机器学习方法对前列腺癌的诊断价值

目的建立联合多参数MRI前列腺影像报告与数据系统(PI-RADS) v2.1评分及临床数据的决策树、K近邻、朴素贝叶斯、随机森林、支持向量机5种机器学习模型, 评价上述模型对前列腺癌的诊断价值。方法回顾性分析在本院接受MR检查并获得的病理结果的242例患者。将PI-RADS v2.1评分、年龄、总前列腺特异抗原、游离前列腺特异抗原、游离前列腺特异抗原比值、体积、前列腺特异抗原密度录入5种机器学习模型进行诊断。通过F1值及ROC曲线评价机器学习模型的诊断价值并且计算特征变量所占比重大小。结果随机森林模型诊断前列腺癌ROC的AUC最大(0.93), 决策树及朴素贝叶斯模型AUC也较高(0.86、0.87), 支持向量机最差(0.55);F1值最高的为随机森林模型, 其次依序为朴素贝叶斯、决策树、K近邻, 支持向量机模型最小。通过随机森林和决策树模型计算各特征变量重要性, PI-RADS评分均占比例最大, 其次为前列腺特异抗原密度、前列腺体积, 年龄对模型分类贡献最低。结论随机森林、朴素贝叶斯、决策树分类模型用于预测诊断前列腺癌具有更好的效果。随机森林方法在5种机器学习模型中最优, 且PI-RADS v2.1及前列腺密度变量的特征重要性表现更明显。      

基于数据挖掘的缺血性脑卒中患病风险预测

目的探究缺血性脑卒中患病危险因素,构建患病风险预测模型,为脑卒中的提前筛查与干预提供科学的方法。方法筛选缺血性脑卒中患病相关变量,采用决策树和Logistic回归方法构建风险预测模型,并进行模型评估。结果决策树模型受试者工作特征(ROC)曲线下的面积为0.840(0.817～0.862),约登指数为0.750,对应的灵敏度为0.877,特异度为0.873。Logistic回归模型中ROC曲线下的面积为0.914(0.899～0.930),约登指数为0.768,对应的灵敏度为0.861,特异度为0.907。结论决策树模型与Logistic模型,对预测缺血性脑卒中的患病风险具有一定的应用价值。     

基于机器学习算法的脑梗死伴颅内动脉狭窄预测模型研究北大核心CSCD

目的评价3种机器学习算法模型对脑梗死患者是否伴有颅内动脉狭窄的预测性能,为缺血性卒中诊治策略提供参考依据。方法回顾性收集自2013年1月至2019年9月喀什地区第一人民医院神经内科收治的缺血性脑卒中患者临床资料。通过特征选择筛选出脑梗死伴颅内动脉狭窄的相关因素作为预测因子,基于随机森林、决策树和神经网络3种机器学习算法建立预测模型。利用受试者工作特征曲线下面积(area under ROC,AUC)、灵敏度、准确率等指标评价3种模型对脑梗死患者是否伴有颅内动脉狭窄的预测性能。结果研究分析了2365例脑梗死患者的74种特征,通过特征选择选出23个特征作为预测因子纳入建模。决策树模型、神经网络模型、随机森林模型的AUC值分别为0.78±0.11、0.85±0.12、0.89±0.10;灵敏度依次为0.92±0.05、0.91±0.06、0.88±0.10;准确率依次为0.79±0.12、0.77±0.13、0.85±0.13。结论随机森林模型对脑梗死患者是否伴有颅内动脉狭窄的预测性能最佳,在无条件进行血管成像检查时可应用于脑梗死是否伴有颅内动脉狭窄的预测,具有一定的临床应用价值。     

决策树结合Logistic回归分析妊娠妇女选择人工流产方式的影响因素

目的运用决策树与Logistic回归分析意外妊娠妇女选择人工流产方式的影响因素,研究提高这一分析效果的途径。方法对2011年浙江省10个市30家医疗卫生机构行人工流产的妇女进行问卷调查。采用决策树和Logistic回归分析数据,比较两者的分析结果,评价2种分析的特点及优势。结果决策树法按局部最优原则和逐层分类的方法,先后入选的有自己偏好、孕周、人流史、婚姻情况、生育情况及流产认知中的药流痛苦小、49 d内可做药流、药流再刮宫可能性大等8个与流产方式选择有关的因素,其中偏好和孕周的影响较为显著;预测分类与真实分类基本一致,分析所得结果的Risk估计值仅为0.119,该模型对具有类似特征人群的流产方式选择进行预测的错误率仅为11.90%,模型稳定,拟合较好。Logistic回归按整体最优的原则筛选相关因素,其入选的因素与决策树法相比,除人流史、婚姻状况这2个因素未入选外,与决策树法结果基本相近。但它还提示年龄、文化程度和流产决定来源也为影响因素,当然这也反映了这2种方法在此分析中各自的优势与特点。结论决策树结合Logistic回归分析意外妊娠妇女选择流产方式的影响因素,按2种方法分析所提供的信息,实现优势互补,可提高分析效果。     

决策树模型与Logistic回归模型在伤害发生影响因素分析中的作用

目的 通过应用决策树卡方自动交互检测法(chi-squared automatic interaction detector,CHAID)和Logistic回归分析法分析伤害发生的影响因素,比较两种方法分析结果的差别,为伤害资料分析方法提供一种新手段.方法 根据农村女性伤害发生专题调查资料及其相关因素,分别建立决策树CHAID模型和Logistic回归模型,比较两种方法分析结果的差异.结果 决策树CHAID法分析结果显示,受教育程度、婚姻状况和职业是伤害发生的影响因素,受教育程度是最主要的因素,未接受教育的农村女性伤害发生的风险最高.Logistic回归结果显示,职业、受教育程度是伤害发生的影响因素.职业为农民的女性是伤害发生的危险因素,OR=2.233,95％ CI:1.255 ～3.975.结论 CHAID决策树模型在农村女性伤害发生影响因素风险评估方面有较高的应用价值,其与Logistic回归相结合应用,可互为补充,从不同方面描述影响伤害发生的因素及其作用,为进一步制定预防与控制伤害的措施提供依据和参考.     

社区无症状2型糖尿病优先筛查人群研究

目的 探索社区糖尿病优先筛查人群的选择依据.方法 利用2010年中国慢性病与危险因素监测浙江省的数据,采用决策树方法对社区全人群以及男性、女性、年龄大于45岁、高血压、血脂异常、超重肥胖、腰围增大7类不同特征人群进行分类分析.结果 腰围增大并伴有糖尿病家族史的人群是社区全人群糖尿病优先筛查人群,该人群糖尿病患病率为28.21％ (11/39).7类不同特征人群糖尿病优先筛查人群及其患病率均不一致.对社区全人群糖尿病优先筛查人群进行筛查,平均发现每例糖尿病筛查成本为71元,其中超重肥胖人群平均发现每例糖尿病筛查成本最低(38元),男性人群平均发现每例糖尿病筛查成本最高(84元).结论 利用决策树法可以得出腰围增大并伴有糖尿病家族史的人群糖尿病患病率较高,该方法确定糖尿病优先筛查人群需要调查的危险因素更少,操作也更加简便,更适合社区用于糖尿病筛查.     

模型研究方法在药物经济学中的应用概述

摘 要 目的： 概述国内外药物经济学研究中应用到的模型研究方法,为我国药物经济学研究提供参考。方法: 以近年来国内外发表的文献为依据,进行分析、整理和归纳。结果: 概述各研究模型在药物经济学中的应用方法及注意事项,为我国进行药物经济学研究提供一定的理论及案例支持。结论: 各模型研究方法所针对的研究范围及研究方向各不相同,通过对文献进行综述,讲述了各模型的具体应用方法,为我国开展高质量的药物经济学研究提供参考。     

X线骨折自动诊断技术研究现状

就医疗应用图像处理和分析技术现状进行总结,并着重对X线骨折自动诊断技术的现状进行分析和比较,最后对其在医疗领域的应用前景做了展望。     

基于决策树模型的女性乳腺癌危险因素调查

目的:探讨乳腺癌发病的危险因素,为有效防治乳腺癌提供科学依据。方法:采用1∶1病例对照研究方法,选取经病理确诊的190例女性乳腺癌患者与190例对照女性进行单因素Logistic回归分析,并利用决策树模型筛选其危险因素。结果:决策树模型为5层9分类模型,筛选出4个女性乳腺癌高危因素:经历负性事件、有良性乳腺疾病、有流产史和缺乏求医意识是乳腺癌的危险因素,而初潮年龄晚是乳腺癌的保护因素。结论:放松心情、增强求医意识以及努力提高自身的健康状况对预防乳腺癌的发病有一定的积极作用。