随机森林的并行运算方法及适用条件

目的探讨随机森林并行运算的实现方法及其适用条件,为基因组学数据分析提供科学参考.方法 基于R foreach包编写随机森林并行运算程序,并利用SNPs模拟数据探究其表现.结果 在SNPs位点数量为100,500,1000时,随工作站所占用CPU数量的增多,随机森林并行运算方法的提速效果呈非线性趋势,且位点数量相同但ntree数量不同时速度的提升效果亦不相同;当SNPs位点数量达到5000时,该方法提速效果较差,10核环境下ntree为500和1000时几乎无提速效果,即使ntree达到5000或10000时提速效果也不超过2倍.结论 基于R foreach包的随机森林并行运算方法在SNPs位点数量不是很多(如<1000)的情况下其提速效果尚可;但由于共享内存等产生的通信开销的问题的存在,当SNPs位点数较多(超过5000)时,该方法提速效果很差,此时可考虑选择其他分析工具如随机丛林(RJ,Random Jungle ).     

基于海南省队列BMI与睡眠时长和睡眠质量关系的横断面研究

  目的  本研究旨在探索海南省中老年人群BMI与睡眠时长和睡眠质量的关系,为超重肥胖防控提供参考依据。  方法  对2018年海南省18个市县的体检队列人群中5 169名调查对象进行体格检查和问卷调查。调查对象为本地居住时间≥5年,年龄35~75岁,无严重肢体残疾或精神疾病的常住人口。对BMI的影响因素进行描述性分析和单因素分析,应用有序Logistic回归分析模型分析BMI与睡眠时长和睡眠质量的关系。  结果  不同BMI调查对象在性别、教育程度、家庭年收入、年龄、吸烟、饮茶、午睡、睡眠质量、睡眠时长方面差异均有统计学意义(均有P < 0.05)。有序Logistic回归分析模型进一步分析结果显示,长枕组、睡眠质量较差和很差均为BMI水平增加的危险因素(均有P < 0.05);长枕组“BMI高”的OR值为规范枕组的1.336倍(95% CI:1.094~1.632);睡眠质量较差者与很差者“BMI高”的OR值分别为睡眠质量很好者的1.294倍(95% CI:1.082~1.548)和1.948倍(95% CI:1.131~3.357)。  结论  海南省中老年人睡眠时间延长、睡眠质量差都会增加超重肥胖的风险。