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 855-858页

作者：刘梦洋王永晨侯爽田园安宁张丽媛魏丽刘美娜哈尔滨医科大学卫生统计学教研室 150081

目的利用乳腺癌治疗质量评价指标中的结局指标及综合得分,分析病例组合对医生治疗质量排序影响,探讨有效的治疗质量排序方法,为医生绩效考核及职称评定提供参考。方法收集浸润性乳腺癌病例数据,计算乳腺癌术后复发率,利用9个治疗质量评... 详细信息

目的利用乳腺癌治疗质量评价指标中的结局指标及综合得分,分析病例组合对医生治疗质量排序影响,探讨有效的治疗质量排序方法,为医生绩效考核及职称评定提供参考。方法收集浸润性乳腺癌病例数据,计算乳腺癌术后复发率,利用9个治疗质量评价指标计算治疗质量综合得分,建立固定效应模型和随机效应模型,分别进行调整和未调整病例组合的logistic回归分析,估计医生治疗质量的固定效应和随机效应,依次进行排序并计算排名可靠性。结果本研究共收集18位医生,1197例治疗患者,乳腺癌术后平均复发率为5%,治疗质量综合得分均值为0.5689。经病例组合因素校正后,医生治疗质量排序发生变化,固定效应模型和随机效应模型的估计系数减小;术后复发率的固定效应模型排序上升率为44.44%,随机效应模型的排序上升率为33.33%,综合得分的固定效应模型排序上升率为38.89%,随机效应模型中排序上升率为27.78%。术后复发率的排名可靠性为0.6078,综合得分的排名可靠性为0.7001。结论在乳腺癌治疗质量评价中,病例组合因素不可忽略,需利用模型进行病例组合校正,可以更公平地比较医生治疗质量的差异;本研究提示选择治疗质量综合得分进行医生治疗质量排序,且医生治疗的患者例数越多,结果越稳定、可靠性更好。

关键词：治疗质量病例组合乳腺癌随机效应

来源：评论

学校读者我要写书评

暂无评论

Specter聚类方法在单细胞RNA测序数据分析中的应用

引用

中国卫生统计 2023年第3期40卷 354-357,362页

作者：何佳王文杰张刘超李康哈尔滨医科大学卫生统计学教研室 150081

目的研究Specter聚类的原理和方法,探讨其适用条件,并将其应用于卵巢癌单细胞测序(scRNA-seq)数据的聚类分析,标记得到的细胞亚群。方法通过模拟试验和实际单细胞RNA数据分析,对Specter聚类和较常用的其他三种方法进行比较,并用ARI和NM... 详细信息

目的研究Specter聚类的原理和方法,探讨其适用条件,并将其应用于卵巢癌单细胞测序(scRNA-seq)数据的聚类分析,标记得到的细胞亚群。方法通过模拟试验和实际单细胞RNA数据分析,对Specter聚类和较常用的其他三种方法进行比较,并用ARI和NMI两种评价指标的总得分进行评价。结果模拟试验显示,在设定的条件下,Specter聚类性能均优于其他三种方法;实例数据结果也表明,Specter聚类能够得到合理的细胞亚群。结论Specter聚类方法降低了参数敏感性,提高了聚类的准确性,具有研究价值和应用价值。

关键词： Specter scRNA-seq 聚类细胞亚群

来源：评论

学校读者我要写书评

暂无评论

基于CRM-TE模型的抗肿瘤药物最适剂量估计方法

引用

中国卫生统计 2023年第2期40卷 195-198页

作者：周克强李爽徐佳钦李康哈尔滨医科大学卫生统计学教研室 150081

目的研究一种新的抗肿瘤药物剂量探索模型(continual reassessment method based on toxicity and efficacy,CRM-TE),这种模型可以在I期临床试验中同时考虑毒性和疗效的药物作用,给II期临床试验推荐最适剂量(recommend the optimal dose... 详细信息

目的研究一种新的抗肿瘤药物剂量探索模型(continual reassessment method based on toxicity and efficacy,CRM-TE),这种模型可以在I期临床试验中同时考虑毒性和疗效的药物作用,给II期临床试验推荐最适剂量(recommend the optimal dose,RP2D)。方法基于连续重评估模型(continual reassessment model,CRM)对药物的剂量-毒性和剂量-疗效曲线分别进行估计,并根据给出的权衡函数选择最适剂量。结果本文提出最适剂量估计方法与目前现有的同类型方法相比,能够在保证安全性的前提下,同时综合考虑不同剂量下的疗效,使选择的RP2D更为合理。结论本文为药物临床试验最适推荐剂量提供了一种新的方法,对于抗肿瘤等药物剂量探索具有一定的实用价值。

关键词：临床试验最适剂量权衡函数

来源：评论

学校读者我要写书评

暂无评论

临床试验统计分析报告SAS与R语言图形表达宏程序的实现

引用

中国卫生统计 2013年第2期30卷 294-299页

作者：张雷吴莹侯艳李康哈尔滨医科大学卫生统计学教研室 150081

目前我国的临床试验统计分析工作，通常由具有临床试验经验的统计人员通过SAS软件实现并给出统计分析报告。对于重要的研究结果，若能在统计分析报告中恰当配合统计图形则更便于对结果的理解和解释。在SAS系统中，SAS／GRAPH作为专门的... 详细信息

目前我国的临床试验统计分析工作，通常由具有临床试验经验的统计人员通过SAS软件实现并给出统计分析报告。对于重要的研究结果，若能在统计分析报告中恰当配合统计图形则更便于对结果的理解和解释。在SAS系统中，SAS／GRAPH作为专门的图形可视化模块具有十分强大的图形表现功能，利用图形功能可以在数据分析的同时更好地展现数据特点和相互之间的关系。SAS／GRPAH中提供了大量的图形选择和相应的选项，通过修改控制图形的选项之后，可以生成各种图形。

关键词：统计分析报告 SAS系统统计图形临床试验程序语言软件实现统计人员

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络融合稀疏分组lasso的预测模型研究

引用

中国卫生统计 2021年第6期38卷 821-827页

作者：卢宇红宋佳丽王萌侯艳哈尔滨医科大学卫生统计教研室 150081

目的探索深度神经网络(DNN)联合不同正则化方法后模型预测准确性的差异;探索模型预测准确性较高时的样本特征规律。方法 R软件产生不同分组、不同样本量的模拟数据集,在不同数据特征下比较DNN模型及融合正则化后模型的预测能力。通过真... 详细信息

目的探索深度神经网络(DNN)联合不同正则化方法后模型预测准确性的差异;探索模型预测准确性较高时的样本特征规律。方法 R软件产生不同分组、不同样本量的模拟数据集,在不同数据特征下比较DNN模型及融合正则化后模型的预测能力。通过真实数据分析进一步评价两种模型的预测能力。结果 DNN融合不同正则化方法的结果均优于单纯DNN模型,其中DNN融合稀疏分组lasso(SDP)效果最好。稀疏组别组内变量个数的大小及样本量会影响预测准确性,组内变量个数≥8,样本量≥700时,SDP模型预测准确性较高。结论与单纯DNN模型相比,SDP模型预测准确性得到显著改善;考虑不同样本量和分组方式的情况,SDP模型的预测能力均有明显提高,并且其对预测相关重要特征的提取较为准确。在实际案例分析中发现在小样本的高维组学数据中,SDP模型预测准确性和防止过拟合的能力均有明显提升。

关键词：深度神经网络正则化稀疏分组lasso 高维组学预测模型

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯准则的差异网络分析方法研究与应用

引用

中国卫生统计 2019年第4期36卷 484-488页

作者：宋微王文杰徐欢蔡雨晴李康哈尔滨医科大学卫生统计学教研室

目的探讨基于贝叶斯准则的差异网络分析方法的性能,并将其应用于卵巢癌基因表达谱数据分析。方法通过模拟实验评价其识别差异边及差异节点的准确性,并与传统方法做对比。同时应用上皮性卵巢癌基因组学数据,构建差异网络模型。结果模拟... 详细信息

目的探讨基于贝叶斯准则的差异网络分析方法的性能,并将其应用于卵巢癌基因表达谱数据分析。方法通过模拟实验评价其识别差异边及差异节点的准确性,并与传统方法做对比。同时应用上皮性卵巢癌基因组学数据,构建差异网络模型。结果模拟试验结果表明,基于贝叶斯准则的差异网络分析方法识别差异边能力明显优于高斯图模型方法;实例分析结果表明,本文方法构建的差异网络模型具有实际意义。结论应用基于贝叶斯准则的差异网络分析方法能得出准确度较高的差异网络,效果优于传统方法。

关键词：贝叶斯模型选择高斯图模型差异网络

来源：评论

学校读者我要写书评

暂无评论

差异网络分析方法在组学数据变量筛选中的应用

引用

中国卫生统计 2019年第4期36卷 635-637页

作者：蔡雨晴宋微徐欢李康哈尔滨医科大学卫生统计学教研室

组学数据(omics data),如基因组、转录组、蛋白质组和代谢组等数据能够反映疾病的发生、发展和预后的情况。对于组学数据的分析,主要是筛选有用的生物标志物、分析调控网络和建立预测模型。一般是通过变量差异表达量分析不同类别之间的... 详细信息

组学数据(omics data),如基因组、转录组、蛋白质组和代谢组等数据能够反映疾病的发生、发展和预后的情况。对于组学数据的分析,主要是筛选有用的生物标志物、分析调控网络和建立预测模型。一般是通过变量差异表达量分析不同类别之间的差别。

关键词：变量筛选网络分析数生物标志物蛋白质组预测模型调控网络基因组

来源：评论

学校读者我要写书评

暂无评论

JIVE方法在卵巢癌多组学数据整合分析中的应用

引用

中国卫生统计 2019年第5期36卷 774-776页

作者：徐欢宋微蔡雨晴侯艳李康哈尔滨医科大学卫生统计学教研室

目的引入JIVE方法对多组学数据进行整合分析,并应用于肿瘤分子分型研究。方法使用TCGA数据库中卵巢癌mRNA和miRNA的组学数据,应用JIVE方法整合分析两个组学数据,提取两不同组学数据的共同特征,然后通过对其具有共同结构的数据做主成分分... 详细信息

目的引入JIVE方法对多组学数据进行整合分析,并应用于肿瘤分子分型研究。方法使用TCGA数据库中卵巢癌mRNA和miRNA的组学数据,应用JIVE方法整合分析两个组学数据,提取两不同组学数据的共同特征,然后通过对其具有共同结构的数据做主成分分析,给出卵巢癌miRNA分子分型的结果。结果经过JIVE方法整合分析后,使miRNA数据具有明显与mRNA相一致的分型结构,从而进一步支持了mRNA的分型结果,同时揭示了两组学之间在组织分子分型上具有一定的调控关系。结论JIVE方法可以用于提取组学之间存在的共同结构矩阵,从而进行多组学数据的整合分析。

关键词： JIVE方法多组学数据整合特征提取

来源：评论

学校读者我要写书评

暂无评论

压缩感知理论在小样本量蛋白质组学变量筛选研究中的应用

引用

中国卫生统计 2019年第5期36卷 649-652,657页

作者：张薇张秋菊王玉鹏谢彪孙琳高兵叶倩田伟侯小文刘美娜哈尔滨医科大学卫生统计学教研室

目的探索基于压缩感知理论变量筛选方法在小样本量蛋白质组学研究中应用的效果和特点,为小样本量的蛋白质组学的变量筛选提供更灵敏、可靠的方法。方法模拟实验比较基于CS理论的变量筛选方法与偏最小二乘(PLS)及随机森林(RF)筛选变量的... 详细信息

目的探索基于压缩感知理论变量筛选方法在小样本量蛋白质组学研究中应用的效果和特点,为小样本量的蛋白质组学的变量筛选提供更灵敏、可靠的方法。方法模拟实验比较基于CS理论的变量筛选方法与偏最小二乘(PLS)及随机森林(RF)筛选变量的能力,通过灵敏度、特异度及平衡准确度评价其变量筛选效果;利用CS变量筛选方法筛选非小细胞肺癌两亚型组(腺癌和鳞状细胞癌)的差异蛋白。结果模拟实验表明,CS理论的变量筛选方法在样本量较小时具有较好的变量筛选效果,灵敏度、特异度及平衡准确度均较高;利用基于CS理论的变量筛选方法筛选,获得肺腺癌和鳞状细胞癌间差异表达蛋白22种,被证明是肺腺癌和鳞状细胞癌间有差异的蛋白为:Cytokeratin 6A、Cytokeratin 6B、Cytokeratin 6C、PKP1、P63、MCT1。结论基于CS理论的变量筛选方法在样本量特别少时,筛选变量的效果优于PLS和RF,更适用于小样本蛋白质组学数据变量筛选研究。

关键词：压缩感知蛋白质组学变量筛选小样本

来源：评论

学校读者我要写书评

暂无评论

基于小波变换特征提取的代谢组低浓度标志物的筛选

引用

中国卫生统计 2018年第1期35卷 2-6页

作者：李贞子侯艳邓魁李康哈尔滨医科大学卫生统计学教研室 150081

目的利用连续小波变换对代谢组色谱数据进行变换分析,获得重要的低丰度肿瘤标志物。方法将代谢组一维色谱数据通过不同多尺度连续小波变换获得二维系数图像,再使用random forest(RF)算法对其图像进行模式识别和特征提取,筛选潜在的低浓... 详细信息

目的利用连续小波变换对代谢组色谱数据进行变换分析,获得重要的低丰度肿瘤标志物。方法将代谢组一维色谱数据通过不同多尺度连续小波变换获得二维系数图像,再使用random forest(RF)算法对其图像进行模式识别和特征提取,筛选潜在的低浓度生物标志物。结果针对色谱数据经过连续小波变换处理后,RF建模判别效果较原始色谱数据有很大的提高。结论针对色谱数据进行小波变换后的特征提取结果,对质谱数据的某一段进行重点分析,能够筛选出重要的低丰度肿瘤标志物,具有重要研究价值。

关键词：低浓度标志物代谢组生物标志物小波变换

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：