公共文化服务平台

血清人附睾蛋白4检测在肺癌中诊断价值的Meta分析被引量：4: 2017年; 目的应用Meta分析评价血清人附睾蛋白4在肺癌中的诊断价值。方法计算机对中文期刊全文数据库(CNKI)、万方数据资源系统(Wanfang Database)、维普数据库(VIP)、Pub Med、EMBase、Cochrane Library、Web of Science等数据库进行检索,检索有关HE4诊断肺癌方面的研究,检索时限为从建库起至2017年1月止。根据纳入排除标准,提取符合标准的文献基本信息,并进行质量评价。采用Meta-Di Sc 1.4和Stata 14.0软件进行数据处理分析。结果共纳入8篇文献,总计肺癌组706例,对照组653例。血清人附睾蛋白4诊断肺癌的合并SEN、SPE、PLR、NLR、DOR及95%CI分别为0.68(0.65~0.72)、0.88(0.85~0.90)、6.50(4.13~10.22)、0.36(0.33~0.41)、19.62(11.29~34.11)。SROC曲线下面积(area under the curve,AUC)为0.780 4,Q指数为0.718 9。结论 HE4对肺癌有一定的诊断价值。; 时中文王斌王冰冰黄平; 关键词：肺癌 META分析

时间序列分析及模型构建在预测手足口病方面的应用被引量：9: 2018年; 目的探讨时间序列分析及模型构建在预测手足口病方面的使用价值。方法通过分析郑州市某医院2009年1月到2016年10月的手足口病发病数据,按照时间序列分析的方法,建立季节性自回归积分移动平均(SARIMA)模型,并对模型进行拟合度评价,判断拟合值和实测值之间的符合程度。结果经过参数探索,最终确定最佳拟合模型为SARIMA(1,0,1)(1,0,1)12,其平稳R2为0.734;Ljung-Box Q(18)统计量值为10.497,P=0.725,拟合值和实测值的两条曲线较为接近,提示模型具有较好的拟合能力。结论时间序列分析以及季节性自回归积分移动平均(SARIMA)模型在预测手足口病方面具有较好的预测能力。; 黄平冯慧芬王斌赵敬; 关键词：手足口病时间序列分析 SARIMA模型

基于机器学习的Cat Boost模型在预测重症手足口病中的应用被引量：12: 2019年; 目的通过机器学习算法,探究CatBoost模型在预测重症手足口病(HFMD)中的应用价值。方法收集郑州市某医院2014年1月—2017年6月住院部诊治的2983例HFMD患儿,使用R3.4.3软件进行数据分析,构建CatBoost模型和其他普通模型,评估CatBoost模型的预测性能。结果最终构建的CatBoost模型,预测正确率可达87.6%,人工神经网络模型位居第二(83.8%),其他(决策树、支持向量机、logistic回归、贝叶斯网络)模型预测正确率<80%。CatBoost算法模型ROC曲线下面积、灵敏度、特异度均高(分别为0.866、80.80%、92.33%),其中居前3位的预测变量依次为呕吐、肢体抖动和病原学结果。结论CatBoost模型可以用于预测重症HFMD,相比于其他传统算法,具有较高的预测正确率和诊断价值。; 王斌冯慧芬王芳秦新华黄平党德建赵敬易佳音; 关键词：手足口病重症手足口病

随机森林模型在重症手足口病预测中的应用价值被引量：4: 2018年; 目的:探究随机森林模型在重症手足口病预测中的应用价值。方法:收集郑州大学附属儿童医院感染科2016年8月至2017年11月诊治的手足口病患儿病例资料。选用R 3. 4. 4软件进行数据处理,构建随机森林模型和logistic模型,以logistic模型作为参照,对随机森林模型预测重症手足口病的性能进行评价。结果:通过随机森林模型的构建,最终筛选出的重要预测变量中,前3个依次为白细胞计数、血糖和EV71。随机森林模型对重症手足口病的总体预测正确率为82. 5%,AUC为0. 87,敏感度为65. 9%,特异度为94. 5%。结论:随机森林模型在预测重症手足口病方面具有较大价值,其模型预测性能表现较佳。; 王斌冯慧芬黄平赵敬易佳音; 关键词：手足口病

梯度增强机算法预测重症手足口病的应用价值被引量：1: 2018年; 目的探讨梯度增强机算法模型在预测重症手足口病方面的应用价值。方法收集郑州大学附属儿童医院2017年5-12月住院部诊治的手足口病患儿资料。使用R软件(V3.4.3)进行资料分析,分别构建梯度增强机模型和Logistic回归模型,并对两者的模型预测性能进行比较。结果共纳入1 137例手足口病患儿,平均年龄为2.0±1.4岁,其中男581例,女556例。对于梯度增强机和Logistic模型,其预测正确率分别为82.1%和76.4%,ROC曲线下面积分别为0.813(95%CI:0.796～0.829)和0.752(95%CI:0.693～0.731)。输出梯度增强机的预测变量重要性,前3位分别为白细胞计数、肠道病菌71(EV71)结果和中性细胞比率。结论梯度增强机模型可以用于预测重症手足口病,且相比于传统Logistic算法具有一定的优越性。; 王斌冯慧芬王芳黄平秦新华赵保玲赵敬易佳音; 关键词：重症手足口病数学模型

2009-2017年郑州市手足口病病毒的流行周期性分析被引量：14: 2020年; 目的了解郑州市2009-2017年手足口病流行病学及病原学特征,为该地区手足口病的防控工作提供依据。方法收集该地区2009-2017年相应的手足口病监测数据。运用SPSS 19.0软件描绘其时序图和MATLAB软件绘制小波分析图来分析手足口病的流行病学及病原学特征。结果在手足口病病例中,EV71和CoxA16是最常见的致病病原体,EV71是重症病例的主要致病因子。EV71手足口病病例的流行周期为1年和2年,CoxA16和其他肠道病毒的流行周期为1年。结论本研究可为手足口病的防控工作提供科学依据。; 赵敬冯慧芬王芳秦新华王斌黄平余功超; 关键词：手足口病流行病学小波分析

数据挖掘与模型构建在预测重症手足口病中的应用被引量：2: 2018年; 目的探讨数据挖掘与模型构建在预测重症手足口病方面的价值。方法回顾性分析郑州大学第五附属医院2016年6月-2017年10月收治的838例手足口病患儿的临床资料,使用SPSS Statistics 23.0统计软件进行数据的预处理和分析,使用SPSS Modeler 18.0软件进行模型构建和评估。根据总体精确性对所有算法进行筛选,选取最优算法,配置模型参数,输出分类树模型,评估模型的预测性能。结果经过自动分类器筛选,最终确定C&R算法最佳。模型共纳入3个解释变量:易惊、呕吐及肢体抖动。使用错分矩阵计算后,模型的预测正确率为91.17%,敏感性为84.36%,特异性为96.25%。ROC曲线下面积为0.903[(95%CI:0.878,0.927),P=0.000]。结论决策树模型在预测手足口病方面有一定的优势,模型预测精确度较高,对临床疾病诊疗有一定的辅助价值。; 黄平冯慧芬王斌赵敬易佳音; 关键词：重症手足口病数据挖掘模型构建决策树

极端梯度上升模型在预测临床重症手足口病中的应用价值被引量：1: 2019年; 目的探讨极端梯度上升模型(XGBoost)和Logistic回归模型在临床重症手足口病(HFMD)预测中的应用对比。方法回顾性收集郑州市某医院2017年3月至11月期间住院部收治的HFMD患儿872例的临床资料,其中轻症488例,重症384例。使用R344软件进行所有资料的分析,分别构建XGBoost和Logistic回归模型,比较两种模型对重症HFMD的预测效果。结果在XGBoost模型中,输出变量重要性中前三位分别为:白细胞计数、年龄和心率,其对重症HFMD总体预测准确性为92.4%,ROC曲线下面积为0.952(95%CI:0.931~0.967)。Logistic回归模型总体预测准确性为801%,ROC曲线下面积为0.848(95%CI:0.833~0.866)。模型评估显示XGBoost模型的预测效果明显优于Logistic回归模型。结论XGBoost模型可以用于预测重症HFMD,相比于传统模型,具有较高的准确性和诊断价值。; 赵敬冯慧芬王斌黄平; 关键词：LOGISTIC回归模型

手足口病合并早期神经系统受累的临床预测规则构建被引量：2: 2018年; 目的构建手足口病合并早期神经系统受累的临床预测规则(CPR)。方法收集2014-01~2017-02郑州市儿童医院感染科诊治的手足口病患儿1 132例,使用R 3.4.4软件进行所有数据的分析处理,筛选相应预测变量构建CPR,并使用ROC曲线和校准曲线对其性能进行评价。结果所有纳入患儿根据是否合并中枢神经系统(CNS)受累分为轻症组695例和CNS损害组437例。最终构建的CPR包括4个独立危险因素:体温≥38.5℃,发热时间≥3 d,白细胞≥10.8×10~9/L,年龄<1岁(或2~3岁)。诊断性ROC曲线下面积为0.821,敏感度为89.2%,特异度为80.7%,最佳临界值为4分。结论构建的CPR具有简单、实用和直观等优势,对后续研究及临床实践具有一定的参考价值。; 黄平冯慧芬王芳秦新华赵保玲王斌赵敬; 关键词：重症手足口病神经系统受累

重症手足口病列线图预测模型的建立被引量：6: 2019年; 目的:开发一种可以用于辅助临床预测重症手足口病(HFMD)的定量评价工具。方法:收集郑州市某儿童医院2017年7月至2018年2月诊治的HFMD患儿病例数据,包括轻症组562例和重症组218例。所有数据的处理使用R软件进行。将原始数据分成训练子集(70%)和测试子集(30%)。使用logistic回归筛选预测变量,构建列线图。使用ROC曲线图和分类器校准图评估模型预测性能。结果:列线图模型拟合度检验和分类器校准图均显示拟合较好,其预测正确率为83.9%,ROC曲线下面积为0.850(95%CI=0.835~0.864)。结论:列线图可以用于重症HFMD风险的预测,具有简单、直观、实用性强等优势。; 黄平冯慧芬王芳党德建王斌赵敬易佳音; 关键词：重症手足口病列线图

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

黄平

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

黄平

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈