艾滋病疗法的评价及疗效的预测2

学院：数学与统计学院专业：数学与应用数学年级：2005级姓名：程为民学号：222005070101092艾滋病疗法的评价及疗效的预测摘要本文通过对大量艾滋病患者用药情况调查数据的分析处理，建立了数据的统计分析及推断模型，对不同数据按照实际情况进行合理分类。根据建立的模型比较艾滋病各种不同疗法的优劣，并通过多项式拟合的方法做出药物治疗的拟合曲线以预测其治疗的最佳终止时间以及疗效。最后综合病人自身经济条件，利用图像选择出一种疗效佳、成本又低的疗法，实际可行性很高！接着还对模型的稳定性、误差作了深入的分析，评价，并且做出细致的灵敏度分析，还有对模型优缺点的分析讨论也十分客观、实际，据此做出的改进使模型的预测、评价结果更准确，更科学！本文还适当利用图形进行比较，增强问题分析解说的力度和真实准确性！关键词多项式拟合统计分析分类处理一问题的提出当前人类社会最严重的瘟疫之一（艾滋病）。全名为“获得性免疫缺损综合症”，英文简称AIDS，它是由艾滋病毒（英文简称HIV）引起的。破坏人的免疫系统，使人体丧失抵抗各种疾病的能力，从而严重危害人的生命。从1981年发现以来的20多年间，它已经吞噬了近3000万人的生命。如何有效防治及治疗艾滋病已经成为社会关注的焦点。首先让我们了解一下治疗机理：人类免疫系统的CD4细胞担任着“门卫”的工作。在抵御HIV的入侵中有重要作用，当CD4被HIV感染而裂解时，CD4数量会急剧减少，HIV将迅速增加，导致AIDS发作。因此艾滋病的治疗方向：是尽量减少人体内HIV的数量，同时产生更多的CD4，至少要有效地降低CD4减少的速度，以提高人体免疫能力。迄今还没有找到能根治AIDS的疗法，目前的一些AIDS疗法不仅对人体有副作用，而且成本也很高。人类很需要寻找一个疗效佳、成本低的AIDS疗法。在寻找疗法的过程中，我们需要根据收集到的数据统计分析来预测继续治疗的效果及确定最佳治疗终止时间。并对目前常用的几种疗法进行比较分析、评价优劣，并得出成本与疗效兼优的疗法。二问题分析该问题是一个通过实验数据，预测AIDS疗法治疗效果和寻找最佳治疗终止时间的问题。在对数据进行分析后，考虑到数据量大，我们决定采用平均值为基本数据进行拟合。对附件一的数据进行处理：去除其中的不完全数据，计算出在各周CD4和HIV浓度的平均增量，从而得到两组数据，进而用Matlab软件进行多项式拟合处理，根据得到的拟合曲线进行预测和分析，继而确定最佳治疗终止时间。对附件二的数据进行处理：有些病人的测量只有初始数据，因而看不出疗效，对于这类数据我们予以排除，这样可以避免造成较大的误差。然后再对四种疗法分别按照不同年龄段（30岁以下，30—40，40岁以上）进行分类统计处理，计算出各组病人在各测试周体内CD4的平均增量，得到12组数据，对其按年龄段分为三组，运用Matlab软件进行多项式拟合处理，根据得到的拟合曲线比较各种疗法疗效的优劣，并对较优的疗法预测继续治疗的效果，确定最佳治疗终止时间。最后结合各种疗法的价格对这四种疗法进行综合评估。三模型基本假设及说明1.我们假设采集的数据科学合理，有代表性，不受地域等因素影响或者说这种影响所造成的误差可以忽略不计！2．数据处理时，排除掉了极个别的不完全数据，由于原始数据的随机性，因此并不影响用于计算的数据的合理性。3．在预测药物疗效的过程中，只以CD4或HIV的浓度为标准，而不考虑其它因素的影响。4．在比较四种疗法，评价优劣，对附件二进行数据处理时，将第8n周及其前后相差一周左右所测得的数据统一看作是在第8n周测得的。（n=0、1、2、3、4）5．附件二中，同一年龄段病人的身体素质视为在同一水平线。6.考虑药品价格时，不考虑由于不同地区的运输而造成的价格差异和改变。7.治疗过程中，不考虑病人因别的原因服用其它药物是否会影响测试结果。四模型的建立及求解问题一：将附表1中的不全数据去除，统计出在0周和3周都有数据的病人，用这些病人在第3周的CD4的平均值减去在第0周的值，得出CD4平均增量Z3，用其在第0周的HIV平均值减去在第3周的平均值，得出HIV的平均减少量J3。再统计出在第0周和第4周都有数据的病人，用这些病人在第4周的CD4的平均值减去其在第0周的平均值，得出平均增量Z4，用其在第0周HIV的平均值减去在第4周的平均值，得到HIV平均减少量J4…这样重复下去,便得到两组数据:Z3，Z4，Z5…Z42和J3，J4，J5…J42.(若某组病人数量少于10人，则不记这组数据)。数据为：时间（周）CD4增量平均值HIV增量平均值000343.245283021.898449.746724891.834361233546.311475411.929787234764.983606561.984745763868.615384622.114720812976.378461542.25961538522831.823110.968752.2491803282496.384057972.262584.593220342.4836363642656.538461541.3853882.62.06428571439130.34615382.22553191540113.62765962.37469879541100.79411761.795454545考虑到CD4增量平均值比相应的HIV增量大很多倍，作出图形后不便于观察两者的关系，故做出如下处理：将每个CD4增量平均值分别除以其增量平均值的最大值，记为A，（用同样的方法处理HIV增量平均值，记为B），得到相应的表格：时间（周）AB00030.7642020.33177240.7385790.38165150.7770010.35529670.7991290.49854680.8514620.52640990.9098010.585966220.7247440.636766230.90560.851339240.9099560.7394472510.648989260.557650.433756380.8311550.633697390.8960781400.9561380.871737410.7229140.77328再以这两组数据的代号的数字为自变量，以这两组数据为函数值进行多项式拟合。以下为所编程序：x=[345789222324252638394041];y1=[0.7642020.7385790.7770010.7991290.8514620.9098010.7247440.90560.90995610.57650.8311550.8960780.9561330.722914];y2=[0.3317720.3816510.3552960.4985460.5264090.5859660.6367660.8513390.7394470.6489890.4337560.63369710.8717370.77328];q5=polyfit(x,y2,5),p5=polyfit(x,y1,5);disp('5次拟合'),poly2str(q5,'x')poly2str(p5,'x');xx=3:0.1:47;y25=polyval(q5,xx),y15=polyval(p5,xx);plot(x,y1,'r-*',x,y2,'g-*',xx,y25,'k-.',xx,y15);运行此程序所得图像如下：图1-1图1-2说明：红色实线表示CD4原始数据连线图象，蓝色实线表示其5次拟合曲线；绿色实线表示HIV原始数据连线图象，黑色虚线表示其5次拟合曲线。分析：由图像1-1易知两条拟合曲线呈正相关，可以看出在约40周以后，CD4的增加量减小，且减小速度越来越快；同时HIV的减少量越来越少，且减小速度越来越快。由图1-2看出：在40周以后图像不再有上升趋势。所以40周以后药物疗效逐渐变差甚至完全失去疗效。由此可以确定最佳治疗终止时间为40周左右。问题二：将附表二中，数据少与三组的病人的数据删除。将余下的数据按疗法分为4组。再将每组中的数据按年龄段进行分组（30岁以下，30岁到40岁，40岁以上）。对每组中的数据进行如下处理：找出在第0周和在第7—9周都有数据的病人，用这些病人在第7—9周CD4数据的平均值减去其在第0周的平均值，得出数据ZZkmn(ZZ仅为代号；k为周数代号：0代表第0周，1代表在第7--9周，2代表第15--17周，3代表在第23--25周，4代表在第31--33周，5代表在第38周以上；m为疗法代号：1代表疗法1，2代表疗法2，3代表疗法3，4代表疗法4；n为年龄段代号：1代表30岁以下，2代表30岁到40岁，3代表40岁以上的)。再找出在第0周和第15—17周都有数据的病人，在第0周和第23--25周都有数据的病人，在第0周和第31—33周都有数据的病人，第0周和第38周以上都有数据的病人，并分别进行和上边相同的处理。这样便得出12组数据。以数据代号中的k为自变量，数据为函数值进行拟合。（每类中的四组数据的图画在同一个图中以便于比较，令ZZ0mn=0）年龄在30以下的：时间（周）CD4增量疗法1疗法2疗法3疗法4000008-0.20502-0.114920.081880.33017416-0.37448-0.1332-0.02540.46991924-0.37879-0.17657-0.294950.23397532-0.38001-0.41425-0.220340.38277640-0.92773-0.346620.116718-0.06997表2-1多项式拟合程序如下：x=[0816243240];y130=[0-0.205019512-0.374481818-0.378794286-0.380005882-0.92773];y230=[0-0.114917241-0.133197436-0.176572414-0.414245161-0.346622222];y330=[00.08188-0.025397059-0.294948387-0.220340.116718182];y430=[00.330173810.4699189190.2339750.382776471-0.06997273];p130=polyfit(x,y130,5),p230=polyfit(x,y230,2),p330=polyfit(x,y330,5),p430=polyfit(x,y430,5),poly2str(p130,'x');poly2str(p230,'x');poly2str(p330,'x');poly2str(p430,'x');x7=-1:0.1:45;y1309=polyval(p130,x7);y2309=polyval(p230,x7);y3309=polyval(p330,x7);y4309=polyval(p430,x7);plot(x,y130,'r-*',x7,y1309),title('130');holdon;plot(x,y230,'k-o',x7,y2309);plot(x,y330,'m-*',x7,y3309);plot(x,y430,'g-pentagram',x7,y4309);grid;holdoff运行上述程序得到图像如下所示：图2-1年龄在30—40间的：时间（周）CD4增量疗法1疗法2疗法3疗法4000008-0.10580.0955270.1149860.3459716-0.20003-0.21152-0.051580.28085424-0.40605-0.46709-0.18437-0.0052332-0.59008-0.53904-0.33374-0.0262940-0.56704-0.52004-0.28951-0.31184表2-2多项式拟合程序如下：x=[0816243240];y130=[0-0.105802885-0.20002844-0.406052632-0.590084211-0.56704347