基因表达数据中误分类点的识别与处理

有监督的分析方法目前已被广泛应用于微阵列表达数据分析中 ,但训练集本身存在的个别样本的误分类情况大大影响了分类的质量。支持向量机 (SVMs)是近几年出现的一种新的通用学习算法 ,它独特的性能不仅非常适合于处理微阵列基因表达数据 ,而且还能对训练集中的误分类点做出准确的推测。介绍了如何利用 SVMs算法对 c DNA微阵列表达数据中的误分类点进行识别 ,并对如何处理误分类点给出了几点建议     

关联规则在医学领域中应用的探索

通过将医学资料中的多维数据集转化为事务数据库进行了关联规则的挖掘,并利用列联表的X2检验和可信度的提高来进行规则剪除。模拟数据和实际资料的分析表明该方法所得到的关联规则基本揭示了数据所蕴涵的信息,在大样本、多变量医学资料中具有一定的应用价值。     

基于统计学方法分析和提取CT文本报告的术语研究

目的:提取原发性肝癌CT诊断报告的术语,发现共性术语,探索特定术语,为报告文本数据结构化提供参考。方法:研究选取了实际临床工作中提交的在线CT报告,以标准案例库中的CT报告作为对照,比较两组152个标准术语的应用情况,以术语出现的频次作为主要研究指标。其中,对照组和在线组的报告例数各为326份,共652份。统计分析方法为方差分析、t检验或非参数检验方法。结果:152个术语中,有86个术语两组出现频次差异无统计学意义(p>0.05),说明这86个术语也是在线组的常用报告术语。326份CT报告按不同的治疗方式分为三组,162个术语中,有88个术语的平均出现频次受分组影响显著,说明这88个术语可能是某一组的特有术语。还有64个术语可能是三组报告的共性术语。结论:基于统计学方法可以帮助识别CT报告的共性术语和专用术语,便于报告文本的结构化处理。     

基于翻转课堂的形成性评价在医学统计学教学中的实践与评价

正关于医学统计学教学模式,国内外均开展了广泛的探索,如PBL~([1])、MOOC~([2])、翻转课堂~([3-4])等。其中,翻转课堂是近年来兴起的提高课堂教学效果的新模式,其注重学生综合素质和创新能力的培养~([5])。但是大多数翻转课堂教学采取的仍然是终结性评价方式,即学生成绩仍主要由期末考试决定,没有在翻转课堂及整个教学实施过程中给予学生成绩上的反馈,一定     

基于机器学习算法的重症缺血性脑卒中早期死亡预测效果评价

目的 评价支持向量机(SVM)、随机森林(RF)、极限梯度提升(XGBoost)3种机器学习算法与Logistic回归在重症缺血性脑卒中30天死亡结局的预测效果。方法 使用2008年至2019年MIMIC-IV数据库中符合纳排标准的2358例重症缺血性脑卒中患者资料,分别用SVM、随机森林、XGBoost3种机器学习算法与Logistic回归结合合成少数类过采样(SMOTE)技术建立早期死亡预测模型,并使用通过受试者工作特征曲线下面积(AUC)、准确度、F1-score、布里尔分数等指标评价预测效果。结果 SVM、随机森林、XGBoost与Logistic回归模型在原始类不平衡数据死亡预测中AUC值分别为0.78、0.81、0.84、0.83。应用SMOTE合成数据集后,SVM、随机森林、XGBoost与Logistic回归模型的AUC值分别为0.72、0.84、0.83、0.83。除SVM 外,机器学习算法与Logistic回归之间有相似的预测能力,但准确率、布里尔分数等优于Logistic回归,综合分类性能更优。结论 机器学习算法在重症缺血性脑卒中早期死亡预测中性能较传统方法更优,在解决重症患者预后预测研究问题中具有优势。     

患者病情分级系统在重症监护室护理工作中应用的现况与进展

<正>重症监护室(intensive care unit,ICU)是医院对危重患者实施抢救及护理的集中区域,其对患者的正确分级与护理质量直接影响到患者的生存状况~([1])。随着人口老龄化,ICU将面临更多的重症患者与更繁重的护理工作负担,而过重的工作负担和     

上海市6所三甲医院脑卒中住院患者费用分析

目的：分析脑卒中住院患者费用结构及其主要影响因素,为合理控制医疗费用提供依据。方法利用上海市6个三甲医院2007—2010年脑卒中住院患者病案首页数据,回顾性分析住院费用结构,采用有序Logistic回归方法分析可能与患者住院费用有关的因素。结果20497例脑卒中住院患者平均住院费用为10358．68元。费用构成中药费最高,占40％以上。影响住院费用的因素有性别、年龄、入院情况、住院天数、并发症、治疗结果、费用负担形式。结论应合理调整医疗机构收费结构,缩短住院天数、控制并发症,减轻脑卒中患者的经济负担。     

微分方程模型在基因调控网络构建中的应用

基因调控网络（Geneticregulatorynetworks，GRN）是指DNA、RNA、蛋白质和其他一些小分子，以及它们之间的相互作用关系所构成的系统。基因调控网络分析的目的就是要建立调控网络的数学模型，通过数学模型来研究基因之间的相互作用关系。随着分子生物学的进步，先进的测量技术能够为网络构建提供大量的实验数据，同时，数学、计算机科学和工程学中一些相关方法的应用，也为研究网络的结构、特性和调控关系提供了有力的工具。因为从本质上，基因调控网络是一个复杂的动力系统，这与物理学中的某些研究对象一定程度上有相似之处，该领域中的方法值得借鉴。     

微波辐照雄性小鼠诱发的显性致死突变效应

用2450兆赫微波辐照雄性小鼠,诱发的显性致死突变率均高于对照组动物,其中以精母细胞的诱变率最高,达63.7%;后减数分裂时期——精子细胞和精子分别为6.7%和4.2%;精原细胞的诱变率在各类生殖细胞中最低,为0.8～1.3%。