基于非参数相关系数的心肌病自动诊断

针对肥厚型心肌病和扩张型心肌病患者的心电图导联间的相关性,提出心肌病自动诊断的一种方法。该研究从12导联ECG信号中分割出来的单个心跳片段进行识别,以健康人群为对照识别出DCM和HCM的片段。从片段中提取264个非参数相关系数特征并通过变量筛选得到12个特征,输入到支持向量机中进行建模,采用10折交叉验证评价模型。模型的总准确率为99.88%±0.08%。模型使用的特征少,运行速度快,准确率高,有助于临床心肌病的自动化诊断,节约医疗资源。     

两种比较模型预测效果的评价指标及其R实现

目的: 介绍净重新分类指数与整体鉴别指数，阐明两个统计指标在医学研究中普遍使用的logistic回归模型预测效果评价的意义与实现。方法: 给出净重新分类指数与整体鉴别指数的定义式，结合实例说明在R中的计算实现，并与常用的预测效果评价指标：受试者工作特征曲线，曲线下面积，以及灵敏度、特异度等进行对比，阐述其应用方面的特点。 结果：在肿瘤流行病学研究中广泛使用的logistic回归模型应用中，净重新分类指数与整体鉴别指数可以量化出模型筛选中新模型的改进效果，在R软件中可以方便地获得此效果的估计值及假设检验结果。结论：净重新分类指数与整体鉴别指数定量地反映了模型优化前后的差异，具有实际运用价值。运用R软件可完成相关计算。     

基于信息上传行为特征的高血压患者血压管理模式分类研究

目的 基于高血压患者在血压管理平台上传血压监测资料的行为特征,将患者的血压管理模式进行分类,进而推出控制高血压的个性化干预措施。方法 采用便利抽样的方法,选取在广东省中山市板芙、横栏、三乡、民众、南头、五桂山共6个镇中已建立高血压档案的高血压患者作为研究对象。免费发放血压计供患者逐日进行血压测量,并将测量数据上传至血压监测系统。根据患者上传血压测量数据的行为特征,使用K-means聚类分析和对应分析对患者行为模式进行分类。结果 根据数据管理平台提取到的1 973例患者血压测量、上传的行为特征信息,将患者分为积极组、消极组、谨慎组、困难组、拒访组,他们在血压管理方面所面临的困难迥异,需制定个性化的干预措施。结论 基于患者血压检测、上传的行为特征,对患者进行分类,能够有效判别各类患者的行为模式,有助于制定个性化的干预策略,以提高后续干预的针对性和有效性。