检索结果-内蒙古大学图书馆

实用肿瘤学杂志 2024年第4期38卷 227-234页

作者：姚雪佩白山奇刘美娜哈尔滨医科大学公共卫生学院卫生统计学教研室哈尔滨150001

目的利用快速因果推断(Fast causal inference,FCI)算法构建因果图模型,分析影响非小细胞肺癌治疗质量的直接和间接因素,为改善患者治疗质量提供依据。方法收集10家三甲医院的非小细胞肺癌患者病例信息;确定影响因素为研究变量,不良事... 详细信息

目的利用快速因果推断(Fast causal inference,FCI)算法构建因果图模型,分析影响非小细胞肺癌治疗质量的直接和间接因素,为改善患者治疗质量提供依据。方法收集10家三甲医院的非小细胞肺癌患者病例信息;确定影响因素为研究变量,不良事件发生率为患者治疗质量评价指标,即结局变量;利用FCI算法挖掘病例数据,构建研究变量与结局的因果图模型,分析研究变量与结局变量及不同研究变量之间的因果关系。结果本研究共纳入2846例患者,平均年龄56.00±7.70岁,不良事件发生率为9.63%。因果图模型共包含24个节点,71条边,其中有向边54条,双向边7条。影响不良事件发生的直接因素包括医院类型、组织学分级、是否淋巴结清扫及住院天数;间接因素包括职业、医保类型、现病史、病理分期、综合治疗、手术性质及肺切除类型;因素间相互作用分析结果显示,现病史、组织学分型、综合治疗、手术性质、肺切除类型决定患者是否接受淋巴结清扫;手术性质、肺切除方式、综合治疗影响住院天数;既往史影响肺癌组织学分型;职业、医保类型影响患者就诊医院类型。结论在非小细胞肺癌治疗质量影响因素分析中,因果图模型能够获得影响不良事件发生的直接和间接因素,发现可干预的目标变量,为改善非小细胞治疗质量提供依据;医院可通过提高淋巴结清扫、综合治疗接受率,降低不良事件发生率。

关键词：非小细胞肺癌影响因素因果图模型快速因果推断算法

来源：评论

学校读者我要写书评

暂无评论

冠心病合并慢性心衰序列模式联合轨迹群组的个性化治疗模式研究

引用

中国卫生统计 2025年

作者：董晓婧孟冰霞杨弘闫晶晶和紫铉田晶张岩波山西医科大学公共卫生学院流行病与卫生统计学教研室山西医科大学附属第一医院心内科重大疾病风险评估山西省重点实验室山西中医药大学

目的探讨序列模式联合轨迹群组对冠心病合并慢性心衰临床个性化治疗的意义。方法纳入2014年1月—2021年10月山西医科大学第一医院及山西省心血管医院确诊为冠心病合并慢性心衰,符合纳入排除标准并且知情同意的309例患者共计1098份记... 详细信息

目的探讨序列模式联合轨迹群组对冠心病合并慢性心衰临床个性化治疗的意义。方法纳入2014年1月—2021年10月山西医科大学第一医院及山西省心血管医院确诊为冠心病合并慢性心衰,符合纳入排除标准并且知情同意的309例患者共计1098份记录。使用心脏的结构与功能指标训练基于群组的多轨迹模型,基于轨迹群进一步训练SPADE算法,探索与死亡相关的轨迹指标变化模式。在此基础上,筛选与之对应的逆转结局的生存规则,同时合并药物使用筛选与生存相关的药物治疗模式。结果轨迹模型最终确定为由射血分数、左房前后径、左室舒张末期内径、右室前后径训练的轨迹3群组1阶模型。SPADE算法挖掘结果显示:3个轨迹群组死亡相关的轨迹序列模式各异,并且每个轨迹群组中均筛选出逆转结局的生存序列规则,同时存在着与生存序列规则相关的药物使用模式。结论预后规则数据集展示了预后相关的轨迹指标变化及相对应的药物治疗模式,在不同轨迹群组中存在特异性,侧面验证了轨迹群组的必要性。在特征分组基础上,使用SPADE算法有助于实行个性化治疗序列模式探索。

关键词：慢性心力衰竭冠心病群组轨迹模型序列模式挖掘

来源：评论

学校读者我要写书评

暂无评论

乳腺癌多维治疗质量纵向评价的趋势分析

引用

实用肿瘤学杂志 2024年第4期38卷 213-220页

作者：李倩妮徐灵燕李健姚雪佩刘美娜哈尔滨医科大学公共卫生学院卫生统计学教研室哈尔滨150081

目的基于潜变量增长混合模型(Latent growth mixture model,LGMM)分析乳腺癌多维度治疗质量的纵向趋势,识别潜在的变化模式及影响因素,为提高治疗质量和改善患者预后提供科学依据。方法选取国家“特定(单)病种质量监测系统”中连续4年... 详细信息

目的基于潜变量增长混合模型(Latent growth mixture model,LGMM)分析乳腺癌多维度治疗质量的纵向趋势,识别潜在的变化模式及影响因素,为提高治疗质量和改善患者预后提供科学依据。方法选取国家“特定(单)病种质量监测系统”中连续4年的乳腺癌质量监测数据;基于项目反应理论(Item response theory,IRT)计算乳腺癌在术前检查、治疗以及结局3个维度的治疗质量;构建LGMM分析乳腺癌各维度治疗质量的独立以及联合变化趋势,结合实际意义及统计指标确定最优模型。结果在独立变化趋势分析中,术前检查、治疗和结局维度均识别出2个潜在类别,其中,术前检查维度中呈快速上升趋势占9%、呈相对稳定趋势占91%;治疗维度中稳定增长占23%、缓慢下降占77%;结局维度中呈上升趋势占13%、呈下降趋势占87%。在联合变化趋势分析中,识别出2个潜在类别:第一类占比约8%,该类术前检查维度治疗质量较好,其截距和斜率均值分别为3.326和3.367,治疗和结局维度的治疗质量稳步提高;第二类占比约92%,该类治疗维度治疗质量较好,其截距和斜率均值分别为0.548和0.018,术前检查和结局维度的治疗质量仍有改善空间;患者特征中BMI和M分期是治疗质量联合变化趋势的重要影响因素。结论该研究期间乳腺癌治疗质量在术前检查、治疗和结局各维度均有不同程度的改善;在三个维度的联合变化趋势分析中,术前检查维度治疗质量的提高,可为后续治疗提供可行的参考,达到减少并发症的目的。

关键词：乳腺癌治疗质量潜变量增长混合模型变化趋势

来源：评论

学校读者我要写书评

暂无评论

反事实解释框架在慢性阻塞性肺疾病急性加重患者治疗效果预判模型中的应用

引用

中华疾病控制杂志 2025年第4期29卷 461-467,480页

作者：原一玮何航帜胡晓娟董涛靳婕赵卉张岩波山西医科大学公共卫生学院卫生统计学教研室重大疾病风险评估山西省重点实验室太原030001 山西医科大学第二医院呼吸与危重症医学科太原030001 山西医科大学管理学院医学信息技术教研室太原030001

目的针对慢性阻塞性肺疾病急性加重(acute exacerbation of chronic obstractive pulmonary disease,AECOPD)住院患者,构建结合反事实解释框架的机器学习(machine learning,ML)模型,精准预测患者住院疗效并提供临床决策支持。方法选择2... 详细信息

目的针对慢性阻塞性肺疾病急性加重(acute exacerbation of chronic obstractive pulmonary disease,AECOPD)住院患者,构建结合反事实解释框架的机器学习(machine learning,ML)模型,精准预测患者住院疗效并提供临床决策支持。方法选择2012—2020年因AECOPD于山西医科大学第二医院住院的患者3046例,以中位住院时长内是否好转出院作为结局变量,构建5种ML预测模型并进行性能对比。最后使用反事实框架解释最优模型并提供干预方案。结果CatBoost(categorical boosting)模型的综合性能最好,受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)为0.748、准确率为68.4%、精确率为70.6%、召回率为69.1%、F1值为69.8%、布里尔分数为20.4%,校准曲线接近对角线。通过反事实解释框架直观呈现了患者的结局发生机制,生成的可干预方案可协助医生改善AECOPD患者的住院疗效。结论在仅使用常规电子医疗病历数据的情况下,基于CatBoost的预测模型可实现对AECOPD患者住院疗效的预测,结合反事实解释框架可为医生提供针对AECOPD患者的个性化干预方案,为临床决策提供可靠的依据。

关键词：慢性阻塞性肺疾病急性加重机器学习预测模型模型可解释性反事实解释

来源：评论

学校读者我要写书评

暂无评论

伊犁哈萨克自治州农村地区35~74岁居民膳食多样性与高血压相关性研究

引用

中国预防医学杂志 2023年第8期24卷 795-800页

作者：阿丽亚·艾木都拉王璐穆凯丽席苗苗张焕文戴江红新疆医科大学公共卫生学院流行病与卫生统计学教研室新疆维吾尔自治区乌鲁木齐830017

目的膳食多样化评分(dietary diversity score,DDS)评价伊犁哈萨克自治州农村地区居民膳食质量,探讨膳食多样性与高血压的关系。方法2018年12月—2019年5月,在伊犁哈萨克自治州霍城县居民开展基线调查,采用半定量的食物频率问卷(food fr... 详细信息

目的膳食多样化评分(dietary diversity score,DDS)评价伊犁哈萨克自治州农村地区居民膳食质量,探讨膳食多样性与高血压的关系。方法2018年12月—2019年5月,在伊犁哈萨克自治州霍城县居民开展基线调查,采用半定量的食物频率问卷(food frequency questionnaires,FFQ)进行膳食调查,计算DDS。将DDS评分按四分位数划分为Q1(0~4分)、Q2(5分)、Q3(6分)、Q(7~9分)。比较高血压组与非高血压组研究对象膳食摄入情况及膳食多样性情况。采用非条件多元logistic回归模型,调整了性别、年龄、民族等混杂因素,探讨膳食多样性与高血压的相关性。结果本研究纳入5781人,男性2719例,女性3062例,年龄(50.96±9.96)岁,高血压2309例,检出率39.94%。总体DDS评分(5.62±1.50)分,低膳食多样性792例(13.70%),膳食种类摄入充足1573名(27.21%)。在9类食物种类中,调查对象谷类、蔬菜、水果、肉类、乳制品摄入较高,豆类、蛋类、鱼类、油脂类摄入较低。对混杂因素进行调整后,与DDS Q1组相比,Q3(OR=0.85,95%CI:0.74~0.97))、Q4(OR=0.74,95%CI:0.57~0.96)的DDS得分与高血压的低风险有相关性。结论DDS高得分与高血压低风险有关,坚持多样化饮食,可以有效预防高血压的发生。

关键词：高血压膳食多样化评分农村

来源：评论

学校读者我要写书评

暂无评论

慢性阻塞性肺疾病急性加重住院患者出院状态预测研究

引用

中华疾病控制杂志 2024年第6期28卷 685-690页

作者：李少凡李莉芳何航帜张垚烨原一玮赵卉张岩波山西医科大学公共卫生学院卫生统计学教研室重大疾病风险评估山西省重点实验室太原030001 山西医科大学第二医院呼吸与危重症医学科太原030001 山西中医药大学晋中030619

目的为解决肺功能检测不易获取、测量误差大等问题,结合出院状态和住院的时间,构建机器学习预后预测模型,实现慢性阻塞性肺疾病急性加重期(acute exacerbation of chronic obstructive pulmonary disease,AECOPD)患者预后的精准预测。... 详细信息

目的为解决肺功能检测不易获取、测量误差大等问题,结合出院状态和住院的时间,构建机器学习预后预测模型,实现慢性阻塞性肺疾病急性加重期(acute exacerbation of chronic obstructive pulmonary disease,AECOPD)患者预后的精准预测。方法选择2011年10月―2020年5月因AECOPD于山西医科大学第二医院呼吸科住院的患者3035例。结局变量为中位住院时长内是否好转出院。通过构建5种机器学习模型[逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、Catboost(categorical boosting)、多层感知机(multilayer perceptron,MLP)]建立预测模型,比较受试者工作特征(receiver operating characteristic,ROC)的曲线下面积(area under curve,AUC)等评价指标,选出最优模型。最后使用最优模型进行决策曲线分析,验证其临床实用性。结果RF相较于其他机器学习模型的综合预测性能最佳,AUC为0.780、准确率为69.69%、精确率为64.50%、召回率为75.18%、F1分数为69.44%、布里尔分数为18.77%,校准曲线基本与对角线一致,决策曲线分析有较好的临床收益。结论基于RF的预测模型可以在无法获得肺功能检测相关指标的情况下实现对AECOPD患者预后的准确预测,为临床医生在评估与治疗决策中提供一定的支持。

关键词：慢性阻塞性肺疾病急性加重期机器学习预测模型

来源：评论

学校读者我要写书评

暂无评论

重庆市自报告有性行为在校青年学生艾滋病预防知行分离现状分析

引用

中国艾滋病性病 2023年第11期29卷 1220-1224页

作者：谭博卜清清陈忻睿张萌邓丹重庆医科大学公共卫生学院医学与社会发展研究中心卫生统计学教研室重庆401331

目的调查重庆市自报告有性行为在校青年学生在艾滋病预防中的知行分离现状及有关影响因素,为开展艾滋病教育干预提供参考依据。方法于重庆市开展横断面调查,通过方便抽样,抽取本科、大专、中专学生,调查其艾滋病相关知识、态度及行为,... 详细信息

目的调查重庆市自报告有性行为在校青年学生在艾滋病预防中的知行分离现状及有关影响因素,为开展艾滋病教育干预提供参考依据。方法于重庆市开展横断面调查,通过方便抽样,抽取本科、大专、中专学生,调查其艾滋病相关知识、态度及行为,采用多因素Logistic回归模型分析知行分离的影响因素。结果共纳入2870名青年学生,其中40.9%出现知行分离,多因素Logistic回归结果显示,年龄为18~19岁(OR=0.641,95%CI:0.469~0.875)和≥20岁(OR=0.534,95%CI:0.389~0.732)、学校类型为高职/大专(OR=1.248,95%CI:1.038~1.501)和中专(OR=1.443,95%CI:1.039~2.003)、每月支出≥3000元(OR=1.459,95%CI:1.019~2.090)、最近一年性行为频率>3次(OR=1.618,95%CI:1.383~1.893)、性行为对象非配偶或恋爱的异性(OR=1.667,95%CI:1.329~2.092)、不曾主动查询艾滋病知识(OR=1.168,95%CI:1.001~1.369)以及最近一年没有接受过学校艾滋病宣传(OR=1.269,95%CI:1.071~1.505)是知行分离的影响因素(P<0.05)。结论重庆市有性行为在校青年学生艾滋病知行分离现象较为明显,后续应针对性地制定艾滋病健康教育策略,融合全面性教育,加强健康态度和信念教育。

关键词：艾滋病青年学生知行分离影响因素

来源：评论

学校读者我要写书评

暂无评论

结合环论的粒子群优化算法进行冠心病合并慢性心衰预后分析

引用

中国卫生统计 2024年第1期41卷 53-57页

作者：张瑜田晶杨弘韩港飞韩清华张岩波山西医科大学公共卫生学院流行病与卫生统计学教研室 030001 山西医科大学附属第一医院心内科重大疾病风险评估山西省重点实验室

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。

关键词：慢性心衰类不平衡粒子群优化随机森林支持向量机

来源：评论

学校读者我要写书评

暂无评论

布雷菲德菌素A对HepG2细胞自噬的诱导作用

引用

环境化学 2022年第10期41卷 3345-3352页

作者：李丹李明虹李星道刘希冲高文婷余红梅白剑英山西医科大学公共卫生学院环境卫生学教研室太原030001 山西医科大学公共卫生学院卫生统计学教研室太原030001

为探讨新型抗癌药物布雷菲德菌素A(BFA)诱导肝癌细胞发生自噬性死亡的作用机制,以HepG2细胞作为研究对象,将细胞分成阴性对照组、不同浓度BFA组和阳性对照组(雷帕霉素),采用MTT法测定HepG2细胞活性;采用免疫荧光法检测细胞内自噬标志蛋... 详细信息

为探讨新型抗癌药物布雷菲德菌素A(BFA)诱导肝癌细胞发生自噬性死亡的作用机制,以HepG2细胞作为研究对象,将细胞分成阴性对照组、不同浓度BFA组和阳性对照组(雷帕霉素),采用MTT法测定HepG2细胞活性;采用免疫荧光法检测细胞内自噬标志蛋白LC3的表达和细胞核形态学改变;采用Western Blot法检测细胞内激活转录因子4(ATF4)、C/EBP同源蛋白(CHOP)、聚(腺苷二磷酸-核糖)多聚酶(PARP)、增殖细胞核抗原(PCNA)、微管相关蛋白1轻链3(LC3)、自噬相关蛋白5(Atg5)、自噬相关蛋白6(Atg6/Beclin-1)的表达水平.结果表明,BFA可引起HepG2细胞内自噬特征蛋白LC3-Ⅱ、Atg5、Beclin-1的蛋白表达水平明显增加;同时引起HepG2细胞活性降低、细胞数量减少、细胞核固缩和变形.说明BFA可能引起HepG2细胞发生自噬性细胞死亡.进一步探讨自噬诱导途径发现,BFA引起HepG2细胞内ATF4、CHOP的蛋白表达水平增加.BFA可能通过诱导ATF4和CHOP的过表达引起HepG2细胞发生自噬性细胞死亡.

关键词：布雷菲德菌素A HepG2细胞激活转录因子4 C/EBP同源蛋白自噬性细胞死亡

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的糖尿病前期预测模型的构建及其验证

引用

热带医学杂志 2025年第5期 605-608+620+727页

作者：杨紫森苏津唐溢乐刘早玲新疆医科大学公共卫生学院流行病与卫生统计学教研室

目的探究影响糖尿病前期的预测因子，并基于7种机器学习方法构建最优的糖尿病前期风险预测模型，对模型的可解释性进行分析和评价。方法在NHANES数据库对2009-2018年的数据进行筛选，筛选出854例研究对象，其中正常血糖共651例，糖尿... 详细信息

目的探究影响糖尿病前期的预测因子，并基于7种机器学习方法构建最优的糖尿病前期风险预测模型，对模型的可解释性进行分析和评价。方法在NHANES数据库对2009-2018年的数据进行筛选，筛选出854例研究对象，其中正常血糖共651例，糖尿病前期患者共203例。通过单因素差异性分析中的χ2检验、t检验和Z检验筛选出预测因子，明确糖尿病前期的相关影响因素。将筛选出的糖尿病前期影响因素通过R语言creatDataPartition函数将数据集按照7∶3的比例随机划分为训练集和测试集。使用XGBoost、Logistic、LightGBM、AdaBoost、K-近邻值、朴素贝叶斯（CNB）、支持向量机（SVM）7种机器学习方法构建糖尿病前期风险预测模型，将训练集输入模型进行训练，将测试集输入模型进行十折交叉验证，对模型进行内部验证。并结合受试者工作特征曲线及曲线下面积（AUC）评估模型预测性能。最后，使用SHAP工具分析高效能预测模型的可解释性，判断模型在决策过程中各个特征的重要性。结果单因素分析显示正常血糖组和糖尿病前期组在年龄、性别、学历、体重指数（BMI）、腰围、体重、维生素C、锌这8个变量间差异均有统计学意义（Z/χ2=-3.399、10.915、13.166、-5.173、-6.250、-5.118、-2.019、-2.200,P均<0.05）。将预测因子纳入到7个预测模型中，进行参数对比，其中XGBoost模型为最佳模型，训练集AUC（SD）为0.845（0.019），测试集AUC（SD）为0.662（0.065）,SHAP工具对XGBoost模型的预测情况进行解释性分析，结果显示腰围、体重、性别、年龄、锌为最重要的预测特征，同时BMI、腰围、维生素C在模型中具有较高的重要性。结论 XGBoost为最佳预测模型。体重、性别、年龄、锌对模型预测起到重要作用，在糖尿病前期的预测方面具有一定价值。

关键词：机器学习糖尿病前期 XGBoost模型

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：