基于贝叶斯累加回归树模型的非小细胞肺癌患者个性化疗效研究

目的 应用贝叶斯累加回归树(BART)模型对非小细胞肺癌(NSCLC)患者的仅手术与手术+化疗两种治疗方案的疗效进行个性化评价,并识别高受益患者亚组。 方法 提取美国SEER数据库中2012—2013年间所有NSCLC患者资料,以总生存时间不小于5年作为结局,按照治疗方案分类进行比较。运用倾向性评分匹配法使比较组间协变量均衡,应用BART模型计算个体处理效应(ITE),运用决策树模型进行亚组分析。 结果 本研究BART所对应的模型曲线下面积(AUC)大于0.8,结果可信度较高,99.5%患者采用手术+化疗方案获得不同程度更优疗效,得到AJCC分期、原发灶位置、转移程度等临床实践中重要的亚组分类特征,并得出疗效最优的亚组。所得亚组中,相较于仅手术的治疗方案,远处转移、原发灶位于肺中叶的女性患者更能于手术+化疗方案中受益。 结论 构建的BART模型可以较好地评价NSCLC患者两种治疗方案的个性化疗效,为今后同类疾病的个性化医疗实践提供依据。     

HCV在中国流行多样性和独特生长史的分析

目的 探讨中国丙型肝炎患者中HCV的基因型分布类型,并进行HCV在中国流行病学历史分析,进而研究HCV在中国的分子流行病学和进化动力学特征.方法 从423例丙型肝炎患者的血清中提取HCV RNA并进行cDNA反转录,扩增E1和NS5B两个基因区的核苷酸序列,排除不合格及不适合分析的病毒株序列,再对合格序列进行系统发育分析（phylogenetic analysis）.运用BEAST软件中的Bayesian MCMC （Markov Chain Monte Carlo）算法来进行Coalescence分析,通过重构BSPs（Bayesian skyline plots）图回溯HCV的流行病学历史.结果 HCV分离株的基因分型如下：共包括6个基因型,12个基因亚型（1b：65.9％,6a：17.1％,2a：7.4％,3a：3.6％,3b：3.3％,6e：0.76％,1a,1c,2b,2f,4d以及5a共占0.25％）,以及2个新基因型6变异体.所产生的5个BSP曲线图均凸显1993年至2000年这一时间段,中国的HCV感染数量呈现指数增长,随后则陡然下降.结论 证实了HUV在中国多样性的流行现状,反映了HCV不断变化的基因型流行模式;1993年至2000年期间由于“单采血浆”事件的影响,HCV在中国的感染数量经历了一段“指数”增长期.     

贝叶斯条件概率模型在风险决策中的应用

风险决策存在于诸多的社会领域,科学的风险决策意义重大。结合实例分析讨论如何应用贝叶斯条件概率模型来获得决策问题中最优决策方案。     

贝叶斯网络及其在心理领域的应用

近20年来，贝叶斯1网络（Bayesian network，BN）在人工智能领域受到了广泛关注，得到了深入研究，已有大量成熟的研究成果。贝叶斯网络是图论与概率论相结合的产物，直观地表示为一个复杂的赋值因果关系图，图中各节点表示所讨论的问题域中的变量或事件。节点之间的弧表示事件之间的直接因果关系。贝叶斯网络的实质就是所研究领域的概率分布。贝叶斯网络由于其坚实的数学理论基础，被认为是在不确定性环境中实现知识表示、推断、预测等最理想的工具。它已在数据挖掘、故障诊断、图像识别等领域得到了较好的应用。     

高血压个体患病风险的贝叶斯逐步判别分析

[目的]建立云南3县（区）高血压贝叶斯判别函数,探讨其在高血压防制中的作用,并为疾病的防制提供思路。[方法]利用2004年中国成人慢病相关危险因素调查云南3个县（区）数据,以高血压危险因素作为自变量进行判别分析,建立高血压贝叶斯判别函数,并对其进行演变。[结果]高血压总患病率15.1%,男性15.5%,女性14.7%（χ^2=0.150,P﹥0.05）;体质指数、日饮酒量和年龄经非条件Logistic回归筛选有统计学意义（P﹤0.05）;贝叶斯判别函数对训练样本和检验样本判别正确者均占73.7%;函数得分差值与患病风险成反比。[结论]贝叶斯判别分析将个体患病风险表达为数字,具有直观、定量、针对个体的优点,在疾病的防制工作中可发挥重要作用。     

多种危险因素疾病中各因素发病贡献值的测量方法研究

目的为了评价某一危险因素对个体发病所起的作用，并在多因素暴露情况下比较各个因素对发病的影响大小。方法运用贝叶斯公式，依据相关流行病学理论，建立由相对危险度数值等来测算单个危险因素对个体发病贡献权重的方法。结果建立的方法可以用来比较各个危险因素在个体发病中的贡献大小。结论该测算方法简单方便，结合人群研究及Meta分析结果，能够为疾病的病因学研究和临床决策提供一定依据。     

甲型H1N1流行性感冒病毒血凝素蛋白基因进化研究

Objective To determine the evolutionary rate and divergence time of influenza A virus HA gene isolated recently worldwide pandemic and explore the origin and its transmission. Methods A total of 344 HI sequences available in the GenBank (including 248 isolated from human, 84 from swine, 11 from avian, and 1 from ferret) and 7 isolated in Shanghai were collected. The nucleotide substitution rate and time to most recent common ancestor (tMRCA) was calculated using molecular clock theory and Bayesian Skyline Plot (BSP) based on Markov chain Monte Carlo. Then genetic phylogeny was constructed referring to posterior distribution. Results It was found that H1 sequences in the US from human, swine and avian were clustered significantly with swine H1 ones from Asia phylogenetieally (Cluster US). The second cluster (Cluster Eurasian Human) nearly consisted of human H1 sequences isolated in other regions. The third cluster (Cluster Eurasian Animal) consisted of swine and avian H1 sequences from China and Italy respectively. As for all the H1 sequences, the evolutionary rate was of 2.57×10-3substitutions/site per year averagely (95% Highest Posterior Density: 1.96×10-3-3.03×10-3/site per year). The estimated dates for tMRCA of human H1 in Europe and swine H1 in the mainland of China were the earliest, with the corresponding rates of 6.46×10-3/site per year and 0.97×10-3/site per year respectively. The tMRCAs of human and swine H1 sequences from the US were similar, with the rates of 5.86×10-3/site per year and 5.02×10-3/site per year. Conclusion The present flu outbreak was possibly induced by long-term circulation of influenza A virus (H1 N1) in human population and swine herds in America. There was no evidence proving that influenza virus in China involved in the present outbreak.     

Monte Carlo法用于新生儿阿米卡星的群体药动学分析和认证(英文)

目的:用Monte Carlo算法编制群体药动学分析程序并认证该方法估计药动学参数和预测血药浓度的能力.方法:用阿米卡星作为模型药物,对来自42名新生儿共142对血药浓度时间数据进行分析;根据Sheiner等提出的群体药动学思想,我们编制了估计群体参数和个体参数的程序,目标函数最小值以Monte Carlo算法求得,方法的认证采用经典药动学 程序3p87作为对照,预测能力通过计算预测血药浓度的均方根误差(RMSD)和偏性(BIAS)来考察.结果:我们自编的程序运行稳定;本法提取的群体参数与3p87得到的一致,学习样本与认证样本的预测浓度与实测浓度显著相关(相关系数分别为0.995和0.990),预测误差大多数小于1 mg/L,认证样本RMSD和BIAS分别为0.58和-0.07 mg/L.结论:本法估计参数准确,预测血药浓度能力令人满意.     

贝叶斯统计在率估计与分析中的应用

在疾病流行状况调查中,发病率、患病率和死亡率等这类指标简单而实用,它们在不同人群间的差异可以提示高危人群,对率的空间分布特征和时间变化规律的探讨可以帮助了解疾病的地区差异和变化趋势,提示高危地区,从而指导公共卫生干预措施的制定、实施和监测,因此,正确的率估计和分析十分重要。最近10来年,贝叶斯(Bayes)统计已被用于此方面的研究,本文就此作一概述。Bayes统计基本概念与方法基于总体信息、样本信息和先验信息进行的统计推断被称为Bayes统计〔1〕。它区别于经典统计之处主要为:1)利用先验信息;2)未知参数被看作随机变量而不是…     

基于贝叶斯学习的关联向量机及其在软测量中的应用

介绍了一种与支持向量机(SVM)函数形式相同的稀疏概率模型--关联向量机(RVM),其训练是在贝叶斯框架下进行的,在处理具有噪声的函数回归时,RVM具有很出色的性能.与SVM相比不仅解更稀疏,而且无需调整模型参数,核函数选择也不受限制.将RVM应用于PTA装置溶剂脱水塔塔顶塔底组分软测量建模,仿真结果表明:该方法预测精度较高,具有一定的应用价值.