1. 引言
良好的睡眠质量是非常重要的,睡眠的质量好坏直接影响到次日的精神气质和工作效率,然而,随着现如今社会的快速发展,熬夜的人越来越多,人们的睡眠受到了严重的威胁,睡眠的规律出现紊乱,诱导出一系列疾病 [1] [2] [3] ,人们的健康受到了极大的影响。
本文采用相关性分析,得到与睡眠质量产生直接影响指标,对影响指标拟合多元回归方程,总结出其与睡眠质量的关系;对睡眠状况产生疾病进行分析建立Fisher判别模型 [4] ,得到导致疾病的重要影响因素;据此,提出可行方案降低其患病率。
2. 数据处理
对年龄指标进行分层,分为青年(≤18岁)、中年(>18岁且≤50岁)、老年(>50岁),对性别、分层后的年龄进行量化处理
,
对数据的筛选,本文发现诊断结果中有测试者其睡眠质量、睡眠时间、入睡时间、睡眠效率、睡眠障碍、服用安眠药、日间功能障碍七项指标均为最优值仍判定为患病,因此本文此类诊断结果为异常值数据,将其剔除。
对诊断结果,进行分析得到具有多种交叉病症,因此对诊断结果中病症进行归总,得到十类主要病症,分别为非器质性失眠、复发性抑郁障碍、混合型焦虑和抑郁、焦虑、焦虑障碍、精神分裂、强迫症、双相情感障碍、睡眠障碍、抑郁症。
3. 模型建立
3.1. 相关性分析
由于可靠性是对测试数据的精确以及可信度的数据解释,因此本文认为可靠性与睡眠质量之间不存在相关性,因此本文对剩余因素进行逐步回归得到表1。
由表1可得多元线性回归方程
,分析可知:随着年龄的增大,睡眠质量下降;精神病以及神经紧张系数越大,睡眠质量越差;由于本文对性别指标进行量化,将男性设定为0,女性设定为1,又因为性别这一指标与睡眠质量之间呈正相关关系,因此根据模型可解释为女性的睡眠质量比男性睡眠质量差。
3.2. 判别模型
对已归总的十种主要病症,用SPSS做判别分析 [5] ,将数据分为训练组和测试组,对训练组其所有因素进行检验,得到表2。
由表2可知,睡眠障碍这一因素P值 = 0.689 > α = 0.05,因此认为这一因素与该判别模型无相关性,不对模型的判别造成影响,因此将其剔除,剔除后分析得到每一类病症的Fisher判别函数,表3。
将测试组的数据代入每一个判别函数,求得判别值,通过比较得出最小值,则将测试组数据划分为最小值对应的病症,通过此判别模型测试测试组准确率得到准确率为16.5%。
3.3. 模型优化
由于Fisher判别模型得到的测试准确过低,通过分析其原因发现,十个Fisher函数模型中影响因素相同,对各模型没有识别出其主要的影响因素,对模型的判别造成了误差;Fisher判别模型所判别的值为一个定值,具有绝对性,因此对模型进行改进 [6] 。
对各模型整合提取其重要影响因素,并对各模型进行区间定义,建立多元一次不等式,采用LINGO对各模型进行修正得到表4。
通过此判别模型测试测试组准确率得到准确率为60.78%,修正模型比Fisher判别模型准确率有明显的提高,因此选用修正模型作为最优的判别模型。
Table 1. Coefficient table of various factors
表1.多因素系数表
Table 2. Tests of equality of group means
表2. 群均值相等性检验
Table 3. Classification function coefficients
表3. 分类函数系数
3.4. 交叉病症判断
当确定此测试样本数据符合十类模型中其一,进而要确定该测试者是否属于这类病症的某种交叉病症,因此本文引入欧氏距离作为评判标准;当确定测试样本属于某一类病症后,对此类病症的重要影响因素求算平均值,对样本进行代入求值,求取欧氏距离,比较各类交叉病症的欧氏距离,欧氏距离最小的一类,则确定该测试样本属于该交叉病症。
4. 结论
由模型分析得到,影响疾病产生的重要因素为睡眠时间,其次为睡眠质量,基于优化模型,对睡眠影响因素进行分析,并提出改善意见,得到计划提高健康率,当睡眠时间改善时,其健康指数提高率为47.03%;当睡眠质量、睡眠时间改善时,其健康指数提高率为64.9%;当睡眠质量、睡眠时间、睡眠效率改善时,其健康指数提高率为77.48%;当睡眠质量、睡眠时间、睡眠效率、催眠药物改善时,其健康指数提高率为80.95%。
NOTES
*通讯作者。