检索结果-内蒙古大学图书馆

中国卫生统计 2022年第6期39卷 947-948,951页

作者：秦婴逸赵艳芳郭晓晶吴骋海军军医大学卫勤系军队卫生统计学教研室 200433

高校课堂作为传递知识的殿堂,更是在学生即将步入社会、走上工作岗位之前,帮助其形成正确三观的主战场。很多高校以立德树人为课程建设的中心任务,开展了基础课程、专业课程的思政教学探索[1-4]。医学统计学是一门运用统计学的原理和方... 详细信息

高校课堂作为传递知识的殿堂,更是在学生即将步入社会、走上工作岗位之前,帮助其形成正确三观的主战场。很多高校以立德树人为课程建设的中心任务,开展了基础课程、专业课程的思政教学探索[1-4]。医学统计学是一门运用统计学的原理和方法,研究医学数据的收集、整理、分析和推断的应用科学。作为医学高等院校的公共基础课程之一,该课程受众面广泛,涵盖了本科、硕士、博士各个教学层次的几乎所有专业。探索思政要素,开展课程思政教学,对于医学统计学课程改革具有积极的现实意义。

关键词：医学统计学医学高等院校课程思政公共基础课程思政教学工作岗位高校课堂立德树人

来源：评论

学校读者我要写书评

暂无评论

内蒙古地区心血管病高危人群发生冠状动脉粥样硬化性心脏病的危险因素

引用

中华疾病控制杂志 2024年第3期28卷 310-315,367页

作者：苗宇闫涛张子英郭淑怡王靖宇闫金利许蕾王雅张春发钟武志张楠张星光内蒙古医科大学公共卫生学院卫生统计学教研室呼和浩特010110 内蒙古医科大学基础医学院药理学教研室呼和浩特010110 内蒙古自治区人民医院应急管理科呼和浩特010110 内蒙古医科大学公共卫生学院卫生检验与检疫学教研室呼和浩特010110

目的探讨内蒙古地区心血管病高危人群冠状动脉粥样硬化性心脏病(coronary heart disease,CHD)发病的相关危险因素,为制定适合内蒙古地区CHD的防治策略提供科学依据。方法采用前瞻性队列研究方法,利用多阶段分层整群抽样方法。于2015年1... 详细信息

目的探讨内蒙古地区心血管病高危人群冠状动脉粥样硬化性心脏病(coronary heart disease,CHD)发病的相关危险因素,为制定适合内蒙古地区CHD的防治策略提供科学依据。方法采用前瞻性队列研究方法,利用多阶段分层整群抽样方法。于2015年12月在内蒙古地区6个盟市开展调查,每年随访1次,直至2021年12月。基线调查包括一般情况、疾病史及治疗史、体格检查和实验室检测,随访调查包括心血管健康状况及临床终点事件收集。采用Cox回归模型分析影响CHD的发病因素。结果最终纳入37726名研究对象,多因素Cox回归模型分析表明:增龄(HR>1.00,P<0.001)、吸烟(HR=1.20,P<0.001)、饮酒(HR=1.41,P<0.001)、超重或肥胖(HR=1.19,P<0.001)、高血压(HR=1.41,P<0.001)、糖尿病(HR=1.22,P<0.001)、血脂异常(HR=2.20,P<0.001)为CHD发病的危险因素;高教育水平(HR<1.00,P<0.001)、非重体力劳动类型(HR<1.00,P<0.001)为CHD发病的保护因素。结论在内蒙古地区,增龄、吸烟、饮酒、血脂异常、高血压、糖尿病、超重或肥胖为CHD发病的危险因素,高教育水平、非重体力劳动为CHD发病的保护因素。

关键词：冠状动脉粥样硬化性心脏病影响因素高危人群队列研究

来源：评论

学校读者我要写书评

暂无评论

硒蛋白基因在新型冠状病毒感染患者中的表达水平及调控作用

引用

中国医学科学院学报 2024年第3期46卷 316-323页

作者：李晶张荣强张灵芝戚燕郝洁何傲月赵旭李秀芹陕西中医药大学公共卫生学院流行病与卫生统计学教研室陕西咸阳712046 安康市汉滨区第二医院检验科陕西安康725021 陕西中医药大学人文管理学院公共管理教研室陕西咸阳712046

目的探讨硒蛋白基因在新型冠状病毒感染(COVID-19)患者中的表达水平及其可能的调控机制。方法从基因表达综合数据库获取数据集GSE177477,样本由有症状组(n=11)、无症状组(n=18)和健康对照组(n=18)构成。对数据集进行预处理,筛选出与COVI... 详细信息

目的探讨硒蛋白基因在新型冠状病毒感染(COVID-19)患者中的表达水平及其可能的调控机制。方法从基因表达综合数据库获取数据集GSE177477,样本由有症状组(n=11)、无症状组(n=18)和健康对照组(n=18)构成。对数据集进行预处理,筛选出与COVID-19相关的差异表达基因,并进行基因本体功能注释和京都基因与基因组百科全书富集分析,建立差异表达硒蛋白基因的蛋白质-蛋白质相互作用网络,采用多因素Logistic回归分析硒蛋白基因对COVID-19患者是否出现症状的影响。结果与健康对照组比较,有症状的COVID-19患者中GPX1、GPX4、GPX6、DIO2、TXNRD1、SELENOF、SELENOK、SELENOS、SELENOT、SELENOW基因表达均升高,TXNRD2、SELENON基因表达均下降(P均<0.05);无症状的COVID-19患者中GPX2、SELENOI、SELENOO、SELENOS、SELENOT、SELENOW基因表达均升高,SELP基因表达下降(P均<0.05)。多因素Logistic回归分析结果显示,GPX1(OR=0.067,95%CI=0.005~0.904,P=0.042)、SELENON(OR=56.663,95%CI=3.114~856.999,P=0.006)基因的异常高表达是有症状COVID-19患者的影响因素,SELP基因的异常高表达是无症状COVID-19患者的危险因素(OR=15.000,95%CI=2.537~88.701,P=0.003)。结论硒蛋白基因的差异表达参与调控COVID-19疾病的发生发展,为COVID-19的预防和治疗提供新的参考依据。

关键词：新型冠状病毒感染硒蛋白表达及调控 Logistic回归

来源：评论

学校读者我要写书评

暂无评论

孕早期血红蛋白水平与妊娠期糖尿病的关系研究:基于出生人口队列

引用

中华疾病控制杂志 2023年第1期27卷 60-64,76页

作者：闫明鑫赵豆豆宛惠玲赵欢单莉裴磊磊米阳屈鹏飞西安交通大学医学部附属西北妇女儿童医院西安710061 西安交通大学医学部公共卫生学院卫生统计教研室西安710061

目的探究中国西北地区孕妇孕早期血红蛋白水平与妊娠期糖尿病(gestational diabetes mellitus,GDM)的关系。方法连续纳入2018年7月―2019年7月加入西北妇女儿童医院出生人口队列的孕早期孕妇,调查其基本人口学特征、生活行为方式等资料... 详细信息

目的探究中国西北地区孕妇孕早期血红蛋白水平与妊娠期糖尿病(gestational diabetes mellitus,GDM)的关系。方法连续纳入2018年7月―2019年7月加入西北妇女儿童医院出生人口队列的孕早期孕妇,调查其基本人口学特征、生活行为方式等资料,并对研究对象的孕早期血红蛋白水平、口服葡萄糖耐量试验(oral glucose tolerance test,OGTT)结果进行随访。首先使用logistic回归分析模型分析孕早期血红蛋白水平对GDM的影响,进一步采用限制性三次立方样条来呈现血红蛋白水平与GDM的非线性关系。结果在调整了混杂因素后,孕早期高血红蛋白水平(血红蛋白≥135 g/L)增加了GDM的发生风险(OR=1.44,95%CI:1.13~1.83);孕早期血红蛋白水平每升高10 g/L,FPG、OGTT 1h血糖、OGTT 2h血糖水平分别升高0.03 mmol/L(95%CI:0.01~0.05)、0.14 mmol/L(95%CI:0.07~0.21)、0.13 mmol/L(95%CI:0.08~0.19);限制性立方样条结果显示,随着孕早期血红蛋白水平升高,GDM的发生风险逐渐升高。结论孕早期血红蛋白水平升高将增加GDM的发病风险,应积极对孕妇孕早期血红蛋白水平进行监测,促进母婴健康。

关键词：妊娠期糖尿病孕早期血红蛋白水平口服葡萄糖耐量试验

来源：评论

学校读者我要写书评

暂无评论

利用孕期膳食平衡指数评价陕西省孕妇膳食质量

引用

西安交通大学学报（医学版） 2022年第5期43卷 744-751页

作者：常倩倩党少农颜虹曾令霞杨姣梅西安交通大学医学部公共卫生学院流行病与卫生统计学教研室陕西西安710061

目的利用孕期膳食平衡指数DBI_P评价陕西省孕妇的膳食质量,并分析其影响因素。方法采用分层多阶段随机抽样方法,通过结构化问卷调查陕西省30区(县)7375名妇女的孕期基本信息,运用半定量食物频率问卷收集孕期膳食资料。应用最新修订的DB... 详细信息

目的利用孕期膳食平衡指数DBI_P评价陕西省孕妇的膳食质量,并分析其影响因素。方法采用分层多阶段随机抽样方法,通过结构化问卷调查陕西省30区(县)7375名妇女的孕期基本信息,运用半定量食物频率问卷收集孕期膳食资料。应用最新修订的DBI_P评估孕期膳食质量,运用多重线性回归分析孕期膳食质量的影响因素。结果50%以上孕妇奶类、鱼虾类、畜禽肉类、蔬菜、蛋类、水果和食物种类摄入不足。69%以上孕妇食用油、谷薯类和食盐摄入过量。正端分(DBI_HBS)、负端分(DBI_LBS)和膳食质量距(DBI_DQD)平均得分分别为12.9、19.5和32.5,中度摄入不足、摄入过量和摄入不均衡的比例分别为20.3%、22.5%和40.8%。孕期DBI_LBS水平与生育年龄、教育程度、家庭人均年收入、产检次数和增补叶酸呈负相关,与居住在陕南和陕北、居住在农村、职业为农民和饮酒呈正相关;孕期DBI_HBS水平与居住在陕南和陕北呈负相关,与主/被动吸烟和喝浓茶呈正相关。孕期DBI_DQD水平与教育程度、家庭人均年收入、产检次数和增补叶酸呈负相关,与居住在陕南、居住在农村、职业为农民、经产、主/被动吸烟、喝浓茶和喝咖啡呈正相关。结论陕西省孕妇膳食存在摄入不足及摄入不均衡的问题,且膳食质量受社会人口学和孕期生活行为因素的影响,应针对性制定营养干预措施。

关键词：膳食质量膳食平衡指数孕妇影响因素

来源：评论

学校读者我要写书评

暂无评论

时变SEIQDR和ARIMA模型在上海市COVID-19预测中的应用和比较

引用

中华疾病控制杂志 2023年第11期27卷 1274-1281,1335页

作者：许书君马艺菲罗雨欣郭嘉铭王彤李建涛雷立健贺鹭余红梅解军山西医科大学公共卫生学院卫生统计学教研室太原030001 山西医科大学管理学院卫生经济学教研室太原030001 山西医科大学公共卫生学院流行病学教研室太原030001 山西医科大学公共卫生学院社会医学教研室太原030001 山西医科大学反向病原学中心太原030001

目的根据时变易感者-潜伏者-感染者-隔离者-死亡者-康复者(susceptible-exposed-infected-quarantined-dead-removed,SEIQDR)模型和差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型,针对上海市Omicron感染数据选择适合上海市疫情判断的预测模型。方法选用2022年3月1日―4月20日上海市COVID-19新增阳性感染者的数据进行拟合,选用2022年4月21日―5月30日的数据评估模型的预测效果。分别构建时变SEIQDR模型与ARIMA模型,通过比较决定系数(coefficient of determination,R^(2))、平均绝对误差(mean absolute error,MAE)和均方根误差(root mean squared error,RMSE)的大小评价模型的拟合及预测效果。结果时变SEIQDR模型和ARIMA模型的拟合效果均较优,R2分别为0.990和0.984。2个模型5 d的预测效果均尚可,对于20 d以及40 d预测效果,时变SEIQDR模型更优且更符合传染病传播的规律;前者的40 d预测MAE和RMSE分别为1001.461和1967.704,后者分别为1265.331和2068.094,且时变SEIQDR模型能较好地实现对上海市本轮疫情变化趋势及发病人数的复现。结论时变SEIQDR模型可较好地拟合及预测上海市COVID-19的发病人数及变化趋势,且模型效果优于ARIMA(2,2,0)。

关键词：新型冠状病毒感染时变易感者-潜伏者-感染者-隔离者-死亡者-康复者模型时间序列差分自回归移动平均模型

来源：评论

学校读者我要写书评

暂无评论

医疗大数据分析技术研究进展

引用

中国血吸虫病防治杂志 2022年第5期34卷 465-468,492页

作者：杜志成张志杰姜庆五中山大学公共卫生学院医学统计学系广东广州510080 复旦大学公共卫生学院流行病学与卫生统计教研室上海200032

应用大数据分析技术收集、归纳和分析医疗大数据,能够精准挖掘和探寻其中隐含的信息,为医学研究、临床实践等提供巨大推动作用。当前,医疗大数据分析技术主要包括人工智能、数据库、编程语言等,已被应用于医学影像、疾病风险预测、疾病... 详细信息

应用大数据分析技术收集、归纳和分析医疗大数据,能够精准挖掘和探寻其中隐含的信息,为医学研究、临床实践等提供巨大推动作用。当前,医疗大数据分析技术主要包括人工智能、数据库、编程语言等,已被应用于医学影像、疾病风险预测、疾病控制、健康管理、跟踪随访、药物和疗法研发等多个领域。本文主要对医疗大数据分析技术及其应用进行综述,以期推动相关领域研究发展。

关键词：医疗大数据分析技术人工智能医学影像风险预测疾病控制

来源：评论

学校读者我要写书评

暂无评论

基于Python的LSTM模型对流感预测的研究

引用

中国卫生统计 2022年第2期39卷 162-166,171页

作者：翟梦梦王旭春任浩全帝臣李美晨陈利民仇丽霞山西医科大学卫生统计教研室 030001 山西省人民医院

目的探讨基于keras的LSTM模型和SARIMA模型预测我国北方省份流感样病例数的可行性,为流感防控工作提供合理的预测方法。方法利用国家流感中心2013-2019年北方省份的周流感监测数据构建LSTM模型和SARIMA模型,并进行预测。采用平均绝对... 详细信息

目的探讨基于keras的LSTM模型和SARIMA模型预测我国北方省份流感样病例数的可行性,为流感防控工作提供合理的预测方法。方法利用国家流感中心2013-2019年北方省份的周流感监测数据构建LSTM模型和SARIMA模型,并进行预测。采用平均绝对误差(MAE)、均方根误差(RMSE)评价两种模型的预测效果。结果 LSTM、SARIMA模型的MAE值分别为304.19、352.74,RMSE值分别为398.71、521.07;相比之下,LSTM模型的预测性能优于SARIMA,较SARIMA模型预测性能分别提高了13.76%、23.5%。结论基于Keras的LSTM模型的预测效果较好,优于SARIMA模型,可为流感预测提供科学依据。

关键词： LSTM模型 SARIMA模型 Python Keras 流感预测

来源：评论

学校读者我要写书评

暂无评论

基于百日咳时间序列特征的聚类分析

引用

中华疾病控制杂志 2022年第9期26卷 1065-1071页

作者：陈佳宋秋月李芳张彦琦刘岭易东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

目的利用时间序列特征提取方法对中国25个省级行政区的百日咳发病数据进行聚类,根据聚类结果分析出各地区百日咳不同的发病模式,为中国实施百日咳疾病防控统一规划提供科学依据。方法提取全国25个省级行政区百日咳时间序列的9个全局特征... 详细信息

目的利用时间序列特征提取方法对中国25个省级行政区的百日咳发病数据进行聚类,根据聚类结果分析出各地区百日咳不同的发病模式,为中国实施百日咳疾病防控统一规划提供科学依据。方法提取全国25个省级行政区百日咳时间序列的9个全局特征,利用主成分分析将9个指标转化为3个主成分组成的特征矩阵进行层次聚类分析。选择最佳聚类数划分百日咳时间序列不同的发病模式。结果层次聚类最佳聚类数为3类,即对应百日咳的3种发病模式,分别为无周期性有季节性无趋势性模式(共9个省级行政区)、无周期性有季节性有趋势性模式(共10个省级行政区)和有周期性有季节性有趋势性模式(共6个省级行政区)。结论时间序列特征提取的层次聚类能够很好地将相似模式紧密的分在一组,并准确的划分出中国25个省级行政区百日咳疫情的发病模式,聚类结果可为相关部门制定不同省份百日咳的防控措施提供理论依据。

关键词：百日咳时间序列特征提取主成分分析聚类分析发病模式

来源：评论

学校读者我要写书评

暂无评论

结合正则化方法的区块森林在癌症多组学数据预后预测中的应用研究

引用

中国卫生统计 2023年第3期40卷 382-385页

作者：兰宁张永超李淼赵晋芳罗天娥山西医科大学卫生统计教研室 030001 中国医学科学院血液病医院

目的探讨区块森林模型结合正则化降维方法在癌症多组学数据中的预后预测效果。方法通过模拟数据与实际肺腺癌多组学数据,使用自适应弹性网正则化方法对数据进行降维,降维后对比区块森林模型与随机生存森林模型预后预测的不同,采用C指数... 详细信息

目的探讨区块森林模型结合正则化降维方法在癌症多组学数据中的预后预测效果。方法通过模拟数据与实际肺腺癌多组学数据,使用自适应弹性网正则化方法对数据进行降维,降维后对比区块森林模型与随机生存森林模型预后预测的不同,采用C指数作为两种模型泛化能力的评价指标。结果模拟实验表明,在不同的模拟条件下,区块森林模型预测准确度均高于随机生存森林模型,且结合正则化方法后可改善模型过拟合。实例分析显示结合正则化的区块森林模型测试集平均C指数为0.890±0.021高于随机生存森林模型,预测结果差异具有统计学意义(P<0.001)。结论区块森林模型通过引入“块选择”的随机过程,结合正则化进行降维,能够更好地适应多组学数据的复杂结构,提高预测性能。

关键词：区块森林正则化多组学预后预测

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：