检索结果-内蒙古大学图书馆

中国循证医学杂志 2024年第4期24卷 490-496页

作者：钱迪金志超赵艳芳海军军医大学卫生勤务学系军队卫生统计学教研室上海200433

目的探究构建临床预后预测模型中时间依赖性变量的处理方法,将边际结构模型与临床预后预测模型结合,为患者的个体化预后评估提供更精确的预测工具。方法通过数据模拟,构建样本量为7000的训练数据集、样本量为3000的验证数据集,设置在不... 详细信息

目的探究构建临床预后预测模型中时间依赖性变量的处理方法,将边际结构模型与临床预后预测模型结合,为患者的个体化预后评估提供更精确的预测工具。方法通过数据模拟,构建样本量为7000的训练数据集、样本量为3000的验证数据集,设置在不同随访时间及不同情境下,分别比较忽略治疗模型、基线无治疗模型、基线治疗预测模型和边际结构预测模型的预测效能。结果模拟研究设置2种随访时间点情况(2个、5个时间点),64种不同的治疗变量、时依性协变量、结局变量三者之间关系,共128种模拟情境。2个随访时间点情况下,边际结构预测模型预测效能与基线治疗预测模型预测效能未见明显差别,但均高于忽略治疗模型和基线无治疗模型;5个随访时间点情况下,边际结构预测模型预测效能优于其余三个预测模型。结论观察性队列存在时间依赖性治疗情况,在构建临床预后预测模型时,应该考虑基线后治疗发生变化的情况,否则会降低预后预测模型的预测效能。

关键词：预后预测模型边际结构模型模拟研究

来源：评论

学校读者我要写书评

暂无评论

预测重症缺血性脑卒中死亡风险的模型:基于内在可解释性机器学习方法

引用

南方医科大学学报 2023年第7期43卷 1241-1247页

作者：罗枭程义吴骋贺佳海军军医大学卫勤系军队卫生统计学教研室上海200433

目的构建一种内在可解释性机器学习模型,即可解释提升机模型(EBM)来预测重症缺血性脑卒中患者一年死亡风险。方法使用2008~2019年MIMIC-IV2.0数据库中符合纳排标准的2369例重症缺血性脑卒中患者资料,将数据集随机分成训练集(80%)和测试... 详细信息

目的构建一种内在可解释性机器学习模型,即可解释提升机模型(EBM)来预测重症缺血性脑卒中患者一年死亡风险。方法使用2008~2019年MIMIC-IV2.0数据库中符合纳排标准的2369例重症缺血性脑卒中患者资料,将数据集随机分成训练集(80%)和测试集(20%),构建可解释提升机模型评估疾病预后。通过计算受试者工作特征曲线下面积(AUC)来衡量预测效果,使用校准曲线及布里尔分数(Brier score)评价模型的校准程度,并绘制决策曲线反映临床净收益。结果本研究所构建的可解释提升机具有良好的区分度、校准度和净收益率,其中模型预测重症缺血性脑卒中预后不良的AUC为0.857[95%CI(0.831,0.887)];校准曲线分析结果显示,可解释提升机模型的校准曲线最接近于理想曲线;决策曲线分析结果显示,当该模型预测概率阈值为0.10~0.80时,其预测净获益率最大。基于可解释提升机模型的前5个独立预测变量为年龄、SOFA评分、平均心率、机械通气、平均呼吸频率,其重要性得分从0.179~0.370。结论建立了一个可解释提升机模型,该模型应用于预测重症缺血性脑卒中患者一年内死亡风险具有良好的表现,通过模型可解释性能帮助临床医生更好地理解结果背后的原因。

关键词：重症缺血性脑卒中内在可解释性机器学习可解释提升机死亡预测

来源：评论

学校读者我要写书评

暂无评论

八年制医学统计学课程分模块多元教学模式探讨

引用

中国卫生统计 2024年第5期41卷 775-777页

作者：赵艳芳秦婴逸金志超何倩王睿吴骋海军军医大学卫生勤务学系军队卫生统计学教研室 200433

信息技术的突飞猛进,带动着教学手段的改革。国家精品课程、精品资源共享课、MOOC等教学手段颠覆了学生只能在课堂学习的教学模式。以不同方式进行的混合式教学正在逐渐替代传统课堂教学。混合式教学主张将传统的面对面教学的优势与数... 详细信息

信息技术的突飞猛进,带动着教学手段的改革。国家精品课程、精品资源共享课、MOOC等教学手段颠覆了学生只能在课堂学习的教学模式。以不同方式进行的混合式教学正在逐渐替代传统课堂教学。混合式教学主张将传统的面对面教学的优势与数字化教学的优势结合起来,二者优势互补,从而取得更佳的教学效果,成为国内外高等教育发展的重要趋势[1]。

关键词：精品资源共享课多元教学模式国家精品课程数字化教学混合式教学传统课堂教学信息技术高等教育

来源：评论

学校读者我要写书评

暂无评论

基于肠道菌群的帕金森病早期预测模型建立及生物信息分析

引用

中华疾病控制杂志 2024年第9期28卷 1096-1103页

作者：何长颖韦雨婷陈佳陆军军医大学军事预防医学系军队卫生统计学教研室重庆400038

目的探究基于肠道菌群对人群未来患帕金森症(parkinson′s disease,PD)的早期预测模型进行构建与评价,并对肠道菌群宏基因KO组进行功能分析,探讨PD的潜在治疗靶点。方法基于Zenodo数据库,一方面对肠道菌群相对丰度数据进行标准分数标准... 详细信息

目的探究基于肠道菌群对人群未来患帕金森症(parkinson′s disease,PD)的早期预测模型进行构建与评价,并对肠道菌群宏基因KO组进行功能分析,探讨PD的潜在治疗靶点。方法基于Zenodo数据库,一方面对肠道菌群相对丰度数据进行标准分数标准化及ZicoSeq降维,采用基于自适应最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)变量选择的logistic回归算法建立预测模型,使用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)和校准曲线评价模型预测效能,采用临床决策曲线(decision curve analysis,DCA)进行临床使用价值的评价;另一方面,对肠道菌群宏基因KO组数据使用limma包鉴定差异表达基因(differentially expressed genes,DEGs),对DEGs进行基因本体(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)分析。通过结合蛋白质相互作用网络(protein-protein interaction networks,PPI)、支持向量机-递归特征消除(support vector machine-recursive feature elimination,SVM-RFE)和随机森林(random forest,RF)对DEGs进行筛选。结果基于自适应LASSO变量选择的logistic回归分析模型的ROC曲线以及校准曲线显示模型预测效果良好。DCA结果显示模型净收益较大。通过PPI网络分析及机器学习方法,最终筛选出6个核心DEGs,即阿拉伯糖转运系统渗透蛋白(L-arabinose operon Q,araQ)、甘油醛-3-磷酸脱氢酶,Ⅱ型、dCTP脱氨酶(dCTP deaminase,dcd)、颗粒19 kDa蛋白(signal recognition particle 19,SRP19)、加工前体5,核糖核酸酶P/MRP亚基(芽殖酵母)[processing of precursor 5,ribonuclease P/MRP subunit(***),POP5]、肌醇-3-磷酸合酶1(inositol-3-phosphate synthase 1,ISYNA1)。结论基于自适应LASSO变量选择的logistic回归分析模型对PD的预测具有优势,从而实现对PD患者的早发现、早干预、早治疗;相关核心基因的发现为PD的治疗提供科学指导和帮助。

关键词：帕金森病肠道菌群机器学习生物信息学分析

来源：评论

学校读者我要写书评

暂无评论

三种缺失机制下数据模拟方法及其SAS实现

引用

中国卫生统计 2024年第5期41卷 762-765页

作者：朱荣慧秦婴逸吴骋海军军医大学卫生勤务学系军队卫生统计学教研室 200433

目的研究真实世界研究中连续型结局变量下多个协变量缺失的数据模拟方法,以期为缺失值填补方法的模拟研究提供参考。方法基于多元线性回归模型和三种缺失机制的定义,模拟了存在混杂因素情况下连续型结局变量的完整数据,设置了完全随机... 详细信息

目的研究真实世界研究中连续型结局变量下多个协变量缺失的数据模拟方法,以期为缺失值填补方法的模拟研究提供参考。方法基于多元线性回归模型和三种缺失机制的定义,模拟了存在混杂因素情况下连续型结局变量的完整数据,设置了完全随机缺失、随机缺失、非随机缺失机制下3个协变量均缺失一定比例(如2%)的情境,并采用SAS软件实现缺失机制的模拟过程。结果构建了不同缺失机制下多元协变量缺失的模拟数据集。结论提供的数据模拟方法和SAS代码实现了三种不同缺失机制的多元缺失数据模拟,可为相关模拟研究提供参考。

关键词：真实世界研究缺失数据缺失机制数据模拟 SAS代码

来源：评论

学校读者我要写书评

暂无评论

多阅片者多病例设计影像诊断试验准确度评价的统计分析方法

引用

中国循证医学杂志 2024年第9期24卷 1085-1093页

作者：何倩潘喆敏向蔓宛慧琴秦婴逸贺佳海军军医大学军队卫生统计学教研室上海200433 同济大学医学院上海200092

目的通过公式推导和实例验证,分析多阅片者多病例(multi-reader multi-case,MRMC)设计影像诊断试验准确度评价的统计分析方法。方法本研究包括理论推导和实例验证两个部分。理论部分详细介绍了MRMC统计分析方法,特别是Obuchowski-Rocket... 详细信息

目的通过公式推导和实例验证,分析多阅片者多病例(multi-reader multi-case,MRMC)设计影像诊断试验准确度评价的统计分析方法。方法本研究包括理论推导和实例验证两个部分。理论部分详细介绍了MRMC统计分析方法,特别是Obuchowski-Rockette(OR)与Dorfman-Berbaum-Metz(DBM)方法的原理和步骤。实例部分研究共纳入了100例受试者,其中67例疾病患者。四名阅片者分别采用传统胶卷影像方法和数字化影像方法进行阅片。通过OR与DBM方法对阅片结果进行分析。结果实例研究显示,OR和DBM方法结果具有较高的一致性。当OR方法采用Jackknife估计协方差矩阵时,其结果与DBM方法完全吻合。结论为准确评估影像诊断试验的临床性能,推荐采用OR和DBM方法进行影像诊断试验准确性评价的统计分析,以确保阅片者因素对评价结果的影响得到充分考虑。OR与DBM方法的结果较为接近,实际应用时应考虑具体数据特点和研究设计选择合适的分析方法。同时,OR与DBM方法的应用目前仍存在一定挑战,如软件实现、缺失数据处理,未来仍需要进一步的探索。

关键词：多阅片者多病例影像诊断试验准确性

来源：评论

学校读者我要写书评

暂无评论

医学科研人员对P值理解的现况

引用

上海预防医学 2024年第10期36卷 1003-1007页

作者：郭轶斌郭威吴骋海军军医大学卫生勤务学系军队卫生统计学教研室上海200433

【目的】探究医学生、科研人员及医学统计学教师对统计学中P值的理解程度及其相关因素,以期为医学统计学教学改进提供参考。【方法】采用方便抽样,通过问卷星发放问卷175份。问卷基于案例设计了6个关于P值的是非题。通过调查评估医学生... 详细信息

【目的】探究医学生、科研人员及医学统计学教师对统计学中P值的理解程度及其相关因素,以期为医学统计学教学改进提供参考。【方法】采用方便抽样,通过问卷星发放问卷175份。问卷基于案例设计了6个关于P值的是非题。通过调查评估医学生、科研人员、专业教师对P值理解的正确率。采用描述性分析和logistic回归分析探究P值理解的相关因素。【结果】共收集问卷170份,医学生组、科研人员组和专业教师组分别收集问卷50、98和22份。结果显示,专业教师组的正确率最高(89.5%),医学生组的正确率较低(31.6%)。logistic回归分析结果显示,博士学历者较本科及以下学历者正确率高(OR=2.10,95%CI:1.18~3.76,P=0.012),接受过医学统计学(OR=4.20,95%CI:2.23~7.93,P<0.001)或医学科研设计课程培训的研究人员(OR=2.40,95%CI:1.33~4.33,P=0.004)正确率较高。【结论】医学生和科研人员普遍对P值存在误解,建议通过加强学历教育阶段医学统计学教学,开设医学科研设计课程,增加学生自主讨论,以及加强继续教育和科普活动等措施来提高对P值的理解。

关键词： P值医学统计学医学科研人员医学生

来源：评论

学校读者我要写书评

暂无评论

基于Fine-Gray竞争风险模型的小肝癌患者预后模型构建与验证

引用

中华肿瘤防治杂志 2023年第23期30卷 1435-1443页

作者：钱迪涂博祥陈枭张鹤巍叶小飞赵艳芳海军军医大学卫生勤务系军队卫生统计学教研室上海200433

目的探究小肝癌患者预后影响因素,构建预后预测模型,为患者的个体化预后评估提供更精确的工具。方法通过SEER数据库收集2004-2015年确诊的2648例小肝癌患者信息,按照7∶3的比例,将患者随机分成训练集(1853例)与验证集(795例)。使用Fine-... 详细信息

目的探究小肝癌患者预后影响因素,构建预后预测模型,为患者的个体化预后评估提供更精确的工具。方法通过SEER数据库收集2004-2015年确诊的2648例小肝癌患者信息,按照7∶3的比例,将患者随机分成训练集(1853例)与验证集(795例)。使用Fine-Gray竞争风险模型对训练集资料进行单因素和多因素分析,探究影响小肝癌患者预后的独立危险因素,建立预后模型,从区分度和校准度两个角度分别对训练集与验证集数据的预测效果进行验证,基于预后模型结果绘制列线图并采用R-shiny构建生存率计算器。结果多因素分析结果表明,年龄(HR=1.165,95%CI为1.005~1.349,P=0.042)、婚姻状况(HR=1.250,95%CI为1.084~1.440,P=0.002)、肿瘤分级(HR=1.440,95%CI为1.197~1.733,P<0.001)、N分期(HR=0.442,95%CI为0.285~0.684,P<0.001)、M分期(HR=0.502,95%CI为0.325~0.776,P=0.002)、肿瘤大小(HR=1.216,95%CI为1.052~1.404,P=0.008)、手术情况(HR=2.732,95%CI为2.311~3.230,P<0.001)是小肝癌患者预后的独立影响因素。根据独立影响因素构建的列线图,在训练集中1、3和5年特异性生存率的曲线下面积分别为0.782、0.761和0.741,在验证集中分别为0.772、0.756和0.737;校准曲线显示在训练集与验证集中1、3和5年预测模型的预测发生率与实际发生率基本一致。结论Fine-Gray竞争风险模型能高效辨别小肝癌患者的预后独立影响因素,以此为依据构建的预后模型能更准确预测患者的特异性生存率,为医师进行决策提供有价值的参考依据。

关键词：小肝癌特异性生存率列线图 SEER数据库预后

来源：评论

学校读者我要写书评

暂无评论

基于广义增强模型的倾向性评分重叠权重加权方法研究

引用

中国卫生统计 2024年第5期41卷 676-681页

作者：涂博祥秦婴逸徐宵赵艳芳海军军医大学军队卫生统计学教研室 200433 同济大学医学院

目的本研究构建了基于广义增强模型的倾向性评分重叠权重加权模型(GBM-OW)。方法通过模拟数据探讨在混杂因素与处理因素间关系复杂的情况下,不同样本量,不同倾向性评分值重叠程度下GBM-OW模型在均衡混杂因素、效应估计等方面的表现,并... 详细信息

目的本研究构建了基于广义增强模型的倾向性评分重叠权重加权模型(GBM-OW)。方法通过模拟数据探讨在混杂因素与处理因素间关系复杂的情况下,不同样本量,不同倾向性评分值重叠程度下GBM-OW模型在均衡混杂因素、效应估计等方面的表现,并与多因素调整模型及其它三种倾向性评分加权模型进行比较。结果及结论从模拟结果来看,当变量之间关系复杂、样本量大、倾向性评分值重叠程度小的情况下,GBM-OW模型在各方面均有较好的表现,可应用于观察性研究中。

关键词：倾向性评分重叠权重广义增强模型

来源：评论

学校读者我要写书评

暂无评论

KIRC组学数据分类的自注意亚型识别神经网络

引用

计算机工程与应用 2023年第23期59卷 104-113页

作者：李阳陈锡程伍亚舟陆军军医大学军事预防医学系军队卫生统计学教研室重庆400038

为分析肾透明细胞癌(KIRC)的转录组学数据,利用自注意力机制构建改良分类模型。构建了一种新的自注意力亚型识别神经网络(SSRNN),其包含了编码器和分类器部分,以自注意力机制为主要改良方式。在筛出358个与生存相关的蛋白编码基因后,利... 详细信息

为分析肾透明细胞癌(KIRC)的转录组学数据,利用自注意力机制构建改良分类模型。构建了一种新的自注意力亚型识别神经网络(SSRNN),其包含了编码器和分类器部分,以自注意力机制为主要改良方式。在筛出358个与生存相关的蛋白编码基因后,利用聚类分析确定了三种亚型最为适宜。对于C1、C2和C3三组癌症亚型进行了临床信息比较和生存分析比较,揭示了各组在生存结局上的差异。SSRNN取得了最优异的分类性能,取得了93.44%的曲线下面积。基因表达热图提示三种亚型的基因表达存在差异,推测基因的低表达指示较好的生存预后。对三种亚型两两间进行差异分析并绘制火山图,共可获取266个差异基因。GO和KEGG富集分析及节点图的绘制则有利于揭示癌症相关的功能和通路。因此,SSRNN具有较高的预测精度和稳健性,可有效地利用组学数据进行KIRC的生存预测,并筛选合理的生物学标志物,具有较高的方法学意义和应用价值。

关键词：自注意力深度学习组学数据肾透明细胞癌亚型识别

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：