目的 采用结合环论的粒子群优化算法(hybridization of ring theory-based evolutionary algorithm and particle swarm optimization, RTPSO)对数据进行均衡化处理,以构建高性能冠心病合并慢性心衰预后模型。方法 分别用SMOTE算法、RT...
详细信息
目的 采用结合环论的粒子群优化算法(hybridization of ring theory-based evolutionary algorithm and particle swarm optimization, RTPSO)对数据进行均衡化处理,以构建高性能冠心病合并慢性心衰预后模型。方法 分别用SMOTE算法、RTPSO算法对数据进行均衡化处理,在均衡化数据集上构建logistic回归、随机森林、支持向量机模型。结果 本研究共纳入2229例冠心病合并慢性心衰患者,依据筛选出的BMI、射血分数、N端前脑钠肽等22个变量构建模型。用灵敏度、特异度、准确率、F-measure和AUC值评价模型性能,其中RF、SVM、logistic回归、RF-RTPSO、SVM-RTPSO、Logistic-RTPSO灵敏度的中位数分别为0.0172、0.0773、0.0776、0.7568、0.7640、0.7838;F-measure的中位数分别为0.0338、0.1143、0.1283、0.3412、0.3505、0.4545;AUC的中位数分别为0.5086、0.5264、0.5313、0.8016、0.7785、0.7985。结论 RTPSO算法可以从多数类样本中选择有代表性的少数样本,从而达到数据均衡化,使分类模型具备更高的预测性能,指导临床医生发现高危患者,尽早预防不良事件的发生。
目的 修订和评价简版青少年自闭特质自评问卷(the Short Self-reported Adolescent Version of Autism Spectrum Quotient, AQ-SSAV)。方法 采取分层整群抽样的方法选择阜阳市、合肥市和芜湖市在校初、高中2 644名学生,分别从敏感性、...
详细信息
目的 修订和评价简版青少年自闭特质自评问卷(the Short Self-reported Adolescent Version of Autism Spectrum Quotient, AQ-SSAV)。方法 采取分层整群抽样的方法选择阜阳市、合肥市和芜湖市在校初、高中2 644名学生,分别从敏感性、代表性、内部一致性等指标对AQ-SSAV进行修订,使用因子分析法进行降维,同时评价问卷的信效度指标。结果 通过条目分析和因子降维,5个因子方差累积贡献率为52.29%,最终确定2个维度共计22个条目的AQ-SSAV,总问卷的重测信度、Cronbach’s α系数和分半信度系数分别是0.752、0.843和0.859,内容效度中量表平均内容效度指数为0.98,自闭特质总分与共情总分的相关系数为-0.329(P<0.001)。结论 AQ-SSAV的修订符合心理测量学要求,可以用来进行青少年自闭特质水平的测量。
暂无评论