boosting算法起源于PAC（probably approximately correct）学习模型,由Schapire在1990年首次提出,是一种基于一系列基础分类器的组合分类模型算法,基础分类器可以选择任意一种弱分类模型（如决策树）。随后,Freund和Schapire在此基础上...
详细信息
boosting算法起源于PAC（probably approximately correct）学习模型,由Schapire在1990年首次提出,是一种基于一系列基础分类器的组合分类模型算法,基础分类器可以选择任意一种弱分类模型（如决策树）。随后,Freund和Schapire在此基础上于1995年提出了著名的Adaboost算法.
目的从优先领域确定的角度,采用系统综述方法,分析比较中国6种常见癌症(结直肠癌、乳腺癌、肝癌、肺癌、食管癌和胃癌)的筛查经济性,为扩大人群覆盖的优先癌种决策提供建议。方法系统检索PubMed、EMbase、The Cochrane Library、Web of ...
详细信息
目的从优先领域确定的角度,采用系统综述方法,分析比较中国6种常见癌症(结直肠癌、乳腺癌、肝癌、肺癌、食管癌和胃癌)的筛查经济性,为扩大人群覆盖的优先癌种决策提供建议。方法系统检索PubMed、EMbase、The Cochrane Library、Web of Science、中国知网、万方数据知识服务平台、维普中文科技期刊和中国生物医学文献数据库2009年1月1日至2018年12月31日收录的6种癌症筛查卫生经济学评价的中、英文献。对纳入研究的基本信息、评价方法、每检出1例癌症(或癌前病变)的成本、每挽救1个生命年的成本、每获得1个质量调整生命年的成本等进行摘录和比较。所有成本贴现到2017年,以对应筛查方案增量成本效果比与2017年我国人均国内生产总值(GDP)比值判定是否经济有效(1~3倍为经济有效,<1倍为非常经济有效)。计算同一癌种所有筛查方案的可获得指标的M值,并据此进行多癌种间的优先级排序。结果共纳入45篇文献,包括22项乳腺癌、12项结直肠癌、6项胃癌和4项食管癌研究(肝癌仅1项,肺癌未见报道;信息量小不稳定,不参加后续排序)。以每挽救1个生命年的成本(12项)与人均GDP比值的M值排序结果提示,食管癌最经济(-0.015,研究人群均为高发区),其次为结直肠癌(0.297)、胃癌(0.356)和乳腺癌(0.896);除乳腺癌(3.602)外,其他癌症的P75值均小于1。以每获得1个质量调整生命年的成本(13项)与GDP比值的M值排序结果提示,胃癌最经济有效(0.495,P75=3.126),其次为食管癌(0.960,P75=1.762)和乳腺癌(2.056,P75=4.217)。胃癌检出成本的M值最低,为14759元,其次为结直肠癌(49680元)和乳腺癌(171930元)。结论开展胃癌和结直肠癌筛查更经济有效,在一般人群中可优先考虑推广;食管癌筛查在高发区可优先考虑;乳腺癌筛查总体亦经济有效,但高成本方案需权衡;肝癌和肺癌现有证据较少,还需更多评价。
暂无评论