红外光谱数据融合对栽培滇重楼产地鉴别*

目的 多样的环境因素使得不同产地栽培滇重楼的化学成分也丰富多样，不同居群栽培滇重楼的甾体皂苷类成分具有很大的差异，多源数据融合分析能更全面的表征药材化学信息，建立一个高效而准确的产地鉴别模型，为其资源合理开发利用提供依据。方法 以来自云南和四川的8个产地（保山、楚雄、大理、红河、丽江、成都、文山、玉溪）共366份栽培滇重楼根茎为实验材料，采集其傅里叶变换近红外光谱（FT-NIR）和衰减全反射-傅里叶变换中红外光谱（ATR-FTMIR）数据。采用Kennard-Stone算法将不同产地的样品分为2/3的训练集和1/3的预测集，基于4种特征变量提取方法（CARS、VIP、SPA、SO-Covsel）结合2种数据融合策略（低级数据融合和中级数据融合），建立偏最小二乘产地判别分析模型。根据模型参数交叉验证均方根误差（RMSECV）和预测均方根误差（RMSEP）评估模型的稳定性，模型训练集和预测集准确率（ACC）评估模型分类性能。结果 近红外光谱和中红外光谱均能反应不同产地栽培滇重楼的化学成分差异，在中级数据融合中，基于VIP和SPA提取的特征变量建立的模型正确率均大于94%。相较于中级数据融合，低级数据融合模型得到了最为满意的结果，其预测集分类正确率达到100%。结论 根据近红外和中红外数据建立的低级数据融合PLS-DA模型，能够用于栽培滇重楼的产地鉴别分析。     

关于来稿中统计学方法描述的要求

本刊对于来稿中统计学方法的描述有以下要求:1.统计学分析方法的选择:对于定量资料,应根据所采用的设计类型、资料所具备的条件和分析目的,选用合适的统计学分析方法,不应盲目套用t检验和单因素方差分析;对于定性资料,应根据所采用的设计类型、定性变量的性质和频数所具备的条件及分析目的.     

中药生产过程质量控制关键技术研究进展

中医药发展已上升到国家战略层面,在医药行业贯彻实施"中国制造2025"战略的新形势下,中药生产过程质量控制是中药工业需要加快突破的关键领域之一。对中药生产过程质量控制领域在工艺设计、分析检测、过程建模、制造装备等方面的关键共性问题进行解析,综述了中药生产过程质量控制体系中工艺过程理解、生产过程实时分析方法开发、过程控制策略建立3个方面的研究进展;并结合企业研究实践,介绍了质量源于设计(quality by design,Qb D)、过程分析技术(process analytical technology,PAT)、实验设计(design of experiment,DOE)、多变量统计分析等关键技术在上述3个研究方向中的应用进展,分析了实际工业应用的难点问题并对其应用前景进行展望,旨在为中药企业应用和提升生产过程质量控制技术提供参考。     

影响急性脑梗死预后的血浆生物标志物研究进展

急性脑梗死是临床多发病和常见病,其后果严重,给人类健康带来严重的危害,且不同患者的预后差异很大,因而对脑梗死患者的预后判断显得至关重要。近年来,随着研究的深入,血浆生物学标志物(如同型半胱氨酸、尿酸、纤维蛋白原等)与脑梗死预后的关系成为研究的热点。而不同类别的血浆生物标志物在脑梗死发生、发展过程中所起的作用也不尽相同。     

如何正确运用t检验——两几何均值比较一般差异性t检验及SAS实现

本文目的是介绍几何均数以及两组近似对数正态分布数据几何均数的一般差异性t检验及SAS实现。首先对几何均数的概念、适用条件和计算公式进行介绍;并且将几何均数与统计学中常用的算术均数的特点进行比较;其次,呈现两组药物浓度数据,该数据近似服从对数正态分布,符合几何均数的适用条件,使用SAS的TTEST过程对两组几何均数的一般差异性进行t检验,并对相关结果进行解释和比较;最后,讨论几何均数使用时的注意事项。     

基于Adaptive-Lasso Logistics模型的方剂学学习动机影响因素分析

目的讨论Adaptive lasso-logistic回归模型在方剂学学习动机的影响因素中的应用。方法基于成都市某大学在校2017级学生进行分层抽样,综合运用方差分析及lasso-logistic回归模型,利用R软件分析学生在方剂学学习过程中关于学习动机的影响因素。结果模型共纳入662名学生,通过交叉验证法,可知Adaptive lasso-logistic回归模型中纳入的变量为:外驱动机、学习信念、考试焦虑、性别、专业、科别。从时间成本和模型简洁度来看,Adaptive-lasso logistic模型优于全变量logistic模型和ridge logistic模型。结论Adaptive-Lasso Logistics回归模型在压缩模型、变量筛选以及预测准确率上更有效,有助于了解学生的学习动机,为教学工作者后续教学安排提供一定的参考意见。     

本刊常用统计学方法

常用统计学方法:分类(名义分类或等级分类)资料用χ2检验、Ridit分析,区间变量均数组间比较用t检验、F检验、秩和检验(适用于呈偏态分布的区间变量)。χ2检验的适应范围:当总样本含量(n)>40,理论频数(T)>5时,用χ2检验的基本公式;若n>40,1相似文献   

多元线性回归方法的正确应用和表达

正在医学研究领域,一个变量的变化往往受其它多个变量的影响。如糖尿病患者的血糖变化会受到胰岛素、糖化血红蛋白、甘油三脂、血清总胆固醇等生化指标的影响。多元回归就是研究某一变量受多个变量的影响时,分析变量间的数量依存关系,以及它们对结果变量的相对作用大小。当多个变量与结果变量是线性关系时,所进行的分析即是多元线性回归。多元线性回归可以利用多个变量去预测或者控制一个结果变量的取值,从而了解这些变量对结果变量的影响及其相互关系。1 应用多元线     

科研论文写作常识（三）

变量 指在质或量上可以变化的概念或属性,是随条件变化而变化的因素或因个体不同而有差异的因素,研究变量则是研究者感兴趣的,所要研究与测量的,随条件变化而变化的因素。或者简单地说,变量就是会变化的、有差异的因素,如年龄有大有小,性别有男有女,所以＂年龄＂和＂性别＂都是变量。