排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
目的:分析近5年来长沙地区女性乳腺结节分布情况。方法:选取近5年来本院健康管理中心接受乳腺B超检查的4类群体,包括非职业女性、教师、公务员、企业女性。统计不同年龄阶段及不同职业女性乳腺B超检查显示有低回声结节,且BI-RADS分级为3类或以上的人数,并分析不同职业与不同年龄阶段乳腺结节的中医体质分布情况。结果:公务员、教师和非职业女性的发病率都呈现了逐年上升态势,尤其是非职业女性近年的发病率超过了其他职业女性的发病率。然而,企业女性的发病率近5年并没有出现很明显的上升趋势。不同年龄阶段女性乳腺结节的发病率均呈逐年上升趋势,其中30~50岁女性发病率明显高于其他年龄阶段。在不同职业女性中,乳腺结节分布较多的体质为气虚质、阴虚质、痰湿质、气郁质。不同年龄阶段,乳腺结节分布较多的为阴虚质、痰湿质、气虚质。结论:乳腺B超普查中乳腺结节发病率最高的年龄阶段为30~50岁,发病群体最高的为非职业女性群体,发病较高的体质为阴虚质、痰湿质、气虚质、气郁质。对于这部分人群,更应重视乳腺检查。 相似文献
3.
4.
目的:使用不同机器学习算法开发乳腺癌发病风险预测模型。方法:采用湖南中医药大学第一附属医院乳腺科患者数据库作为数据来源;根据乳腺癌相关风险因素,选取数据库中的初潮时间、流产次数、生育情况、月经及母乳喂养情况、乳腺癌家族史、作息时间、饮食习惯及中医证候特征等作为建模候选变量,提取其人口学特征、生命体征、病理检查等数据;使用6种机器算法开发模型,并对不同机器学习算法在预测模型中使用的效果进行评估。结果:综合两种计算方法对两种建模算法的特征重要度预测结果,可以得出年龄、燥热、流产次数、是否曾患乳腺炎、生活中是否经常锻炼、第一次月经时间等变量对乳腺癌的预测可能有重要作用。随机森林算法的预测结果最好,准确率为0.86,AUC值达0.89,XGboost和GBDT算法的准确率都为0.85,AUC值也同为0.85,其次是逻辑回归算法的准确率和AUC值都为0.84,SVC和DT算法的预测准确率分别为0.83、0.79,AUC值分别为0.82、0.71。从各算法的建模结果可以看出,随机森林算法由于集成学习的特性,本身的精度比一般单个算法的要好,预测结果的准确性也高。结论:基于森林算法的乳腺癌患者发病风险... 相似文献
1