检索结果-内蒙古大学图书馆

作者：许艺博山东大学

学位级别：硕士

研究背景心血管疾病(CardiovascularDisease,CVD)是当前威胁人类健康的重要疾病,其中冠状动脉粥样硬化性心脏病(Coronary HeartDisease,CHD)是临床上常见的心血管疾病类型之一。CHD是由于血管的粥样硬化而引起的冠状动脉狭窄和(或)闭塞... 详细信息

研究背景心血管疾病(CardiovascularDisease,CVD)是当前威胁人类健康的重要疾病,其中冠状动脉粥样硬化性心脏病(Coronary HeartDisease,CHD)是临床上常见的心血管疾病类型之一。CHD是由于血管的粥样硬化而引起的冠状动脉狭窄和(或)闭塞,致使冠状动脉的血管管径改变而影响血流循环,从而引起心肌缺血、缺氧的疾病状态。冠心病的病程发展是一个慢性过程,健康→低危状态→高危状态→早期心血管病变→临床症状→形成冠心病的全过程往往需要几十年时间。因此,有充足时间可以通过健康管理延缓或阻止疾病进展。为此,在心血管病发生的早期阶段,需要构建CHD发病风险预测模型,以发现高危个体并及时针对其特定危险因素实施个性化健康干预,以期尽早预防冠心病发生。而对于已经出现部分疑似冠心病症状的个体,则需要采取简易、廉价、适宜的筛查工具,评估其冠状动脉粥样硬化斑块负荷情况,以便筛选出高危个体,进一步的确诊(冠状动脉造影)。这样不仅可以降低发现高危个体的成本,又可大幅度降低过度医疗。基于此,本研究通过建立CHD随访队列,采用部分分布竞争风险模型,构建了 CHD发病预测模型。同时,以出现症状的疑似冠心病人的冠状动脉造影结果为金标准,采用常规体检指标,构建了廉价、简易的CHD高危个体筛查模型。资料与方法:一、冠心病发病风险预测模型构建基于"山东多中心健康管理纵向观察队列",按以下纳入排除标准构建冠心病风险预测子队列:基线(包括进入基线后一个月内)未患冠心病;体检资料完整;年龄≥20岁。最终纳入73386人(男41968人,女31418人)。在描述性分析的基础上,对经典的冠心病危险因素进行筛选,并选取有统计学意义的指标构建Fine and Gray模型。使用ROC曲线下面积与O/E评估模型,并使用十折交叉法对模型进行内部验证。二、疑似冠心病人的冠状动脉斑块负荷分布谱及高危人群筛查模型选取2014年7月1日-2016年4月29日在临沂市人民医院住院并进行冠状动脉造影,且病例资料完整的患者。共纳入1631人(男1030人,女601人)。在描述性分析的基础上,基于Logistic回归模型分性别调整年龄对判别因子进行筛选。并使用筛选出的判别因子和年龄、是否患高血压、是否患糖尿病、是否血脂异常,以TPS评分、SSS评分、CADS评分、三种评分并联判别和三种评分串联判别为判别准则,构建判别模型。使用ROC曲线下面积AUC对模型判别能力进行评估。研究结果如下:一、冠心病发病风险预测模型构建1.构建的健康管理队列共纳入73386人(男41968人,女31418人),中位随访时间3.10年,共发生冠心病1545例(男958例、女587例),发病密度为5.51/1000 人年(男 5.95/1000 人年,女 4.90/1000 人年)。2.基于竞争风险模型建立了冠心病发病风险评估模型。对于男性,模型的预测因子为年龄、BMI、收缩压、总胆固醇、高密度脂蛋白胆固醇、吸烟和糖尿病,其ROC曲线下面积为0.809(95CI:0.804～0.815),O/E值为0.98;经十折交叉验证,其AUC仍达到0.806(95%CI:0.801～0.812)。对于女性,模型的预测因子为年龄、BMI、收缩压、总胆固醇和糖尿病,模型的AUC为0.869(95%CI:0.863～0.874),O/E值为1.02;经十折交叉内部验证后,其AUC仍达到0.866(95%CI:0.860～0.872)。构建的CHD预测模型预测能力与效果良好。二、疑似冠心病人的冠状动脉斑块负荷分布谱及高危人群筛查模型1.针对经冠状动脉造影检查的1631例(男870人,女422人)疑似冠心病患者,分别采用TPS、SSS和CADS三种评分方法,定量刻画了其冠状动脉硬化斑块负荷情况。结果显示,冠脉狭窄发生率为79.22%(1292/1631),其中男性狭窄发生率为84.47%(870/1030),女性狭窄发生率为70.22%(422/601)。冠状动脉造影分布谱显示,CADS评分在人群中的分布情况显示存在阻塞型冠状动脉病变的人数占62.42%(1018/1631),TPS评分与SSS评分在人群中呈现偏态分布,大致呈现出积分越高人数越少、高分人群占比较低的趋势,47.70%(778/1631)的受检者SSS评分≤5分,74.00%(1207/1631)的受检者TPS评分≤5分。三种评分在不同性别、年龄组间的评分均存在差异。2.基于Logistic回归模型,采用年龄、高密度脂蛋白胆固醇、血红蛋白、直接胆红素、谷丙转氨酶、糖尿病、高血压作为判别因子,分别以TPS评分>5、SSS评分>5、CADS评分出现阻塞型病变、三种评分方式并联判别及三种评分方式串联判别为判别准则,构建了冠心病高危人群筛查模型。对于男性而言

关键词：冠心病疾病预测模型竞争风险冠脉造影疾病筛查模型

来源：评论

学校读者我要写书评

暂无评论

基于临床数据的胃癌筛查模型研究

引用

中国医学物理学杂志 2019年第9期36卷 1095-1102页

作者：杨荣陈誉高红梅陈先来中南大学湘雅医院湖南长沙410078 中南大学湘雅医学院湖南长沙410013 中南大学信息安全与大数据研究院湖南长沙410083 中南大学医疗大数据应用技术国家工程实验室湖南长沙410083

目的:利用临床数据,通过机器学习建立辅助筛选模型,以提高胃癌早期诊断水平。方法:以5585例胃癌(ICD编码为C16*,A组)患者为研究对象,并从57657例非胃部恶性肿瘤(ICD编码为C*,除C16*外)中随机选择6000例(B组),从47225例健康体检者中随机... 详细信息

目的:利用临床数据,通过机器学习建立辅助筛选模型,以提高胃癌早期诊断水平。方法:以5585例胃癌(ICD编码为C16*,A组)患者为研究对象,并从57657例非胃部恶性肿瘤(ICD编码为C*,除C16*外)中随机选择6000例(B组),从47225例健康体检者中随机选择6000例非恶性肿瘤(C组),作为对照。从临床数据中抽取人口学(性别、年龄)、实验室检测(血常规检测、血脂/肝功能、肿瘤相关标志物、Hp等)等信息。利用Pearson相关性分析,对各指标与诊断之间的相关性进行分析。采用独立样本t检验,检测各指标的组间差异性。选择性别、年龄、癌胚抗原(CEA)、粪隐血(FOB)等53项指标作为决策变量,采用决策树算法C5.0,建立胃癌辅助筛查模型。结果:年龄、CEA、CA153等指标与胃癌显著相关(P<0.05)。在A组-B组、B组-C组、A组-C组中,存在组间差异性的指标不相同。通过数据挖掘,得到了包含51条规则的胃癌筛查模型。模型中重要性位于前10的指标依次为CA199、CA153、CEA等。对于训练集、测试集,模型的准确率分别为89.58%、89.14%,曲线下面积为0.809。结论:通过临床数据分析,可以确定胃癌早期诊断的重要指标。利用数据挖掘方法,基于临床数据可以建立胃癌筛查辅助模型,对于胃癌筛查具有良好的辅助价值。

关键词：胃肿瘤疾病筛查模型临床数据决策树

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：