首页 > 文献资料
-
线性回归模型对中国人口出生率的拟合
人口出生率是判断"人口转变"的关键因素之一,本文从人口统计分析的角度对我国人口出生率历史变迁进行描述,运用线性回归模型对人口出生率进行拟合,旨在给"人口转变"理论研究的拓展和创新以有益启示.
-
初探用小二乘法预测医院住院例数
目的:建立线性回归模型,预测本院2017-2020年住院例数.方法:采用小二乘法建立线性模型,并对模型进行回归分析.结果:本院2017-2020年住院例数预测值分别为15030、16300、17570和18840,预测区间分别为12230~17830、13500~19100、14770~20370和16040~21640.结论:小二乘法是从事物变化的因果关系出发来进行预测的一种方法,通过预测住院例数,能为医院的工作计划和决策提供理论依据,使卫生资源合理应用.
-
血压模拟器的工作原理及血压模拟模型
文章在使用血压模拟器对无创血压计进行检测的过程中,使用气压传感器采集了袖带压力和血压模拟器产生的压力振荡,设置了6种血压模式,并分别进行了实验.通过双高斯函数拟合来描述袖带压力和模拟器产生的压力振荡幅度之间的关系,通过线性回归模型,辨识了血压模拟模型中三个关键参数:大压力振荡幅度、收缩压和舒张压幅度系数.上述工作基本阐明了血压模拟模型及其关键参数的计算方法,有助于更深入的理解血压模拟器的工作原理,并更好的指导无创血压计的检验工作.
-
基于QSPR研究绿原酸类化合物与血清白蛋白的结合
本文选取32个小分子化学成分和9个天然产物化学成分为训练集,利用Dragon软件计算分子描述符,应用WEKA软件中CfsSubsetEval评价方法和BestFirst-D1-N5搜索方法进一步筛选描述符,利用Linear Regression方法建立了分子结构与其血清蛋白结合常数值logK的定量结构-性质相关性模型(相关系数为0.9557).应用该模型对10个绿原酸类化合物的logK进行预测,结果显示绿原酸的logK预测值为4.51,与文献报道的logK值在4~7范围内基本相符.研究结果为进一步探讨绿原酸与血清蛋白的结合情况提供指导,为研究药物与血清蛋白的结合提供思路.
-
图像重建迭代算法的一种改进
根据射线穿过不同密度的物质产生的衰减不同,可以重建出物体的CT图像.为了提高重建图像的精度,需要考虑射线穿过空气时所产生衰减,将其近似为一个常数,由此建立线性回归模型,给出相应的迭代算法,并通过实验进一步验证算法的有效性.
-
散瞳前后电脑验光屈光度分析
目的:探讨散瞳前后不同屈光状况下电脑验光屈光度的关系.方法:选择应用盐酸环喷托酯散瞳样本322例(644眼),采集其散瞳前后电脑自动验光结果,按照散瞳后屈光度分为远视组、正视组和近视组,建立散瞳前后屈光度的回归模型.结果:不同年龄组散瞳前后屈光度差异显著(P<0.01);按照不同年龄组分别进行回归分析,各年龄组拟合方程的决定系数均在0.93以上;而远视组和正视组回归方程的决定系数较低.结论:近视组散瞳前后屈光度均呈现显著线性相关.
-
福建石狮市医院住院人数长期趋势模型的建立与预测
目的 用时间序列建立住院人数线性回归模型,预测2012年、2013、2014、2015年的住院人数.方法 选取石狮市医院1997-2011年住院人数,用小二乘法建立线性模型,并对模型进行回归分析.结果 回归模型为Y=3892+2730.X,方差分析结果P =0.0038<0.05,可以认为住院人数与年次有直线回归关系.石狮市医院2012年、2013、2014、2015年的住院人数点预测分别为36206、37798、39390、40981;区间预测为31553-40860、32689-42907、33815-44965、34933-47030.结论 通过预测住院人数为医院的工作计划和决策提供依据,使卫生资源实行优化配置.
-
基于线性回归模型的医疗设备故障预测
目的:通过建立合适的数学模型,预测某三甲医院医疗设备故障发生趋势,为医疗设备管理保障部门决策提供理论依据.方法:采用小二乘法建立线性模型,并预测近2a设备发生故障台次.结果:某医院2005-2012年医疗设备发生故障数量与时间呈线性关系,直线回归方程为(Y)=1 962.335+699.01X.预测的2013年医疗设备发生故障数量为8 253台次,95%概率的波动区间为6 576~9 930台次,实际2013年医疗设备发生故障数量为7 873台次;预测的2014年医疗设备发生故障数量为8 952台次,95%概率的波动区间为7 156~10 748台次.结论:通过数学模型分析预测医疗设备故障发生台次完全可行,预测结果可用于指导医疗设备管理保障部门做好医疗设备维修计划,为医院设备管理工作提供了科学的理论依据.
-
燀苦杏仁标准汤剂质量与其饮片指标成分苦杏仁苷的相关性探讨
目的 应用数学模型研究燀苦杏仁标准汤剂质量与其饮片中指标成分苦杏仁苷含量之间的相关性.方法 制备燀苦杏仁标准汤剂,利用Design-Expert 8.0.6软件建立饮片出膏率、标准汤剂中苦杏仁苷含量、苦杏仁苷转移率分别与饮片中苦杏仁苷含量之间的3个线性回归模型.结果 燀苦杏仁饮片出膏率为8.97%~12.12%;标准汤剂中苦杏仁苷含量为21.74%~30.32%;苦杏仁苷转移率为70.39%~90.54%.建立的3个线性回归模型R2均大于0.8,各项偏回归系数检验P值均小于0.05,具有显著性.3个线性回归模型均具有较好的准确性,预测值和实测值的相对偏差不大于10%,平均相对偏差不大于5%.结论 该研究可预测不同燀苦杏仁饮片制备所得标准汤剂的质量,为制定其标准汤剂的质量标准提供一定参考价值.
-
肾脏替代治疗时机与患者预后:一项随机对照研究的再次分析
?有学者对一项评价正常水平和增强水平肾脏替代治疗(RRT)的随机对照研究进行了再次分析,探讨连续性肾脏替代治疗(CRRT)的时机与危重患者急性肾损伤(AKI)临床结局的关系。主要研究终点为28?d和90?d全因病死率。患者数据来源于澳大利亚和新西兰23个重症加强治疗病房(ICU)中满足AKI?RIFLE标准〔风险(R)、损伤(I)、衰竭(F)、肾功能丧失(L)、终末期肾病(E)〕中I级的439例危重患者。该研究中将CRRT开始时间(从RIFLE-I级AKI到开始进行正常与增强水平RRT的时间)作为变量。对所有纳入患者的基线特征进行了评估。用多变量Cox、逻辑和线性回归模型评估CRRT开始时间与患者预后的独立关系。所有患者CRRT开始时间平均为17.6(7.1,46.0)h。基于CRRT开始时间的四分位数将患者分为?4组进行评估分析,即<7.1?h(组1,作为参照),≥7.1?h且<17.6?h(组2),≥17.6?h且<46.0?h(组3),≥46.0?h(组4)。结果显示,更早接受CRRT并不与显著降低28?d死亡风险相关〔组2危险比为1.06,95%可信区间(95%CI)=0.62~1.81,P=0.83;组3危险比为1.23,95%CI=0.71~2.12,P=0.46;组4危险比为1.33,95%CI=0.77~2.31,P=0.31〕。对90?d死亡风险也观察到类似的结果。该研究者得出结论:在对随机评价正常与增强水平的RRT研究参与者的亚组分析显示,早期开始CRRT并不能显著改善AKI患者的生存情况。进行更大样本量和更广泛的RRT开始时机的研究是必要的。
-
WONCA 研究论文摘要汇编(一百三十六)--以病人为中心的医疗之家(PCMH)糖尿病患者的诊室就诊改变与电子信息和电话咨询相关
目的:基于电话及互联网的沟通在基层医疗中的应用越来越普遍,而这些沟通形式对亲临诊室就诊的需求有怎样的影响还不确定。本研究评估免费安全信息和电话咨询与糖尿病患者的诊室就诊是否相关。方法研究应用断续时间系列设计并以病人-季度为单位进行分析。间接数据来自2008-2011年,在一个完整卫生保健服务体系中的以病人为中心的医疗之家(PCMH)改革的前、中及后3个时期。本研究采用线性回归模型,对基层医疗诊室就诊比例变化与安全信息和电话咨询比例增加的相关性进行估算。结果研究纳入18486例成年糖尿病患者。PCMH实施后,平均季度基层医疗接触次数较实施前(基线)增加了28%,很大程度是因为安全信息的增加;季度诊室就诊下降了8%。校正回归分析显示,安全信息及电话咨询10%的增长,分别与诊室就诊1.25%〔95% CI(1.21%,1.29%)〕和2.74%〔95% CI(2.70%,2.77%)〕的增长相关。在交互模式中,安全信息和电话咨询在所有研究时期和患者亚群的增长还是与诊室就诊增加相关(P <0.001)。结论医疗之家改革前后,糖尿病患者基层医疗诊室就诊增加与安全信息和电话咨询增加相关。我们的发现为医患沟通的新形式是如何影响诊室就诊的需求提供了证据。
-
线性回归模型中自变量相对重要性的衡量
线性回归模型在实际应用中经常用到,通常研究者需要在多个自变量中分析哪个自变量对y的影响大,哪个对y的影响小,即对自变量的相对重要性进行衡量.在实际工作中,标准化的回归系数、t统计量或P值等是常用的指标.偏回归系数、相关系数及其平方、半偏相关系数及其平方、偏回归平方和等指标都与自变量的相对重要性有关.Dalington[1]认为,如果目的是探索影响因素,偏回归系数是衡量影响力较好的选择.如果用于预测,则半偏相关系数的平方或F统计量是较好的选择.Greenland[-3]和Newman[4]对标准化的回归系数是否适合衡量效应量的大小进行辩论,Newman为标准化的回归系数进行辩护,Greenland 认为标准化的回归系数会受到自变量变异的影响,不适合衡量效应量的大小.
-
SARIMA模型在医院住院人次预测中的应用
住院量是评价一个医院医疗工作的重要指标,直接或间接地反映出一个医院的规模、医疗质量及医疗水平[1].因此,了解住院量的变化情况,对于合理安排资源,提高医疗工作效率意义重大.要了解住院量的情况,就要对其进行预测.目前预测的模型及方法主要有线性回归模型、神经网络模型、灰色预测模型、马尔科夫链模型以及时间序列模型等[2].针对住院量数据的特殊性,本文选用季节自回归滑动平均模型(seasonal auto regressive integrated moving average model,SARIMA模型),分析2000-2011年住院量的历史数据,探讨其发生发展的规律并预测未来半年医院住院量的情况,为医院规划自身发展提供科学的依据.
-
两水平方差成分模型与线性回归模型关系的探讨
目的探讨对于具有两个水平层次结构的数据拟合方差成份模型与线性回归模型的关系.方法通过三类传统线性回归模型与两水平方差成份模型参数估计的对比,分析其内在联系.结果线性回归模型参数估计以及估计的稳定性与自变量在水平2单位间和水平2单位内的变异大小有关,线性因归模型与方差成分模型参数估计及其稳定性的关系与水平2残差方差或单位内相关系数大小有关.结论当数据具有层次结构特征时,三类线性回归模型均存在问题,方差成分模型可将线性回归模型的单一随机误差项分解到与数据层次结构相对应的各水平上,并估计水平2单位的随机效应.
-
线性回归预测模型有效超前期的确定方法
线性回归预测模型是应用线性回归技术,根据历史数据建立回归方程,用此回归方程进行超前预测.然而,建立了一个线性回归模型能否用其做无限期的超前预测呢?显然,一个预测模型的预测精度随着超前期的增加而逐渐降低,即预测误差越来越大.当外推至某一期时,预测误差之大,使该模型继续作外推预测几乎不再有什么实际意义,此时的预测超前期的长度我们称之为有效超前期.下面讨论线性回归预测模型有效超前期的一种确定方法.
-
多重共线性数据的一种诊断方法
问题的提出设线性回归模型为:{(Y)=Xβ+ε E(ε)=0 vov(ε)=σ2r这里的设计矩阵X为n×p矩阵,且已作列中心标准化,R(X)=p,当X中的列具有近似共线性关系时,则用LS估计的效果会变差,即回归系数的方差变大,有时甚至出现相反的符号.
-
误差为平稳m-相依的线性模型的移动区段再抽样法
引言对于一般的线性回归模型Y=Xβ+ε,假定误差ε独立且服从正态分布,才能进行有效的参数区间估计及假设检验,当ε的分布未知时,若按通常的方法,参数的区间估计与假设检验就不稳健,1981年Freedman将Bootstrap法应用回归模型,提出参数及其方差的Bootstrap估计,1986年Wu又进一步加以改进,使方差的Bootstrap估计达到稳健,假设检验也能够顺利实现.然而,当误差ε或响应变量序列存在一定的相依关系时,上述方法就失效,而误差或响应变量序列为相依情形的线性模型是广泛存在的,比如目前引起卫生统计研究者高度重视的时间序列模型. 1984年Freedman对动态回归模型的Bootstrap法做了深入讨论,假定有自回归模型 Yt=Yt0+Yt-11+…+Yt-mm +Xtβ+εt, t=0,1,2,…,n (1)
-
某医院未来五年门诊急诊量预测分析
依据2002~2008年南通大学附属江阴医院门诊急诊量统计资料,应用灰色系统GM(1,1)模型和线性回归模型,来预测该院2009~2013年五年门诊急诊量的发展趋势,为该院制定发展战略计划提供参考依据.
-
自回归数学模型对疟疾疫情预测的研究
在时间序列的分析与预报中,广泛应用的线性回归模型是自回归模型,通过自相关来分析数据的结构和类型,如果数列是纯随机的,那么,其相继数值之间的自相关系数等于零,假如数据具有明显的时间变动和周期变化,就会有很高的自相关系数,从中找出规律,就可以应用自回归数学模型对今后的发展潜势作出预警和预报.本研究选用自回归模型的三阶参数建立了江苏省1990~2002年疟疾疫情预测方程,并对今后几年发病情况作外推预测,为卫生职能部门制定防治措施提供参考依据.
-
迭代广义小二乘法的建立及其在重复测量数据中的应用
线性回归模型是处理两个或两个以上变量间线性依存关系的统计方法,是医学研究中常用的统计学模型之一.在确定了线性回归模型的形式,又确定了自变量选取的情况下,就需要对模型的各个系数进行估计以及对系数估计值的统计学意义进行探讨,在临床研究中有时还需要对不同回归系数估计值之间的差异是否有统计学意义进行检验.对回归系数的估计一般有矩估计、极大似然估计、小二乘法估计、广义小二乘法估计和两阶段广义小二乘法估计等.