检索结果-南通市图书馆

作者：涂博祥中国人民解放军海军军医大学

学位级别：硕士

研究背景:倾向性评分(Propensity Score,PS)方法是目前常用的在真实世界研究中控制混杂因素的方法,其中PS加权方法也已得到越来越多的应用。PS加权的分析步骤为:1.估计PS值;2.根据PS值进行加权;3.均衡性检验;4.效应估计。目前常用的估... 详细信息

研究背景:倾向性评分(Propensity Score,PS)方法是目前常用的在真实世界研究中控制混杂因素的方法,其中PS加权方法也已得到越来越多的应用。PS加权的分析步骤为:1.估计PS值;2.根据PS值进行加权;3.均衡性检验;4.效应估计。目前常用的估计PS值的方法为logistic回归模型,但是当混杂因素和处理因素之间的关系复杂且未知时难以完全正确设定它们之间的关系,因此PS值会估计不准确,导致效应估计不准确。广义增强模型(Generalized Boosted Models,GBM)是一类自适应的回归模型,无需人为设定自变量与因变量之间的关系。将GBM应用于PS值的估计中,模型即可通过迭代找到混杂因素与处理因素之间的关系,从而得到更加准确的PS值估计。目前常用的加权方法为逆概率加权(Inverse Probability Weighting,IPW),但是极端权重的出现会影响效应估计,尤其是当处理组和对照组之间PS值重叠程度小的情况下,而重叠权重加权(Overlap Weighting,OW)则可避免重叠程度低导致极端权重产生的问题。研究目的:联合GBM和倾向性评分重叠权重构建GBM-OW模型,解决在处理因素为二分类变量的情况下PS值估计不准确和极端权重的问题,从而得到更加准确的效应估计,为真实世界研究控制混杂因素提供新的统计分析方法。研究方法:根据混杂因素的均衡性联合广义增强模型和倾向性评分重叠权重,构建GBM-OW模型。通过多种场景的模拟数据对模型进行评价,设计包含7种不同混杂因素与处理因素之间的关系、4种不同PS值重叠程度、2种处理组比例、6种样本量以及3种结局类型共1008种场景的模拟数据,每种场景模拟1000次。利用Kolmogorov-Smirnov(KS)值和绝对标准均值差(Absolute Standardized Mean Difference,ASMD)评价GBM-OW模型在均衡混杂因素方面的表现,利用相对偏倚(Relative Bias,RB)、均方根误差(Root Mean Squared Error,RMSE)、95%置信区间覆盖率(95%Confidence Interval Coverage Rate,95%CICR)评价模型在效应估计方面的表现,并与多因素回归模型(adjusted)、基于logistic回归的IPW模型(logistic-IPW)、基于logistic回归的OW模型(logistic-OW)、基于GBM的IPW模型(GBM-IPW)四种模型进行比较。然后将GBM-OW模型应用于美国重症监护医疗信息中心数据库(Medical Information Mart for Intensive Care,MIMIC-IV)中,分析使用他汀类药物是否与重症监护室中急性肾衰竭病人的临床结局有关。并基于实例数据进行了进一步的模拟研究。结果:在模拟数据中,加权前与logistic-IPW、logistic-OW、GBM-IPW、GBMOW四种模型加权后的平均KS值分别为:0.3687、0.1584、0.0728、0.1402和0.0160;平均ASMD值分别为0.9312、0.2668、<0.0001、0.3648和0.0315。当结局为连续型变量时,adjusted、logistic-IPW、logistic-OW、GBM-IPW和GBM-OW五种模型的平均RB分别为:24.43%、26.21%、13.40%、107.09%和6.68%;平均RMSE分别为:0.2694、0.6100、0.1688、1.0947和0.1167;平均95%CICR分别为38.57%、83.42%、80.75%、32.52%和97.56%。当结局为二分类变量时,adjusted、logistic-IPW、logistic-OW、GBM-IPW和GBM-OW五种模型的平均RB分别为:56.51%、极端值、27.65%、88.58%和24.02%;平均RMSE分别为:0.3811、极端值、0.2396、0.5411和0.2374;平均95%CICR分别为55.02%、85.69%、77.04%、53.07%和85.11%。当结局为生存资料时,adjusted、logistic-IPW、logistic-OW、GBM-IPW和GBM-OW五种模型的平均RB分别为:87.60%、24.52%、27.10%、89.21%和24.99%;平均RMSE分别为:0.4021、0.2895、0.1513、0.3868和0.1473;平均95%CICR分别为26.64%、37.42%、77.43%、27.59%和94.45%。在实例研究中,adjusted、logisticIPW、logistic-OW、GBM-IPW和GB

关键词：倾向性评分广义增强模型重叠权重逆概率加权真实世界研究

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多组资料倾向性评分加权法模型构建与比较

引用

中国循证医学杂志 2023年第3期23卷 362-372页

作者：徐宵涂博祥秦婴逸贺佳同济大学医学院上海200092 海军军医大学军队卫生统计学教研室上海200433

目的比较处理多组资料数据时三种倾向性评分加权方法在不同样本量的条件下均衡协变量的能力和估计处理效应的优劣。方法采用Monte Carlo模拟的方法生成数据集,比较三种倾向性评分加权方法Logistic-IPTW、Logistic-OW和GBM-OW法均衡协... 详细信息

目的比较处理多组资料数据时三种倾向性评分加权方法在不同样本量的条件下均衡协变量的能力和估计处理效应的优劣。方法采用Monte Carlo模拟的方法生成数据集,比较三种倾向性评分加权方法Logistic-IPTW、Logistic-OW和GBM-OW法均衡协变量和估计处理效应的优劣。协变量均衡水平指标为绝对标准均值差。处理效应评价指标包括处理效应的点估计值、均方根误差、可信区间覆盖率。结果在5种协变量与处理因素、结局变量有不同复杂程度的相关关系的场景下,相比于Logistic-IPTW法和Logistic-OW法,GBMOW法在效应估计方面更优,同时拥有更小的均方根误差;在协变量均衡性方面,三种方法效果都比较好,GBMOW方法在多组资料倾向性评分分布重叠度较低,且在协变量与分组变量、结局变量有越来越复杂的非线性关系时表现变好。结论在处理多组资料时,GBM-OW法相对另外两种方法,在协变量与分组变量、结局变量之间存在非线性或(和)交互关系时具有优势。运用此方法后效应估计更加接近真实值,为较优的选择。

关键词：倾向性评分加权法重叠加权多组资料广义增强模型逆概率加权

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习算法的重症缺血性脑卒中早期死亡预测效果评价

引用

海军军医大学学报 2022年第12期43卷 1365-1371页

作者：罗枭程义何倩涂博祥吴骋贺佳海军军医大学(第二军医大学)卫生勤务学系军队卫生统计学教研室上海200433

目的评价支持向量机(SVM)、随机森林、极限梯度提升(XGBoost)3种机器学习算法与logistic回归模型在重症缺血性脑卒中30 d死亡结局预测中的效果。方法使用2008年至2019年美国重症监护医学信息数据库Ⅳ(MIMIC-Ⅳ)中符合纳入标准的2 358... 详细信息

目的评价支持向量机(SVM)、随机森林、极限梯度提升(XGBoost)3种机器学习算法与logistic回归模型在重症缺血性脑卒中30 d死亡结局预测中的效果。方法使用2008年至2019年美国重症监护医学信息数据库Ⅳ(MIMIC-Ⅳ)中符合纳入标准的2 358例重症缺血性脑卒中患者资料,分别用SVM、随机森林、XGBoost3种机器学习算法与logistic回归方法,结合合成少数过采样技术(SMOTE)建立早期死亡预测模型,并使用ROC曲线的AUC值、准确度、F1分数、布里尔分数等指标评价模型的预测效果。结果 SVM、随机森林、XGBoost与logistic回归模型在原始不平衡数据集中预测早期死亡的AUC值分别为0.78、0.81、0.84、0.83。应用SMOTE合成数据集后,SVM、随机森林、XGBoost与logistic回归模型的AUC值分别为0.72、0.84、0.83、0.83。除SVM模型外,随机森林、XGBoost模型与logistic回归之间有相似的预测能力,但其准确度、布里尔分数均优于logistic回归模型,综合分类性能更优。结论机器学习算法在缺血性脑卒中早期死亡预测中性能较传统logistic回归方法更优。

关键词：重症缺血性脑卒中早期死亡预测机器学习合成少数过采样技术

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

倾向性评分加权方法介绍及R软件实现

引用

中国循证医学杂志 2022年第3期22卷 365-372页

作者：涂博祥秦婴逸吴骋徐宵赵艳芳海军军医大学军队卫生统计学教研室上海200433 中国人民解放军73056部队江苏镇江232000 同济大学医学院上海200092

本文介绍了倾向性评分加权中的逆概率加权和重叠权重加权,以及如何进行均衡性检验及效应量估计,随后介绍并比较了4种可以实现倾向性评分加权的R软件包。

关键词：倾向性评分逆概率加权重叠权重

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于广义增强模型的倾向性评分重叠权重加权方法研究

引用

中国卫生统计 2024年第5期41卷 676-681页

作者：涂博祥秦婴逸徐宵赵艳芳海军军医大学军队卫生统计学教研室 200433 同济大学医学院

目的本研究构建了基于广义增强模型的倾向性评分重叠权重加权模型(GBM-OW)。方法通过模拟数据探讨在混杂因素与处理因素间关系复杂的情况下,不同样本量,不同倾向性评分值重叠程度下GBM-OW模型在均衡混杂因素、效应估计等方面的表现,并... 详细信息

目的本研究构建了基于广义增强模型的倾向性评分重叠权重加权模型(GBM-OW)。方法通过模拟数据探讨在混杂因素与处理因素间关系复杂的情况下,不同样本量,不同倾向性评分值重叠程度下GBM-OW模型在均衡混杂因素、效应估计等方面的表现,并与多因素调整模型及其它三种倾向性评分加权模型进行比较。结果及结论从模拟结果来看,当变量之间关系复杂、样本量大、倾向性评分值重叠程度小的情况下,GBM-OW模型在各方面均有较好的表现,可应用于观察性研究中。

关键词：倾向性评分重叠权重广义增强模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Fine-Gray竞争风险模型的小肝癌患者预后模型构建与验证

引用

中华肿瘤防治杂志 2023年第23期30卷 1435-1443页

作者：钱迪涂博祥陈枭张鹤巍叶小飞赵艳芳海军军医大学卫生勤务系军队卫生统计学教研室上海200433

目的探究小肝癌患者预后影响因素,构建预后预测模型,为患者的个体化预后评估提供更精确的工具。方法通过SEER数据库收集2004-2015年确诊的2648例小肝癌患者信息,按照7∶3的比例,将患者随机分成训练集(1853例)与验证集(795例)。使用Fine-... 详细信息

目的探究小肝癌患者预后影响因素,构建预后预测模型,为患者的个体化预后评估提供更精确的工具。方法通过SEER数据库收集2004-2015年确诊的2648例小肝癌患者信息,按照7∶3的比例,将患者随机分成训练集(1853例)与验证集(795例)。使用Fine-Gray竞争风险模型对训练集资料进行单因素和多因素分析,探究影响小肝癌患者预后的独立危险因素,建立预后模型,从区分度和校准度两个角度分别对训练集与验证集数据的预测效果进行验证,基于预后模型结果绘制列线图并采用R-shiny构建生存率计算器。结果多因素分析结果表明,年龄(HR=1.165,95%CI为1.005~1.349,P=0.042)、婚姻状况(HR=1.250,95%CI为1.084~1.440,P=0.002)、肿瘤分级(HR=1.440,95%CI为1.197~1.733,P<0.001)、N分期(HR=0.442,95%CI为0.285~0.684,P<0.001)、M分期(HR=0.502,95%CI为0.325~0.776,P=0.002)、肿瘤大小(HR=1.216,95%CI为1.052~1.404,P=0.008)、手术情况(HR=2.732,95%CI为2.311~3.230,P<0.001)是小肝癌患者预后的独立影响因素。根据独立影响因素构建的列线图,在训练集中1、3和5年特异性生存率的曲线下面积分别为0.782、0.761和0.741,在验证集中分别为0.772、0.756和0.737;校准曲线显示在训练集与验证集中1、3和5年预测模型的预测发生率与实际发生率基本一致。结论Fine-Gray竞争风险模型能高效辨别小肝癌患者的预后独立影响因素,以此为依据构建的预后模型能更准确预测患者的特异性生存率,为医师进行决策提供有价值的参考依据。

关键词：小肝癌特异性生存率列线图 SEER数据库预后

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

某部基层战士自评健康状况调查

引用

武警医学 2021年第4期32卷 296-299页

作者：赵艳芳钱皎郭威钱治军涂博祥王睿吴骋海军军医大学卫勤系军队卫生统计学教研室上海200433 海军军医大学第一附属医院上海200433

目的了解海军某基层部队战士自评健康状况。方法采用自行设计的调查问卷于2015-05对某海军基层部队266名战士进行问卷调查,调查方式为自填问卷调查。结果调查对象平均(22.39±3.03)岁。138名(53.70%)认为自己健康状况好,28名(15.73%)对... 详细信息

目的了解海军某基层部队战士自评健康状况。方法采用自行设计的调查问卷于2015-05对某海军基层部队266名战士进行问卷调查,调查方式为自填问卷调查。结果调查对象平均(22.39±3.03)岁。138名(53.70%)认为自己健康状况好,28名(15.73%)对自己健康状况满意。146名(57.25%)总体精神状态好。有56.86%战士在调查前两周内有身体不适,6个月内24.80%战士患有慢性病。两周患病和慢性病均与总体健康状况有关(P<0.05)。结论该部队战士自评健康状况较好,疾病影响战士的健康状况,可通过加强疾病预防、进行健康教育等方法提高总体健康水平。

关键词：基层部队战士自评健康调查

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

尺度重构视域下城市历史地段更新改造的实现机制研究——基于南京小西湖的实证

引用

自然资源学报 2025年第1期 104-117页

作者：李欣高煜冯淑怡张京祥南京农业大学公共管理学院南京大学建筑与城市规划学院中国资源环境与发展研究院

城市更新已成为推动城市高质量发展的重要途径。对于历史城区、历史街区等传统空间而言，因其在产权结构、居民构成、历史文化保护和用地规制等方面的复杂性，许多项目陷入启动难、落地难的现实困境。基于此，以南京小西湖的更新实践为... 详细信息

城市更新已成为推动城市高质量发展的重要途径。对于历史城区、历史街区等传统空间而言，因其在产权结构、居民构成、历史文化保护和用地规制等方面的复杂性，许多项目陷入启动难、落地难的现实困境。基于此，以南京小西湖的更新实践为例，结合尺度重构的理论，分析在历史地段更新中地方政府的有关创新实践及其内在的空间过程对多主体间社会关系的重塑机制。尺度重构策略的系统应用，有助于破解制约中国城市历史地段更新中产权碎化难整合、空间功能难复合、空间降密难实现等关键问题；其内涵的空间过程及对社会关系的重塑，也为进一步修复增长主义引致的城市空间功能单一、经济过度房地产化和社会关系张力大等问题提供了理论支撑和实践指引。

关键词：城市更新尺度重构空间治理历史地段南京小西湖

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

作为价值观和方法论的“同时代批评”——兼作“开栏主持人语”

引用

当代文坛 2025年第1期 74-76页

作者：杨庆祥中国人民大学文学院

2024年6月,《当代文坛》主编杨青女士突然给我打电话,说想请我主持一个栏目,“同时代批评”,我毫不犹豫就答应下来了。这一方面固然是因为对杨青女士的信任以及《当代文坛》的重要性,另外一方面也是因为我对“同时代批评”这一概念有特... 详细信息

2024年6月,《当代文坛》主编杨青女士突然给我打电话,说想请我主持一个栏目,“同时代批评”,我毫不犹豫就答应下来了。这一方面固然是因为对杨青女士的信任以及《当代文坛》的重要性,另外一方面也是因为我对“同时代批评”这一概念有特别的认同。这一认同甚至是自动性的,我从来没有对“同时代批评”进行过相关的理论界定和概念史的梳理,我甚至从来没有将“同时代批评”作为一个“客观对象”进行思考过。

关键词：《当代文坛》概念史理论界定自动性方法论客观对象主持人价值观

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于数据挖掘技术的拖拉机发动机故障诊断

引用

农机化研究 2025年第2期47卷 244-248页

作者：匡伟祥郴州职业技术学院现代装备制造学院湖南郴州423000

拖拉机是农业生产的重要工具,发动机是其核心部件,如发动机出现故障,将会直接影响农业生产效率和产量。为此,提出了一种使用数据挖掘技术进行拖拉机发动机故障诊断的方法。利用了机器学习技术和统计学,首先针对拖拉机田间运行信号噪音... 详细信息

拖拉机是农业生产的重要工具,发动机是其核心部件,如发动机出现故障,将会直接影响农业生产效率和产量。为此,提出了一种使用数据挖掘技术进行拖拉机发动机故障诊断的方法。利用了机器学习技术和统计学,首先针对拖拉机田间运行信号噪音较大的问题,引入小波阈值去噪的方法;其次,基于卷积神经网络模型,引入一种注意力机制,提高故障诊断准确率,并通过对拖拉机传感器数据进行分析,可以帮助诊断和预测发动机故障;最后,通过实验结果验证了算法的有效性。研究结果不仅可以提高故障的准确性和效率,还能够节约维修成本和提高机器的利用率,具有较高的应用价值。

关键词：拖拉机发动机故障诊断数据挖掘技术机器学习特征选择

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：