首页 > 文献资料
-
回归树的建模与应用
近年来,大量研究致力于建立新的回归技术解决经典回归中假设过于严格的问题,包括预测变量与反应变量的线性关系、反应变量的正态性及方差齐性等.当线性关系不成立时选用线性模型明显不适宜,此时一种方案是在模型中加入交互作用项或采用变量变换,但这种方式容易导致解释时的困难,并且可能仍然不能解决非线性的问题.另一种解决方案则是选用非参数回归技术,包括Friedman和Stuetzle[1]提出的光滑技术和Yarnlod等[2]及Breiman等[3]提出的分类与回归树.其中分类与回归树的区分关键在于反应变量为连续性变量或为分类变量,若为连续性变量则建立回归树,反之则建立分类树.现就回归树的建模与应用进行探讨.
-
基于数据挖掘技术构建孤立性肺结节诊断模型
目的 基于分类与回归决策树(CART)与人工神经网络(ANN)技术建立孤立性肺结节良恶性的诊断模型,探讨数据挖掘技术在孤立性肺结节影像学诊断中的应用.方法 收集经病理学证实的58例孤立性肺结节(SPN)患者资料,分别提取12个临床指标和22个影像学指标作为鉴别SPN良恶性的输入指标,将各指标结果输入CART和ANN诊断模型.采用ROCKIT统计学软件绘制三组影像科医生、CART和ANN的受试者操作特征(ROC)曲线.结果 CART对SPN良恶性诊断正确率高,其次为ANN、高年资医生、中等年资医生和低年资医生.以上各组ROC曲线下面积分别为0.931、0.878、0.845、0.778和0.658.CART、ANN与高年资医生相比无显著性差异(P>0.05);但三组与中、低年资组医生相比有显著性差异(P<0.05);CART对SPN具有决策意义的诊断指标为年龄,其次为结节的毛刺征和咯血症状.结论 数据挖掘的CART和ANN两种算法对评估孤立性肺结节的良恶性具有较高的准确性.
-
应用分类与回归树筛选慢性非传染性疾病健康素养影响因素的研究
目的:探讨分类与回归树(C&RT)在筛选慢性非传染性疾病健康素养相关影响因素中的应用.方法:收集2013年宿迁市105例慢性病患者组成病例组,对地区、年龄、性别进行成组匹配选取210例非慢性病患者组成对照组.结果:分类树模型从纳入慢性病健康素养相关的19个变量中筛选出就医行为素养、运动素养、对健康的理解素养、心理调节素养、家庭年收入、BMI值是否正常以及成瘾行为素养等7个有统计学意义的影响因素,并且说明了不同人群各自的影响因素.模型的错分概率Risk值为0.270,ROC下曲线面积为0.763,模型拟合效果较好.结论:应用分类与回归树能较好地筛选出慢性病健康素养影响因素,同时能显示变量之间的相互作用,还可以研究变量科学定义分界点.
-
突发性聋患者焦虑、抑郁与病情阶段的关系及影响因素分析
目的 探讨突发性聋患者焦虑、抑郁与病情阶段的关系,并分析焦虑及抑郁发生的影响因素.方法 于2016年1月至2017年1月纳入急性期突发性聋患者45例(急性期组)、慢性期突发性聋患者71例(慢性期组)、健康志愿者30例(对照组),进行问卷调查.应用汉密尔顿焦虑(HAMA)及抑郁(HAMD)量表测评并对比各组焦虑及抑郁发生情况.统计患者一般资料、发病及治疗相关资料,通过回归树分析测评患者发生焦虑、抑郁的影响因素.结果 急性期组HAMA、HAMD得分及焦虑、抑郁发生率明显高于慢性期组和健康对照组(与慢性期组对比,Z=-9.100,P＜0.001;Z=-9.091,P＜0.001;x2=31.209,P＜0.001;x2=35.845,P＜0.001;与健康对照组对比,Z=-7.336,P＜0.001;Z=-7.324,P＜0.001;x2=21.674,P＜0.001;x2=23.148,P＜0.001);慢性期组HAMA、HAMD得分及焦虑、抑郁发生率与健康对照组对比,差异无统计学意义(Z=-1.018,P=0.308;Z=-0.042,P=0.967;P=0.671;P=0.722).发生焦虑或抑郁患者中,急性期患者占比更高(x2=31.209,P＜0.001;x2=35.845,P＜0.001),耳聋轻度、耳鸣无或轻度患者占比更低(x2=12.650,P＜0.001;x2=18.629,P＜0.001),发生抑郁患者中,男性患者占比更低(x2 =4.424,P=0.035),差异有统计学意义.疾病阶段、就诊时耳聋程度是患者发生焦虑及抑郁的主要影响因素.慢性期组中无效患者发生焦虑或抑郁患者占比更高,差异有统计学意义(Z=-2.445,P=0.014;Z=-2.815,P=0.005).结论 急性期突发性聋患者焦虑及抑郁发生率较高;疾病阶段、就诊时耳聋程度是患者发生焦虑及抑郁的主要影响因素;慢性期组患者疗效越好,焦虑及抑郁风险越低.
