基于Cox回归的雷达操纵员认知能力智能化选拔研究

作     者：马晓岩 卢宏亮 张志龙 刘方霆 郭璞 尹海军 朱霞 MA Xiaoyan;LU Hongliang;ZHANG Zhilong;LIU Fangting;GUO Pu;YIN Haijun;ZHU Xia

作者机构：空军军医大学军事医学心理学系军事心理学教研室陕西西安710032 解放军93897部队陕西西安710082 

出 版 物：《空军军医大学学报》 (Journal of Air Force Medical University)

年 卷 期：2024年第45卷第9期

页      面：983-989页

学科分类：100406[医学-军事预防医学] 12[管理学] 1204[管理学-公共管理] 120402[管理学-社会医学与卫生事业管理(可授管理学、医学学位)] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 10[医学] 

基　　金：军委后勤保障部研究项目(22BJZ12,AKJWS221J001) 军委后勤保障部综合计划局“十三五”重大项目(AWS17J012) 

主　　题：智能化选拔 雷达操纵员 认知能力 Cox回归 

摘      要：目的基于Cox回归探讨通过认知能力范式任务测评构建雷达操纵员智能化选拔模型。方法单因素Cox回归纳入22名雷达操纵专业新兵和25名非专业新兵,选取以往选拔方法、智力水平以及空间N-back、三维1-back、精神运动警觉性任务(PVT)的反应时(RT)和正确率(ACC)为自变量,因变量以新兵在新训期间(120 d)首次连续3次专业考核成绩达到良好的日期作为时间变量。多变量Cox回归纳入88名雷达操纵专业新兵和49名非专业新兵,以单因素Cox回归与时间变量显著相关(P0.05)的因素确定自变量,因变量同单因素Cox回归。结果以往选拔方法、3-back ACC、4-back ACC、三维1-back RT、PVT RT共5项因素构成了最终的选拔模型(P0.05)。通过列线图呈现概率预测值,采用Bootstrap法进行验证得出第60、90、120日达标率校准曲线显示选拔模型的预测概率与实际观察值吻合较好。通过受试者工作特征曲线对选拔模型预测效能进行评估,结果显示在第60、90、120日均展现出较好的鉴别能力,其中第60日曲线下面积(AUC)为0.73(P=0.01),95%CI为0.59~0.87,第90日AUC为0.86(P=0.01),95%CI为0.80~0.93,第120日AUC为0.76(P=0.01),95%CI为0.68~0.84;以往选拔方法在第60日AUC为0.55(P=0.44),95%CI为0.42~0.69,第90日AUC为0.60(P=0.05),95%CI为0.51~0.69,第120日AUC为0.61(P=0.02),95%CI为0.51~0.70;比较该选拔模型及以往选拔方法AUC之间的统计学差异结果显示第90日及第120日的AUC差异显著(P0.05),表明该选拔模型的鉴别能力优于以往选拔方法。决策曲线分析法显示该选拔模型曲线绝大部分在以往选拔方法曲线的上方,且阈值宽度更广,表明相比以往选拔方法,用该选拔模型挑选雷达操纵专业兵会得到更大的净收益。结论本研究构建的选拔模型对专业绩效情况反馈更加精确,能有效降低选拔风险与时间成本。