基于logistic回归与决策树模型的母乳喂养影响因素分析

石河子大学医学院护理系( 832000) 任海燕 梁 雨 左彭湘

【提 要】 目的 利用logistic回归和决策树交互检测(chi-squared automatic interaction detector，CHAID)对母乳喂养的影响因素进行分析，为未来社区开展干预提供更有利的科学依据。方法 抽取新疆某地区社区截至2017年3月前0～24月婴幼儿的母亲448名，进行母乳喂养影响因素的问卷调查，分别建立决策树模型和logistic回归模型，分析并比较两种分析方法结果的差异性。结果 logistic回归结果显示产假时间、母乳喂养知识水平和母乳喂养自我效能水平是影响母乳喂养的主要因素，其中母乳喂养知识和自我效能是提高母乳喂养率的保护因素(OR=0.834，P<0.001；OR=0.976，P=0.007)。决策树模型分析结果显示母乳喂养知识、母乳喂养自我效能和社会支持是母乳喂养的影响因素，其中母乳喂养自我效能是最主要因素。两种模型分析结果比较显示，决策树模型的分析正确率(80.3%)高于logistic回归模型(73.4%)。结论 母乳喂养的影响因素众多，可主要通过提高母乳喂养知识、技能，增强自信心促进母乳喂养行为。决策树模型在母乳喂养影响因素评估方面具有较高的应用价值。

母乳是婴儿最佳的食品，母乳喂养在婴幼儿生命最初两年尤为重要，在改善儿童生存状况，促进儿童健康成长、发育方面起决定性作用。最新报告显示，全球的母乳喂养率约为40%，估计每年因营养不良造成270万名儿童死亡，占儿童死亡总数的45%[1]，于社会是很大的疾病负担，其现状不容乐观，造成上述结果的一个重要因素是母乳喂养率低。本次调查除将一般人口学资料及社会经济学因素作为影响因素以外，将母乳喂养知识态度、自我效能、社会支持三个重要内容纳入因素分析中，数据采用logistic回归分析方法[2]和决策树CHAID算法[3]两种方法进行分析比较，期望获得更精准的结果，为未来制定政策及社区开展干预提供更有利的科学依据。

资料与方法

1.研究对象 抽取新疆某地区社区截至2017年3月前0～24月婴幼儿的母亲为研究对象，发放问卷480份，有效问卷448份，有效回收率为93.3%。

2.一般人口社会学特征变量赋值见表1。

3.研究方法

(1)调查内容：采用横断面调查法，调查内容包括：一般人口学资料(地区、有无职业、年龄、民族、宗教信仰、学历)，社会经济学资料(家庭月收入、医疗付费方式、产假时间、分娩方式、分娩次数)；母乳喂养知识表；自我效能量表；行为态度量表；社会支持量表。以上量表均经过信效度检验，检验效果良好。

(2)数据统计分析方法：采用EpiData 3.1软件建立数据库，数据双录入并进行一致性检验，采用SPSS17.0统计软件对资料进行CHAID算法分析和非条件logistic回归分析，检验水准α=0.05。

表1 一般人口社会学特征赋值表

(3)决策树CHAID算法分析

将母乳喂养影响因素进行CHAID算法分析，规则如下：(1)树的生长:生长“枝条”分割显著性水准α=0.05；(2)树的修剪：采用预修剪方法，设定决策树生长层数为2层，停止规则为α=0.05，母节点最小样本量为100，子节点为50，如果结点上的样本量达不到此要求，则该结点为终末结点，不再进行分割。

结 果

1.一般情况 共有448名0～24个月婴幼儿母亲，年龄为(27.9±5.4)岁。

2.决策树模型分析见图1，决策树生长2层，共有4个终末结点。结果显示母乳喂养知识、母乳喂养自我效能和社会支持是影响母乳喂养的影响因素，首层为母乳喂养自我效能，表明自我效能与母乳喂养的相关性最高，自我效能越高越能促进母乳喂养；在低自我效能中对母乳喂养影响最显著的是低的社会支持水平，因社会支持的降低导致自我效能减弱；在高自我效能中对母乳喂养影响最大的是母乳喂养知识水平，产妇母乳喂养知识水平越高的越能进行母乳喂养。

图1 母乳喂养影响因素的决策树CHAID算法分析

3.母乳喂养影响因素的非条件logistic回归分析

以是否母乳喂养为因变量，地区、有无职业、年龄、民族、宗教信仰、学历、家庭月收入、医疗付费方式、产假时间、分娩方式、分娩次数、爱人对母乳喂养的态度、母乳喂养知识水平、母乳喂养行为态度水平、社会支持水平和母乳喂养自我效能水平为自变量，建立非条件 logistic 回归模型，进行非条件logistic回归分析，结果见表2；结果显示年龄、产假时间、母乳喂养知识水平和母乳喂养自我效能水平是母乳喂养的主要影响因素，其中年龄、母乳喂养知识和母乳喂养自我效能是进行母乳喂养的保护因素。

4.两种模型分析结果的比较

(1)本研究中地区、有无职业、民族、宗教信仰、学历、家庭月收入、医疗付费方式、分娩方式、分娩次数和爱人对母乳喂养的态度等因素都被剔除，一致显示以上均不是该地区母乳喂养的影响因素。logistic回归结果显示年龄、产假时间、母乳喂养知识水平和母乳喂养自我效能水平是影响母乳喂养是否持续的主要因素；决策树模型分析结果显示母乳喂养知识、母乳喂养自我效能和社会支持是母乳喂养的影响因素，其中母乳喂养自我效能是最主要因素。logistic回归和决策树模型的模型分类正确率分别为73.4%和80.3%，在正确分类准确度方面决策树模型高于logistic回归模型。

表2 影响母乳喂养的多因素 logistic 回归分析

(2)以logistic回归模型与决策树模型的预测值作为状态变量，分别绘制ROC曲线，如图2所示。ROC曲线在机会线的上方，logistic回归模型的ROC曲线有些许锯齿状，而CHAID决策树模型的ROC曲线相对平滑。从表3中的结果可以看出，logistic回归模型ROC曲线下面为0.789，CHAID模型ROC曲线下面积为0.757，且均在0.5以上，表明两个模型的分类效果有实际意义，并且模型分类均具有一定的准确性。

表3 logistic回归和分类决策树模型的分类效果比较

讨 论

1.本研究显示，无论采用决策树模型或logistic模型分析，自我效能都是影响母乳喂养的主要因素，本研究中高自我效能组的母乳喂养率显著高于非母乳喂养组(F=78.939，P<0.001)，与多项研究结果一致[4-6]。产褥期对产妇和婴儿来说是一个特殊的阶段，产妇是否要母乳喂养婴儿完全取决于产妇的个人意愿，本研究发现导致母乳喂养自我效能下降的主要原因是缺乏母乳喂养方面的技能及母乳喂养的相关知识，母亲在母乳喂养态度方面有一致性的认识，也接受母乳喂养的方式，但对母乳喂养的具体知识和技巧了解甚少，这是造成母亲母乳喂养不能完成的原因。未来社区干预可增加对母乳喂养宣传力度，制定母乳喂养宣传手册，尤其是对母乳喂养的优点和喂养技巧进行宣传和技能培训，有针对性地改善母乳喂养自我效能，提高母乳喂养率。

2.本研究从决策树模型结果来看，社会支持对母乳喂养自我效能有直接影响进而影响母乳喂养，这与logistic回归结果并不矛盾。产妇的社会支持主要来源于单位产假时间的长短以及家庭和朋友是否支持的态度。产假时间的长短决定了产妇是否能亲自照顾婴幼儿，这是由客观因素决定的，时间越短越不利于母乳喂养的实施；产妇是否母乳喂养取决于产妇的主观意愿，而情感支持显得尤为重要，相比于分娩后，产妇与外界的交往活动明显减少，家庭的支持力量占主要地位[7]，当母乳喂养出现压力和困难时，产妇易出现焦虑、抑郁等负性情绪，需要来自家庭或其他社会成员给予的支持和帮助，产妇会感到“被关心和支持”，有助于产妇减缓压力，增强自信，获得动力。因此，在未来进行孕期母乳喂养宣教时，对其家庭成员的宣教也是必不可少的，让家庭成员积极参与到母乳喂养当中，学会理解和分担产妇的压力，使产妇保持健康、乐观的心情，才会获得坚持母乳喂养的动力，产妇将更有意愿完成母乳喂养。

3.根据两模型的参数和ROC曲线比较，说明决策树能够有效地应用于母乳喂养影响因素的数据分析。

logistic回归分析旨在表现某变量的主效应，反映了年龄、产假时间、母乳喂养知识和自我效能是影响母乳喂养的主要因素，其中年龄、母乳喂养知识和自我效能是母乳喂养的保护因素(OR=0.512，P=0.005；OR=0.834，P<0.001；OR=0.976，P=0.007)，产假时间短是危险因素(OR=1.657，P=0.003)。虽然logistic回归能反映母乳喂养率与各自变量间的依存关系，但是并没有针对性地分析并且直观地反映各个影响因素对母乳喂养的重要程度。决策树不受变量间共线性的影响，在提取自变量的过程中变量间是相互独立的，影响因素间潜在的交互作用能被很好地体现出来[8-9]。就本研究来讲，划在决策树首层的因素为母乳喂养自我效能，表明自我效能与母乳喂养的相关性最高，自我效能越高越能促进母乳喂养；第二层则显示变量间交互关系，自我效能是影响母乳喂养的主要因素，然而母乳喂养知识和社会支持是影响自我效能的主要因素。由于决策树对分类效果的控制是根据实际数据进行控制的，会随着叶子节点数的多少而产生变化，因此欠缺稳定性，不能进行主效应分析。

两种模型在不同的领域应用广泛，各有其优缺点。本研究中影响母乳喂养的因素众多，可以主要通过提高母乳喂养知识、技能，增强自信心促进母乳喂养行为，对未来母乳喂养率的提高十分有意义，决策树模型可以从多方面反映影响母乳喂养的因素及作用，在母乳喂养影响因素评估方面具有较高的应用价值。