检索结果-内蒙古大学图书馆

中国卫生统计 2024年第3期41卷 430-433页

作者：刘东旭何倩周祥董子唯徐宵贺佳同济大学医学院医学统计教研室 200331 海军军医大学卫生勤务系卫生统计教研室

目的探索基于多阅片者多病例研究设计的影像诊断临床试验中选择以AUC为评价指标时DBMH方法(dorfman-berbaum-metz-hillis)与ORH方法(obuchowski-rockette-hillis)在数据处理与分析中的应用,并与ROC曲线分析法进行三者间比较。方法从理... 详细信息

目的探索基于多阅片者多病例研究设计的影像诊断临床试验中选择以AUC为评价指标时DBMH方法(dorfman-berbaum-metz-hillis)与ORH方法(obuchowski-rockette-hillis)在数据处理与分析中的应用,并与ROC曲线分析法进行三者间比较。方法从理论角度阐述DBM(dorfman-berbaum-metz)法与DBMH法、OR(obuchowski-rockette)法与ORH法的联系与调整之处,并通过实例主动脉夹层诊断数据使用DBMH法、ORH法及ROC曲线分析法做进一步的分析。结果经DBMH法与ORH法分析未发现两种诊断方式单自旋回波MRI与电影序列MRI诊断效果存在统计学差异(PDBMH=0.0519,PORH=0.0695)。两分析方法中两诊断方式ROC曲线下面积差值及其95%置信区间分别为-0.0438(-0.0879,0.0004)与-0.0438(-0.0913,0.0037)。而ROC曲线分析法显示存在统计学差异(P=0.0058)。结论相对于DBMH法,ORH法存在较为保守的问题。在MRMC设计的影像诊断试验中,使用DBMH法或ORH法进行分析,较ROC曲线分析法存在着十分明显的优势。

关键词：多阅片者多病例 DBMH法 ORH法诊断试验

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准确度评价的统计分析方法

引用

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

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

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

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

基于贝叶斯网络的随机森林优化填补算法

引用

海军军医大学学报 2025年第2期46卷 253-257页

作者：董鑫宇陈琪杨志宇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

目的评估并改进缺失数据处理方法,提升二分类结局预测模型性能。方法模拟数据缺失场景,通过预测模型的ROC AUC及均方根误差(RMSE)共同评估直接剔除、均值填补、随机森林填补、多重填补对预测模型性能的影响,并将贝叶斯网络引入随机森林... 详细信息

目的评估并改进缺失数据处理方法,提升二分类结局预测模型性能。方法模拟数据缺失场景,通过预测模型的ROC AUC及均方根误差(RMSE)共同评估直接剔除、均值填补、随机森林填补、多重填补对预测模型性能的影响,并将贝叶斯网络引入随机森林填补算法,利用变量间相关性进行填补方法的优化。结果不同缺失占比下,通过AUC及RMSE均可得出贝叶斯网络优化随机森林填补算法效果最佳。此外,在缺失占比为10%~20%时,各种填补方法对预测模型的性能提升效果大体相同;当缺失占比为30%~40%时,相较于均值填补,除贝叶斯网络优化随机森林填补算法外,随机森林填补更好,其效果略优于多重填补;当缺失占比接近50%时,即使模型性能依旧较好,但填补数据逐渐偏离真实数据特征,模型的可用性下降。结论贝叶斯网络优化随机森林填补算法总体效果较好,当随机缺失占比30%~40%时可优先考虑。

关键词：预测模型缺失填补随机森林贝叶斯网络

来源：评论

学校读者我要写书评

暂无评论

SDAEC算法在单细胞测序数据批次校正中的应用

引用

中国卫生统计 2024年第4期41卷 501-506页

作者：王文杰李康谢宏宇哈尔滨医科大学卫生统计学教研室 150081 浙江大学医学院附属妇产科医院临床研究中心

目的提出深度堆叠降噪自编码嵌套聚类(stacked denoising auto encoder embedded cluster, SDAEC)算法并用于单细胞mRNA测序(single cell mRNA sequence, scRNA-seq)数据的批次效应移除,对其移除批次效应性能进行评估。方法基于单细... 详细信息

目的提出深度堆叠降噪自编码嵌套聚类(stacked denoising auto encoder embedded cluster, SDAEC)算法并用于单细胞mRNA测序(single cell mRNA sequence, scRNA-seq)数据的批次效应移除,对其移除批次效应性能进行评估。方法基于单细胞数据具有高维度、高稀疏性及高度非线性误差特点,通过将单细胞Louvain聚类算法嵌入堆叠降噪自动编码器(stacked denoising auto encoder, SDAE)算法中,形成SDAEC算法,用于单细胞测序数据的批次效应移除。结合实际卵巢癌组织scRNA-seq数据,利用分布邻域嵌入(t-distributed stochastic neighbor embedding, tSNE)、 k最近邻批次效应检测(k-nearest-neighbor batch-effect test, kBET)、调整兰德系数(adjusted rand index, ARI)、标准化互信息(normalized mutual information, NMI)、平均轮廓宽度(average silhouette width, ASW)评价其移除批次效应性能。结果利用SDAEC方法对scRNA-seq数据批次效应移除性能高于Combat、相互最近邻(mutual nearest neighbors, MNN)、分布匹配残差网络(maximum mean discrepancy distribution-matching residual networks, MMD-ResNet)和基于零膨胀负二项的方差提取法(zero-inflated negative binomial-based wanted variation extraction, ZINB-WaVE)。结论 SDAEC算法能够移除scRNA-seq数据的批次效应,提高scRNA-seq数据下游分析的有效性,具有实际应用价值。

关键词：深度堆叠降噪自编码嵌套聚类单细胞测序批次效应卵巢癌

来源：评论

学校读者我要写书评

暂无评论

药物警戒中基于个例安全报告的药品安全性信号检测报告规范解读与启示

引用

中国药物警戒 2024年第11期21卷 1280-1283页

作者：梁际洲陈晨鑫白汪洋郭晓晶许金芳贺佳叶小飞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

目的对药物警戒中基于个例安全报告进行药品安全性信号检测报告规范(READUS-PV)进行分析并解读,为国内更好地基于个例安全报告进行药品安全性信号检测研究提供参考。方法整理分析并解读国际上信号检测领域专家共同发表药物警戒中基于个... 详细信息

目的对药物警戒中基于个例安全报告进行药品安全性信号检测报告规范(READUS-PV)进行分析并解读,为国内更好地基于个例安全报告进行药品安全性信号检测研究提供参考。方法整理分析并解读国际上信号检测领域专家共同发表药物警戒中基于个例安全报告进行药品安全性信号检测报告规范(READUS-PV)。结果READUS-PV从题目、引言、方法、结果、讨论、宣言、摘要等7个方面给出14个条目的建议。结论在实际药品安全性信号检测研究中,可参考READUS-PV,提升研究质量。

关键词：个例安全报告药物警戒信号检测解读启示

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：