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

哮喘后慢性阻塞性肺疾病发生风险及影响因素

引用

中国医科大学学报 2025年第2期54卷 103-108,114页

作者：郭贵雅宋旺辰王爱民孔雨佳王素珍石福艳山东第二医科大学公共卫生学院卫生统计学教研室山东潍坊261053

目的研究哮喘后发生慢性阻塞性肺疾病(COPD)的风险,探讨哮喘发生及进一步发展为COPD的影响因素。方法基于英国生物样本(UKB)数据库构建随访队列,采用多状态模型(MSM)进行哮喘和COPD转归风险预测及影响因素分析。结果在不考虑协变量... 详细信息

目的研究哮喘后发生慢性阻塞性肺疾病(COPD)的风险,探讨哮喘发生及进一步发展为COPD的影响因素。方法基于英国生物样本(UKB)数据库构建随访队列,采用多状态模型(MSM)进行哮喘和COPD转归风险预测及影响因素分析。结果在不考虑协变量影响的情况下,3种转归路径中由COPD到死亡的累积风险最高,然后为哮喘到COPD、哮喘到死亡。高龄、男性、糖尿病、高腰臀比、高血压、汤森剥夺指数增高、吸烟频率增加和家族史是哮喘人群发展为COPD的危险因素;高龄、男性、糖尿病、高腰臀比、高血压、汤森剥夺指数增高和吸烟频率增加是哮喘人群发生死亡的危险因素;高龄、男性、糖尿病、汤森剥夺指数增高是COPD人群发生死亡的危险因素。结论高龄、男性、糖尿病、高腰臀比、高血压、汤森剥夺指数增高、吸烟频率增加和家族史会增加哮喘人群COPD的发生风险。多状态模型可用于预测哮喘后发生COPD的影响因素及程度,揭示COPD进程的变化规律。

关键词：哮喘慢性阻塞性肺疾病英国生物样本数据库多状态模型影响因素

来源：评论

学校读者我要写书评

暂无评论

基于网络分析的学龄前儿童饮食行为和喂养行为与体重的相关性研究

引用

中国儿童保健杂志 2025年第2期33卷 166-172页

作者：杨喆张浩张海悦梁英王玥张薇张玉海尚磊空军军医大学卫生统计学教研室陕西西安710032 联勤保障部队第985医院输血医学科

目的基于网络分析方法探索学龄前儿童饮食行为和喂养行为与体重的相关性,识别影响儿童体重的关键饮食及喂养行为。方法2021年1—7月,在陕西省7个地级市各选择5~10个幼儿园,采用学龄前(3~6岁)儿童饮食行为及照护人喂养行为量表对9629名... 详细信息

目的基于网络分析方法探索学龄前儿童饮食行为和喂养行为与体重的相关性,识别影响儿童体重的关键饮食及喂养行为。方法2021年1—7月,在陕西省7个地级市各选择5~10个幼儿园,采用学龄前(3~6岁)儿童饮食行为及照护人喂养行为量表对9629名儿童主要照护人进行调查。采用R软件构建饮食行为和喂养行为与体重的网络,并依据网络的强度、紧密度和中介度等中心性指标确定关键行为。结果与正常体重儿童相比,低体重儿童逼迫喂养、不良饮食习惯、过饱响应和情绪性进食得分较高,超重及肥胖儿童体重担忧、食物响应和情绪性进食得分较高,差异有统计学意义(P<0.05)。网络分析显示喂养行为中责任喂养和饮食内容限制之间具有强正相关关系(r=0.45),饮食行为中不良进食习惯和主动性进食之间具有负相关关系(r=-0.27)。饮食行为中情绪性进食和喂养行为中体重担忧呈正相关(r=0.22)。儿童体质量指数(BMI)与体重担忧呈正相关(r=0.14),与过饱响应呈负相关(r=-0.10)。学龄前儿童饮食行为、喂养行为和体重网络的关键行为为责任喂养、不良进食习惯和主动性进食。结论学龄前儿童饮食行为和喂养行为与体重具有强相关关系,责任喂养、不良进食习惯和主动性进食是影响儿童体重的关键喂养和饮食行为。针对关键行为制定有效的干预措施,对于促进学龄前儿童健康成长、预防肥胖及低体重问题具有重要意义。

关键词：饮食行为喂养行为体重学龄前儿童网络分析肥胖

来源：评论

学校读者我要写书评

暂无评论

基于转录组学和变分自编码器的癌症分期诊断研究

引用

陆军军医大学学报 2025年第6期47卷 613-622页

作者：李佳芮钱力沈俊杰郭泓麟秦茂洋伍亚舟陆军军医大学(第三军医大学)军事预防系医学系军队卫生统计学教研室重庆

目的旨在对10种癌症转录组学数据开展深度分析与特征提取,进而实现对癌症样本的分期诊断。方法在UCSC Xena网站收集发病率最高的10种癌症转录组学数据(包含4938个样本和59428个基因),以变分自编码器为基础,利用特征重要性排序思想,通过... 详细信息

目的旨在对10种癌症转录组学数据开展深度分析与特征提取,进而实现对癌症样本的分期诊断。方法在UCSC Xena网站收集发病率最高的10种癌症转录组学数据(包含4938个样本和59428个基因),以变分自编码器为基础,利用特征重要性排序思想,通过引入掩码算法和增量特征选择方法(incremental feature selection,IFS),构建了增量特征排序选优变分自编码器(incremental feature ranking and selection variational autoencoder,IFRSVAE);与随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和极限梯度提升树(eXtreme gradient boosting,XGboost)结合测试了该方法的性能,并同其他方法进行比较。结果提取了21个特征用于后续分类,较于传统变分自编码器、递归特征消除和Lasso回归模型,IFRSVAE模型在3种分类器上均取得了较好性能(AUC值最高,其余指标也表现良好);其中IFRSVAE-RF表现最好,AUC达到了85.49%(95%CI:83.24%~87.74%)。此外,还应用了沙普利加性解释(Shapley additive explanations,SHAP)模型对特征贡献进行展示。结论本研究探索并验证了IFRSVAE在特征提取方面具备一定成效。基于此构建的IFRSVAE-RF模型,在癌症分期诊断任务中展现出较好的表现,为深度学习在癌症分期诊断方法的研究方向上,提供了一种可供参考的新思路。

关键词：癌症分期转录组学变分自编码器机器学习

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

KIRC组学数据分类的自注意亚型识别神经网络

引用

计算机工程与应用 2023年第23期59卷 104-113页

作者：李阳陈锡程伍亚舟陆军军医大学军事预防医学系军队卫生统计学教研室重庆400038

为分析肾透明细胞癌(KIRC)的转录组学数据,利用自注意力机制构建改良分类模型。构建了一种新的自注意力亚型识别神经网络(SSRNN),其包含了编码器和分类器部分,以自注意力机制为主要改良方式。在筛出358个与生存相关的蛋白编码基因后,利... 详细信息

为分析肾透明细胞癌(KIRC)的转录组学数据,利用自注意力机制构建改良分类模型。构建了一种新的自注意力亚型识别神经网络(SSRNN),其包含了编码器和分类器部分,以自注意力机制为主要改良方式。在筛出358个与生存相关的蛋白编码基因后,利用聚类分析确定了三种亚型最为适宜。对于C1、C2和C3三组癌症亚型进行了临床信息比较和生存分析比较,揭示了各组在生存结局上的差异。SSRNN取得了最优异的分类性能,取得了93.44%的曲线下面积。基因表达热图提示三种亚型的基因表达存在差异,推测基因的低表达指示较好的生存预后。对三种亚型两两间进行差异分析并绘制火山图,共可获取266个差异基因。GO和KEGG富集分析及节点图的绘制则有利于揭示癌症相关的功能和通路。因此,SSRNN具有较高的预测精度和稳健性,可有效地利用组学数据进行KIRC的生存预测,并筛选合理的生物学标志物,具有较高的方法学意义和应用价值。

关键词：自注意力深度学习组学数据肾透明细胞癌亚型识别

来源：评论

学校读者我要写书评

暂无评论

多源数据预测重庆市肝炎发病趋势的时滞输入神经网络研究

引用

陆军军医大学学报 2024年第12期46卷 1447-1456页

作者：姚田华陈锡程伍亚舟陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038

目的利用多源互联网数据构建时序分析融合工具,继而精准预测重庆市肝炎的发病趋势。方法利用卫生疾控中心数据库获取肝炎发病率数据,大气污染物数据来源于中国环境监测总站官网,气候数据来源于国家气象星系中心,网络指数数据来源于百度... 详细信息

目的利用多源互联网数据构建时序分析融合工具,继而精准预测重庆市肝炎的发病趋势。方法利用卫生疾控中心数据库获取肝炎发病率数据,大气污染物数据来源于中国环境监测总站官网,气候数据来源于国家气象星系中心,网络指数数据来源于百度搜索引擎,时间范围均为2013年11月至2023年5月。基于现有的时序分析方法,利用多源数据对分解模型的残差部分进行校正。基于非自回归(non-autoregressive,NAR)和长短期记忆递归神经网络(long short term memory,LSTM)的各自优势,构建了时滞输入神经网络(delayed input neural network,DINN)。之后,还在其基础上加入了星雀优化算法(nutcracker optimizer algorithm,NOA)和联合四分位-Huber损失函数(joint quantile Huber loss,JQHL)等优化模块,继而构建了DINN+。结果相较于常见的单输入模型及同步多输入模型,DINN可取得最为优异的预测效果。在加入超参数和损失函数优化后,DINN+的预测性能进一步提升,其测试集MSE为0.1709、MAE为0.4612、RMSE为0.5821、MAPE为0.0626、R 2为0.8840。结论基于多样方法和多元数据融合的思想,在既往的时序分析方法基础上,本文提出了一个准确性和泛化能力良好的DINN+优化模型。该模型丰富和补充了利用多源数据校准传染病时序预测分析的方法学研究内容,可作为未来传染病公共卫生层面影响因素分析及趋势预测的全新基准。

关键词：时序分析发病趋势 LSTM 神经网络元启发式算法

来源：评论

学校读者我要写书评

暂无评论

基于SMOTEENN算法的音乐APP听歌习惯与大学生抑郁倾向的相关性研究

引用

陆军军医大学学报 2024年第23期46卷 2670-2680页

作者：黄馨巧朱珲屈壕伍亚舟宋秋月陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038

目的探究基于音乐APP听歌习惯的大学生抑郁倾向影响因素,构建预测模型并进一步优化。方法 2023年4~5月采用方便抽样对1 157份在校大学生进行问卷调查,利用单因素分析和Logistic回归分析筛选影响因素,在此基础上构建预测模型;采用SMOTE... 详细信息

目的探究基于音乐APP听歌习惯的大学生抑郁倾向影响因素,构建预测模型并进一步优化。方法 2023年4~5月采用方便抽样对1 157份在校大学生进行问卷调查,利用单因素分析和Logistic回归分析筛选影响因素,在此基础上构建预测模型;采用SMOTEENN过抽样算法改进数据集,构建预测模型。结果 Logistic回归分析发现性别:女性(OR=1.730,95%CI:1.257~2.396),年级:大四和研究生(OR=2.649,95%CI:1.198~7.506)、(OR=2.041,95%CI:1.231~3.885),专业:理科(OR=1.573,95%CI:1.052~2.350),每天听歌时长:0.5~2 h(OR=1.661,95%CI:1.011~2.695),听歌曲风:“伤情”和“怀旧”(OR=2.668,95%CI:1.701~4.226)、(OR=1.751,95%CI:1.086~2.837),留言频率:“0~5%”的歌曲留言(OR=2.938,95%CI:1.018~8.417)是抑郁倾向的独立危险因素。开始听歌的年限:1~3年内(OR=0.547,95%CI:0.347~0.872),听歌时间段:14:00~18:00和18:00~21:00(OR=0.375,95%CI:0.167~0.845)、(OR=0.313,95%CI:0.148~0.671),“国风”类歌曲:喜欢(OR=0.711,95%CI:0.541~0.941)是抑郁倾向的独立保护因素。预测效果最优的模型为基于SMOTEENN算法的Logistic预警模型,AUC为0.923。结论构建Logistic回归模型得到大学生抑郁倾向的9个独立影响因素。基于SMOTEENN算法所构建的预警模型能更准确地预测大学生的抑郁倾向。

关键词：大学生音乐APP 听歌习惯抑郁倾向预警模型

来源：评论

学校读者我要写书评

暂无评论

基于心脑血管疾病发病风险预测的CatBoost算法和贝叶斯网络模型分析

引用

吉林大学学报（医学版） 2024年第4期50卷 1044-1054页

作者：王爱民王凤琳黄一铭徐雅琪张文婧丛显铸苏维强王素珍高梦瑶李爽孔雨佳石福艳陶恩学山东第二医科大学公共卫生学院卫生统计学教研室山东潍坊261053 山东第二医科大学基础医学院山东潍坊261053

目的:筛选影响心脑血管疾病发病的主要特征变量,基于排序前10位的特征变量构建心脑血管疾病发病风险贝叶斯网络模型,为心脑血管疾病发病风险预测提供参考。方法:从英国生物样本(UK Biobank)数据库中纳入315896例参与者和相关变量,通过... 详细信息

目的:筛选影响心脑血管疾病发病的主要特征变量,基于排序前10位的特征变量构建心脑血管疾病发病风险贝叶斯网络模型,为心脑血管疾病发病风险预测提供参考。方法:从英国生物样本(UK Biobank)数据库中纳入315896例参与者和相关变量,通过类别型特征提升(CatBoost)算法进行特征选择,将所有参与者按7∶3比例随机分为训练集和测试集,并基于最大最小爬山(MMHC)算法构建贝叶斯网络模型。结果:本研究中人群心脑血管疾病患病率为28.8%。CatBoost算法筛选的排名前10位变量分别为年龄、体质量指数(BMI)、低密度脂蛋白胆固醇(LDL-C)、总胆固醇(TC)、甘油三酯-葡萄糖(TyG)指数、家族史、载脂蛋白A/B比值、高密度脂蛋白胆固醇(HDL-C)、吸烟状态和性别。CatBoost训练集模型受试者工作特征(ROC)曲线下面积(AUC)为0.770,模型准确性为0.764;验证集模型AUC为0.759,模型准确性为0.763。临床效能分析,训练集阈值范围为0.06~0.85,验证集阈值范围为0.09~0.81。心脑血管疾病发病风险贝叶斯网络模型分析,年龄、性别、吸烟状态、家族史、BMI和载脂蛋白A/B比值与心脑血管疾病直接相关,是心脑血管疾病发生的重要风险因素,TyG指数、HDL-C、LDL-C和TC通过影响BMI和载脂蛋白A/B比值间接影响心脑血管疾病的发生风险。结论:控制BMI、载脂蛋白A/B比值和吸烟行为,可以降低心脑血管疾病的发病风险。贝叶斯网络模型可用于预测心脑血管疾病发病风险。

关键词：心脑血管疾病 CatBoost算法贝叶斯网络风险推理

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

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：