 、Na 这7种元素含量的化验结果，来对就诊人员是否患有肾炎进行判断。
这里就诊人员的状态是两种（肾炎患者和非肾炎患者），我们定义随机变量Y ，若就诊人员为肾炎患者，定义Y=1，若就诊人员为非肾炎患者，Y=0。
y=p{Y=0}表示该就诊人员健康的概率，设Xi （j=1,2,3…7）为就诊人员体内第i 种元素的含量，则y 为关于自变量Xi 线性函数：{}701y p 0i i i Y x ββ====+∑引入y 的Logistic 变换：ln()1py p=-可以得到Logistic 回归方程为70170111x i ii i ii yyx e e p eeββββ+∑==+==+∑+在已知就诊人员Zn 、Cu 、Fe 、Ca 、Mg 、K 、Na 这7种元素含量的化验结果的基础上，只要根据Logistic 回归分析模型计算就诊人员的健康概率，再与概率值0.5比较，就可以判断就诊者是否患有肾炎，若p>0.5，则该就诊人员为肾炎患者，否则该就诊人员为非肾炎患者。
5.2 Logistic 回归分析判定模型的求解采用给定数据化验的60名已经确诊的人员中选取样本40人（肾炎患者1--20号，非肾炎患者31--50号），将样本数据直接输入SPSS 软件应用最小二乘拟合结果如下表：Variables in the Equationa Variable(s) entered on step 1: x1, x2, x3, x4, x5, x6, x7.由表中数据得回归系数如下：012345675.074,0.522,0.284,0.884,0.072,0.021,0.149,0.036ββββββββ=-==-=-=-===代入函数P ：123456712345675.0740.5220.2840.8840.0720.0210.1490.0365.0740.5220.2840.8840.0720.0210.1490.0361x x x x x x x x x x x x x x e p e -+---+++-+---+++=+5.3 Logistic回归分析判定模型检验将抽取样本后剩余20组已确诊的数据，代入验证，结果如下表：根据上表可以看到，此模型分析的结果对于患病的10例判断中有3例（黑体部分）是错误的判断，准确率为7/10=70%，对于健康的10例判断中判断有0例错误判断，准确率为10/10=100%，总体判断准确率为17/20=85%。
由此验证我们建立的模型是可行的。
利用上述模型对30名就诊人员化验结果进行检验，检验结果如下：根据上表可以看到，此模型拟合出的函数对30名就诊人员化验结果的判断中，有15名就诊人员患肾炎，另外15名就诊人员为健康。
6.简化检验指标（问题二）根据数据分析绘制的各种元素含量对比图得知：在给出的七种元素中，非肾炎患者和肾炎患者的化验结果中：Fe、Ca、Mg、K四种元素的含量差别比较明显，Zn、Cu、Na三种元素的含量差别相对比较接近。
这将对我们的检验提供一些假设性指导。
6.1显著性检验：将各组测得的结果求出x s（x为元素含量的平均值，S为元素含量的标准差），经统计学t检验，求得P值，所得数据如下表：由表中数据知，Zn,Fe,Ca,Mg 这几种元素肾炎病人与健康人差异非常显著（其中P 0.01<），而其他元素差异则没有它们显著（其中P 0.01>），因此我们有理由认为，Zn,Fe,Ca,Mg 这几种元素是影响人们患肾炎的关键或主要因素，其它几种元素则为次要因素。
由此，我们有理由认为只需要化验Zn,Fe,Ca,Mg 四种元素的含量即可作出判断。
6.2简化检验指标后的模型求解采用模型一拟合得到数据如下表： Variables in the Equationa Variable(s) entered on step 1: x1, x3, x4, x5. 得到P 的函数为：13451345643.294 1.205 5.0060.3160.428643.294 1.205 5.0060.3160.4281x x x x x x x x e p e ---+---+=+6.3简化检验指标后的模型结果分析：将抽取样本后剩余20组已确诊的数据，代入验证，结果如下：根据上表可以看到，此模型分析的结果对于患病的10例判断中有0例错误的判断，准确率为10/10=100%，对于健康的10例判断中判断有0例错误的判断，准确率为10/10=100%，总体判断准确率为20/20=100%，利用上述简化后的检验指标对30名就诊人员进行检验，检验结果如下：根据上表可以看到，简化检验指标个数后对30名就诊人员化验结果的判断中，有14名就诊人员患肾炎，另外16名就诊人员为健康。
7.对上述结果的进一步分析（问题三）将问题一中所判定的结果与问题二中所判定的结果制成一张表格，如下表：2与4中判定结果的比较：根据上述表格，我们可以看到，问题一中所判定的结果与问题二中的判定结果对病例号为66、79、83、85、87的5名就诊人员所判定的结果有所不同。
之所以会出现这种结果，我们认为由于每个人体内各种元素的含量都会有微小的差异，另外因为人体内各种元素的含量对身体是否健康都会存在一定的影响，只是有些元素的含量对一些疾病的影响较小，排除影响非常小的元素后，拟合后的函数对元素的检验更加精准。
因此，我们认为简化检验指标元素个数后的判别函数比问题一中的判别函数对判定的结果更为准确，而且需要化验出的人体内的元素含量的种类更少，更为简便。
由于Zn,Fe,Ca,Mg这几种元素是影响人们患肾炎的关键或主要因素，因此，肾炎病人必须多进食含这几种元素的食物才能满足机体的正常需求，比如多吃西瓜，牛奶，鸡蛋等等。
另外，肾炎的根本原因是肾脏病变，其滤过能力改变，不能有效的滤过尿液中的蛋白质等含化学元素的有机物，最终导致体内的化学元素流失，并使得尿液的化学成分，ph值等发生改变，可见实际中诊断肾炎病人首选尿常规检查是科学的。
