检索结果-内蒙古大学图书馆

中国循证医学杂志 2024年第9期24卷 1085-1093页

作者：何倩潘喆敏向蔓宛慧琴秦婴逸贺佳海军军医大学军队卫生统计学教研室上海200433 同济大学医学院上海200092

目的通过公式推导和实例验证,分析多阅片者多病例(multi-reader multi-case,MRMC)设计影像诊断试验准确度评价的统计分析方法。方法本研究包括理论推导和实例验证两个部分。理论部分详细介绍了MRMC统计分析方法,特别是Obuchowski-Rocket... 详细信息

目的通过公式推导和实例验证,分析多阅片者多病例(multi-reader multi-case,MRMC)设计影像诊断试验准确度评价的统计分析方法。方法本研究包括理论推导和实例验证两个部分。理论部分详细介绍了MRMC统计分析方法,特别是Obuchowski-Rockette(OR)与Dorfman-Berbaum-Metz(DBM)方法的原理和步骤。实例部分研究共纳入了100例受试者,其中67例疾病患者。四名阅片者分别采用传统胶卷影像方法和数字化影像方法进行阅片。通过OR与DBM方法对阅片结果进行分析。结果实例研究显示,OR和DBM方法结果具有较高的一致性。当OR方法采用Jackknife估计协方差矩阵时,其结果与DBM方法完全吻合。结论为准确评估影像诊断试验的临床性能,推荐采用OR和DBM方法进行影像诊断试验准确性评价的统计分析,以确保阅片者因素对评价结果的影响得到充分考虑。OR与DBM方法的结果较为接近,实际应用时应考虑具体数据特点和研究设计选择合适的分析方法。同时,OR与DBM方法的应用目前仍存在一定挑战,如软件实现、缺失数据处理,未来仍需要进一步的探索。

关键词：多阅片者多病例影像诊断试验准确性

来源：评论

学校读者我要写书评

暂无评论

多阅片者多病例设计影像诊断试验样本量估计方法介绍及软件实现

引用

中国循证医学杂志 2025年第5期25卷 555-561页

作者：宛慧琴向蔓潘喆敏秦婴逸何倩贺佳同济大学医学院上海200092 海军军医大学卫生统计学教研室上海200433

目的探讨多阅片者多病例设计影像诊断试验中的两种样本量估计方法并介绍其软件实现。方法采用Van Dyke数据集在R软件中进行程序演示,使用OR法和DBM法计算阅片者和病例的数量组合,以此作为多阅片者多病例研究的试点试验结果,为后续的正... 详细信息

目的探讨多阅片者多病例设计影像诊断试验中的两种样本量估计方法并介绍其软件实现。方法采用Van Dyke数据集在R软件中进行程序演示,使用OR法和DBM法计算阅片者和病例的数量组合,以此作为多阅片者多病例研究的试点试验结果,为后续的正式试验提供参数设置的参考。结果当效应量为0.044时,6名阅片者和247名病例时可以达到80%的检验效能;而当效应量大小为0.088时,阅片者为6名,病例仅需44例即可达到80.5%的检验效能。使用OR法和DBM法计算得到的样本量一致,也可以通过两种方法的转换得到相同的样本量计算结果。结论对于多阅片者多病例研究的样本量估计而言,R软件为影像诊断试验中采用多阅片者多病例设计的样本量估计提供了方便成熟的软件包,以此为影像诊断试验选择合适的样本量估计及统计分析方法提供了参考。

关键词：影像诊断试验多阅片者多病例 OR法 DBM法样本量估计

来源：评论

学校读者我要写书评

暂无评论

家长与中小学生中高强度身体活动和静态行为的关联

引用

中国学校卫生 2025年第1期46卷 68-72页

作者：姚梓枫叶荣荣陈嘉德徐鹏黄燕红李丽霞李红娟郜艳晖暨南大学基础医学与公共卫生学院医学统计学教研室广东广州510632 广东药科大学公共卫生学院卫生统计学教研室北京体育大学运动人体科学学院/运动与体质健康教育部重点实验室

目的探讨家长中高强度身体活动(MVPA)、静态行为(SB)与中小学生MVPA、SB的关联,为制定针对性的儿童青少年身体活动促进策略提供科学依据。方法 2021—2022年,采用方便抽样与整群抽样相结合的方法收集广州市海珠区5所中小学的2 484对学... 详细信息

目的探讨家长中高强度身体活动(MVPA)、静态行为(SB)与中小学生MVPA、SB的关联,为制定针对性的儿童青少年身体活动促进策略提供科学依据。方法 2021—2022年,采用方便抽样与整群抽样相结合的方法收集广州市海珠区5所中小学的2 484对学生及其家长的基本信息和24 h活动行为情况。构建成分回归模型分析家长MVPA、SB与中小学生MVPA、SB的关系,并采用成分等时替代模型探讨家长MVPA、剩余成分(24 h中除SB外的时间使用成分)和SB之间相互替代对中小学生MVPA和SB行为活动的影响。结果一至三年级学生家长MVPA和SB与学生的MVPA和SB均呈正相关(β值分别为0.06,0.12,P值均<0.01)。成分等时替代模型显示,一至三年级学生家长用10 min和20 min MVPA替代SB与学生MVPA增加有关,用10 min和20 min剩余成分替代SB与学生SB减少有关,平均变化量分别为0.8(95%CI=0.4~1.2)和1.4(95%CI=0.7~2.2)、-1.4(95%CI=-1.7~-1.1)和-2.9(95%CI=-3.4~-2.3)(P值均<0.05)。四至六年级和七至九年级学生家长与学生身体活动和静态行为间未观察到有统计学意义的关联(P值均>0.05)。结论一至三年级学生家长增加MVPA和减少SB对学生增加MVPA和减少SB有益。可通过家长促进中小学生身体活动,且干预关口应提前,低年级为最佳干预期。

关键词：运动活动静态行为回归分析学生法定监护人

来源：评论

学校读者我要写书评

暂无评论

基于广义增强模型的倾向性评分重叠权重加权方法研究

引用

中国卫生统计 2024年第5期41卷 676-681页

作者：涂博祥秦婴逸徐宵赵艳芳海军军医大学军队卫生统计学教研室 200433 同济大学医学院

目的本研究构建了基于广义增强模型的倾向性评分重叠权重加权模型(GBM-OW)。方法通过模拟数据探讨在混杂因素与处理因素间关系复杂的情况下,不同样本量,不同倾向性评分值重叠程度下GBM-OW模型在均衡混杂因素、效应估计等方面的表现,并... 详细信息

目的本研究构建了基于广义增强模型的倾向性评分重叠权重加权模型(GBM-OW)。方法通过模拟数据探讨在混杂因素与处理因素间关系复杂的情况下,不同样本量,不同倾向性评分值重叠程度下GBM-OW模型在均衡混杂因素、效应估计等方面的表现,并与多因素调整模型及其它三种倾向性评分加权模型进行比较。结果及结论从模拟结果来看,当变量之间关系复杂、样本量大、倾向性评分值重叠程度小的情况下,GBM-OW模型在各方面均有较好的表现,可应用于观察性研究中。

关键词：倾向性评分重叠权重广义增强模型

来源：评论

学校读者我要写书评

暂无评论

多组资料倾向性评分加权法模型构建与比较

引用

中国循证医学杂志 2023年第3期23卷 362-372页

作者：徐宵涂博祥秦婴逸贺佳同济大学医学院上海200092 海军军医大学军队卫生统计学教研室上海200433

目的比较处理多组资料数据时三种倾向性评分加权方法在不同样本量的条件下均衡协变量的能力和估计处理效应的优劣。方法采用Monte Carlo模拟的方法生成数据集,比较三种倾向性评分加权方法Logistic-IPTW、Logistic-OW和GBM-OW法均衡协... 详细信息

目的比较处理多组资料数据时三种倾向性评分加权方法在不同样本量的条件下均衡协变量的能力和估计处理效应的优劣。方法采用Monte Carlo模拟的方法生成数据集,比较三种倾向性评分加权方法Logistic-IPTW、Logistic-OW和GBM-OW法均衡协变量和估计处理效应的优劣。协变量均衡水平指标为绝对标准均值差。处理效应评价指标包括处理效应的点估计值、均方根误差、可信区间覆盖率。结果在5种协变量与处理因素、结局变量有不同复杂程度的相关关系的场景下,相比于Logistic-IPTW法和Logistic-OW法,GBMOW法在效应估计方面更优,同时拥有更小的均方根误差;在协变量均衡性方面,三种方法效果都比较好,GBMOW方法在多组资料倾向性评分分布重叠度较低,且在协变量与分组变量、结局变量有越来越复杂的非线性关系时表现变好。结论在处理多组资料时,GBM-OW法相对另外两种方法,在协变量与分组变量、结局变量之间存在非线性或(和)交互关系时具有优势。运用此方法后效应估计更加接近真实值,为较优的选择。

关键词：倾向性评分加权法重叠加权多组资料广义增强模型逆概率加权

来源：评论

学校读者我要写书评

暂无评论

股骨颈骨折术后股骨头坏死率及相关危险因素的Meta分析

引用

中国骨伤 2022年第4期35卷 390-399页

作者：王焕韩春霞艾自胜同济大学医学院医学统计学教研室上海200092

目的:研究2000年以后的成人股骨颈骨折患者内固定术后股骨头坏死发生率及相关危险因素以识别股骨头坏死高危人群。方法:检索PubMed、Medline、The Cochrane Library、中国知网、万方和维普数据库,收集2000年1月1日至2020年7月1日期间有... 详细信息

目的:研究2000年以后的成人股骨颈骨折患者内固定术后股骨头坏死发生率及相关危险因素以识别股骨头坏死高危人群。方法:检索PubMed、Medline、The Cochrane Library、中国知网、万方和维普数据库,收集2000年1月1日至2020年7月1日期间有关股骨颈骨折术后股骨头坏死及其危险因素的全部研究,根据入选和排除标准剔除不符合要求的研究。使用Endnote X9和Excel 2019进行文献提取、管理以及数据录入,利用R Studio 3.6.5软件进行Meta分析。通过亚组分析、敏感性分析和发表偏倚检测来研究异质性来源及评估结果的可靠性。结果:共纳入16篇文献,包括5521例股骨颈骨折患者。Meta分析结果显示成人股骨颈骨折内固定术后股骨头坏死发生率为14.5%[95%CI(0.126-0.165)]。骨折移位情况[OR=0.27,95%CI(0.21-0.35)]和复位质量[OR=0.15,95%CI(0.09-0.27)]是股骨头坏死相关危险因素。亚组率分析结果显示:非移位型骨折坏死率为6.2%[95%CI(0.051-0.077)],移位型骨折坏死率为20.4%[95%CI(0.166-0.249)];骨折复位良好坏死率为8.3%[95%CI(0.072-0.095)],骨折复位不良坏死率为35.5%[95%CI(0.233-0.500)]。纳入的文献一致性较好,不存在发表偏倚。结论:2000年以后的成人股骨颈骨折内固定术后股骨头总坏死率有所下降,而移位型骨折和复位质量不良的患者坏死率仍处于较高水平。由于各原始文献对受伤至手术时间间隔的划分不一致,没有对该指标进行分析。

关键词：股骨颈骨折骨折固定术,内股骨头坏死危险因素

来源：评论

学校读者我要写书评

暂无评论

影像诊断试验中多阅片者多病例设计的样本量估计研究

引用

海军军医大学学报 2025年第5期46卷 693-698页

作者：向蔓宛慧琴潘喆敏何倩秦婴逸贺佳同济大学医学院上海200092 海军军医大学(第二军医大学)卫生勤务学系军队卫生统计学教研室上海200433

目的实现影像诊断试验中多阅片者多病例设计下的样本量估计,探索阅片者和病例均随机、阅片者固定病例随机、阅片者随机病例固定3种情形下阅片者和受试者的数量组合。方法采用Van Dyke数据集中114例受试者(45例被金标准诊断为主动脉夹... 详细信息

目的实现影像诊断试验中多阅片者多病例设计下的样本量估计,探索阅片者和病例均随机、阅片者固定病例随机、阅片者随机病例固定3种情形下阅片者和受试者的数量组合。方法采用Van Dyke数据集中114例受试者(45例被金标准诊断为主动脉夹层)的影像,并由5名影像科医生在自旋回波(Spin-echo)和电影(Cine)2种序列MRI下的判读结果为预试验数据,使用Obuchowski-Rockette法估计正式试验中所需的样本量。结果医生在Spin-echo MRI、Cine MRI序列下判别主动脉夹层的平均AUC值分别为0.941(95% CI 0.899~0.983)、0.897(95% CI0.837~0.957)。当效应量取两者AUC差值0.044、阅片者数量为5时,阅片者和病例均随机、阅片者固定病例随机、阅片者随机病例固定3种情形下分别需要受试者337、162、282例。结论多阅片者多病例设计在进行样本量估计时需考虑阅片者和受试者两者数量,相同情况下,阅片者人数越多所需的受试者数量越少;3种情形中,阅片者(≥5人)和病例均随机时所需样本量最多。

关键词：影像诊断试验多阅片者多病例 Obuchowski-Rockette法样本量

来源：评论

学校读者我要写书评

暂无评论

多阅片者多病例设计在人工智能辅助阅片影像诊断试验评价中的应用

引用

海军军医大学学报 2025年第4期46卷 504-510页

作者：宛慧琴向蔓潘喆敏秦婴逸何倩贺佳同济大学医学院上海200092 海军军医大学(第二军医大学)卫生勤务学系军队卫生统计学教研室上海200433

目的使用多阅片者多病例(MRMC)设计评价人工智能(AI)辅助阅片影像诊断试验的临床效能,以期为影像诊断试验的临床评价提供科学依据。方法采用影像诊断试验中广泛应用的MRMC设计,详细阐述了MRMC设计中Obuchowski-Rockette(OR)法的模型构... 详细信息

目的使用多阅片者多病例(MRMC)设计评价人工智能(AI)辅助阅片影像诊断试验的临床效能,以期为影像诊断试验的临床评价提供科学依据。方法采用影像诊断试验中广泛应用的MRMC设计,详细阐述了MRMC设计中Obuchowski-Rockette(OR)法的模型构建及其检验方法。实例研究共收集了3家医院200例受试者的CT影像资料,其中133例为肋骨骨折患者,68例为非肋骨骨折患者,由3位阅片医师对所有CT影像进行判读。分析在2种阅片方式(医师+AI辅助阅片、医师独立阅片)下肋骨骨折检出的AUC值、灵敏度和特异度的差异。结果AI辅助阅片组的AUC值为0.958,医师独立阅片组的AUC值为0.902,两组AUC值差异有统计学意义(P<0.001)。AI辅助阅片组总体的灵敏度为0.970,特异度为0.946;医师独立阅片组的灵敏度为0.838,特异度为0.966;两组灵敏度差值为0.131(95%CI 0.091~0.171),特异度差值为-0.020(95%CI-0.059~0.020),说明AI辅助阅片与医师独立阅片的灵敏度差异有统计学意义而特异度差异无统计学意义。两组的阳性似然比均大于10,阴性似然比均小于0.2,阳性预测值都接近1,说明AI辅助阅片影像诊断试验的诊断准确性高。结论AI辅助阅片在提高诊断效能方面有显著优势,不仅可以提高肋骨骨折诊断的准确性和检出率,还能提高医师工作效率,优化医院服务。

关键词：人工智能多阅片者多病例设计 Obuchowski-Rockette法肋骨骨折诊断准确性

来源：评论

学校读者我要写书评

暂无评论

卷积神经网络的原理及其在医学影像诊断中的应用

引用

中国医学物理学杂志 2022年第12期39卷 1485-1489页

作者：王霄朱恩照艾自胜同济大学医学院医学统计学教研室上海200092

利用卷积神经网络快速高效地对医学影像数据进行分析和处理可以实现医学影像数据快速分类、定位等操作,提高医学诊疗的效率。本研究从卷积神经网络的背景和原理入手,介绍各种类型的卷积神经网络的应用场景和一些常用的卷积神经网络模型... 详细信息

利用卷积神经网络快速高效地对医学影像数据进行分析和处理可以实现医学影像数据快速分类、定位等操作,提高医学诊疗的效率。本研究从卷积神经网络的背景和原理入手,介绍各种类型的卷积神经网络的应用场景和一些常用的卷积神经网络模型,包括残差卷积神经网络、U-net、循环卷积神经网络等及其在医学影像诊断中的应用,最后针对卷积神经网络和人工智能技术讨论了其未来的展望和挑战。

关键词：人工智能卷积神经网络医学影像医学诊断综述

来源：评论

学校读者我要写书评

暂无评论

基于基因组结构方程模型的自身免疫性疾病和精神类疾病的共享遗传结构研究

引用

现代预防医学 2025年第1期52卷 45-50+102页

作者：邓刘飞薛舒婷姚紫微张潇迈温艳超刘龙山西医科大学公共卫生学院卫生统计学教研室山西医科大学医学科学院卫生统计教研室重大疾病风险评估山西省重点实验室

目的应用基因组结构方程模型（genome structural equation modeling,GSEM）和孟德尔随机化（Mendelian randomization, MR）研究六种自身免疫性疾病（autoimmune diseases,AID）和十种精神类疾病（psychiatric disorders,PD）之间的共享遗传结构。方法本研究运用连锁不平衡分数回归评估疾病之间的遗传相关性；引入GSEM，在奇数染色体进行探索性因素分析、偶数染色体进行验证性因素分析来交叉验证，并结合路径分析建立三因子模型和层次模型。此外，对潜在因子（Factor）进行多变量全基因组关联研究，测试中介变量和Factor之间的双向因果关系。从而揭示各疾病之间复杂的遗传关系。结果 GSEM结果显示所选取的16种疾病可以被3个独立的因子所构成的三因子模型所解释，且在拟合研究数据时表现最佳（χ2=865.291,AIC=929.291,CFI=0.940,SRMR=0.097），模型中，Factor1和Factor3均显示出与AID密切相关的特征；Factor2主要包含精神类疾病，硬皮病作为中介变量联系两类疾病；MR结果显示硬皮病和Factor2、Factor3之间存在双向因果效应。结论 GSEM和MR可以用于揭示AID和PD之间的共享遗传结构和因果效应，从而发现两者的相互作用，为理解复杂疾病之间的遗传关系提供了一个重要的方法学工具。

关键词：基因组结构方程模型因子分析孟德尔随机化自身免疫性疾病精神类疾病

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：