晚期原发性肝癌预后分析决策树初步研究

对57例平均随访36.86(6～142)天的晚期原发性肝癌患者,以生存时间是否超过4周为界,分为预后较好(n=30)及差(n=27)两组.用Cox回归分析建立了两个回归方程:y1=0.415·营养 0.5299·RBC-0.8351·A/G;y_2=1.791血清白蛋白-1.489·年龄 0.9957·Hb.进而联合决策树理论,建立了一种预后分析方法.其判断正确率达77.19%(44/57),且优于Child、改良Child分类及肝功能不全分类等传统方法,又易于掌握应用.     

三种方案治疗小儿肺炎的药物经济学研究

目的：比较三种方案治疗小儿细菌性肺炎的效率（即费用－效果）。方法：2001年－2002年采用前瞻性随性临床试验A组50例，B组50例，C组50例作为分析模型，以深圳市二级甲等医院收费为标准，采用决策树的分析方法，进行费用一效果分析。结果：每治疗1例有效病人，A、B、C三组方案的期望成本分别为4707．45元，3052．51元，结论：同时考虑临床疗效及医疗费用，C组有最好的费用－效果，值得临床推广应用。     

慢性乙型肝炎患者肝胆湿热证和肝郁脾虚证的决策树诊断模型初探

目的 建立基于临床数据的慢性乙肝患者典型证候的诊断模型，探索与慢性乙肝典型证候相关的症状、体征和实验室指标组合。 方法 对1 004例慢性乙肝患者进行证候学调查和实验室检测，包括 88项症状、舌脉象、20项体征和 14项实验室指标。然后选取典型证候的临床数据，联合采用Logistic回归、决策树、贝叶斯网络方法进行数据分析，构建能够有效区分不同证候的诊断模型。 结果 1 004例慢性乙肝患者中最为典型的证候为肝胆湿热证（340例，占33.86%）与肝郁脾虚证（366例，占36.45%）。首先采用Logistic回归分析得到具有统计学意义的16项症状与体征及3项实验室指标，然后采用决策树方法构建能够区分肝胆湿热证、肝郁脾虚证的诊断模型（辨证诊断准确率=74.36%），发现苔白、淡红舌、巩膜黄染、两目干涩、丙氨酸转氨酶（ALT）和 HBeAg是鉴别两证型的有效指标组合。采用贝叶斯网络分析的结果也验证了上述指标的重要性。 结论 本文建立了一种能够有效判别慢性乙肝患者肝胆湿热证、肝郁脾虚证的决策树诊断模型，为将基于经验的中医辨证转向基于数据模型的辨证提供了方法，有助于促进证候的客观化诊断。     

中药药性量化方法对补虚药功效归类预测的研究

目的对中药药性依其重要性进行更深层次的多值量化分析,将比定性的文字表述和简单的二值量化表示更有意义.方法以补虚药为研究对象,药性为基本特征,在对其进行二值量化和多值量化的基础上,采用应用人工神经网络和决策树等数据库知识发现技术,进行对补虚药功效归类判别结果的影响研究.结论结果表明药性的不同量化方法对补虚药的功效归类预测有一定影响,多值量化比二值量化具有更为理想的判别结果.     

脑卒中肺部感染危险因素及血清免疫炎性因子的预测价值

目的基于主成分分析(PCA)-决策树模型分析脑卒中肺部感染的危险因素及血清免疫炎性因子的预测价值。方法回顾性分析2014年12月-2019年12月江西省上饶市人民医院确诊的176例脑卒中患者,根据是否发生肺部感染,分为感染组40例和未感染组136例。记录患者临床特征,检测血白细胞(WBC)计数、血清C-反应蛋白(CRP)、降钙素原(PCT)和可溶性白细胞介素-2受体(SIL-2R)水平。采用Logistic回归和卡方自动交叉检验(CHAID)模型分析影响脑卒中后肺部感染的危险因素;受试者工作特征曲线(ROC)分析血WBC、CRP、PCT、SIL-2R预测肺部感染的价值。结果脑卒中肺部感染与患者年龄、卒中类型、是否合并糖尿病、吸烟史、吞咽困难、意识障碍、侵入性操作有关(P<0.05);感染组患者血WBC、CRP、PCT和SIL-2R水平高于未感染组(P<0.05);糖尿病、侵入性操作、CRP和PCT均为影响脑卒中患者肺部感染的独立危险因素(P<0.05);PCA-ROC分析显示,血WBC、CRP、PCT、SIL-2R和联合预测主成分1(PC1)的曲线下面积(AUC)分别为0.670、0.816、0.854、0.686、0.918;PCA-卡方自动交互检测(CHAID)模型分析显示,WBC、CRP、PCT、SIL-2R和PC1预测肺部感染的准确率为77.33%、84.72%、86.90%、79.02%和89.24%。结论血清PCT水平可用于预测脑卒中患者肺部感染的发生,临床可重点关注合并糖尿病、意识障碍和侵入性操作的患者。     

基于分位数回归与决策树模型的跌倒患者住院费用影响因素分析

目的应用以多元逐步回归为代表的传统回归分析方法与分位数回归模型分别探究住院费用的影响因素,通过卡方自交互侦测决策树(chi-squared automatic interaction detector, CHAID)建立费用分组模型。为科学分析住院费用、制定针对性的控费措施及体系完善提供参考依据。方法采用回顾性研究法,收集重庆市两所三级甲等综合医院2016-2019年因跌倒住院的6627例患者基本信息及费用情况,对基本信息进行描述性分析,在单因素分析基础上,分别采用多元逐步回归分析和分位数回归模型筛选纳入决策树的分类节点变量,并比较两者的分析结果。根据比较结果最终选择将分位数回归结果中有影响作用的变量纳入CHAID决策树模型建立住院费用分组模型。结果单因素分析结果显示,跌倒患者住院费用的影响因素有付费方式、职业、婚姻、年龄、住院日、受伤部位、受伤类型、手术次数及手术类型;经分位数回归分析得的住院费用影响因素包含了多元逐步回归分析结果中的影响因素,显示付费方式、婚姻、年龄、住院日、受伤部位、手术次数、受伤类型和手术类型在住院费用的不同分位数点产生影响(P<0.05)。在分位数回归模型结合CHAID决策树模型建立的费用分组模型中,手术次数、住院日、手术类型、受伤部位和受伤类型为最主要的影响因素,每种组合的费用差异明显。结论相较于传统回归分析方法,选择分位数回归模型探究住院费用影响因素更稳健全面。在分位数回归模型基础上,结合CHAID决策树模型组构建的住院费用分组模型较为合理,能清楚反应影响住院费用的重点因素,为医院完善控费制度,制定医保费用支付标准提供参考依据。     

基于数据挖掘的低增生性骨髓增生异常综合征与再生障碍性贫血分类模型研究

目的 构建低增生性骨髓增生异常综合征（hypo-MDS）与再生障碍性贫血（AA）鉴别诊断的决策树、贝叶斯、卷积神经网络、改进的支持向量机四种模型并选择出最优模型。方法 收集2010—2019年华北理工大学附属医院的AA与hypo-MDS患者的病例资料,使用统计学方法筛选指标,将处理后的样本以4[DK]∶1随机分为训练集和测试集,构建决策树、贝叶斯、卷积神经网络、改进的支持向量机四种模型,采用五折交叉验证法多次重复验证,通过灵敏度、AUC等指标评价鉴别诊断效果。结果 hypo-MDS患者红细胞、血红蛋白含量等指标低于AA患者,成熟单核细胞比例等指标高于AA患者,年龄和职业分布也存在差异(P＜0.05）;最终选出21个特异性指标。四种模型的分类效果比较:灵敏度分别为82.56%、65.12%、87.21%、79.07%;AUC分别为0.81、0.68、0.82、0.83;准确率分别为75.32%、69.48%、77.27%、74.03%。对卷积神经网络的误判病例分析得出年龄、血成熟淋巴细胞等7个指标均存在差异（P＜0.05）。结论 在决策树、贝叶斯、卷积神经网络、改进的支持向量机四种诊断模型中,卷积神经网络具有最佳分类效果。     

基于数据挖掘的缺血性脑卒中患病风险预测

目的探究缺血性脑卒中患病危险因素,构建患病风险预测模型,为脑卒中的提前筛查与干预提供科学的方法。方法筛选缺血性脑卒中患病相关变量,采用决策树和Logistic回归方法构建风险预测模型,并进行模型评估。结果决策树模型受试者工作特征(ROC)曲线下的面积为0.840(0.817～0.862),约登指数为0.750,对应的灵敏度为0.877,特异度为0.873。Logistic回归模型中ROC曲线下的面积为0.914(0.899～0.930),约登指数为0.768,对应的灵敏度为0.861,特异度为0.907。结论决策树模型与Logistic模型,对预测缺血性脑卒中的患病风险具有一定的应用价值。     

提高流感疫苗接种率对减少美国重大心脏不良事件再入院的成本效益

背景:尽管流感疫苗已被证明可降低现有心血管疾病患者的主要心脏不良事件发生率,但在2015~2016年期间,美国心脏病患者的覆盖率仅为48%。方法:我们在2018年建立了一个基于蒙特卡罗电子表格的决策树,以评估增加流感疫苗接种防止主要心脏不良事件再入院的成本效益。我们的模型是基于目前美国流感疫苗接种覆盖范围估计493750例美国急性冠状动脉综合征患者从医疗付款人的角度。我们排除门诊费用和工作时间损失,只包括住院和疫苗接种费用。我们还估计了如果75%的急性冠状动脉综合征住院患者通过出院接种疫苗,则避免增加成本(主要心脏不良事件病例和增量成本效益比),并且在敏感性分析中估计住院患者中,疫苗接种覆盖率增加5%~95%的影响。年龄≥65岁,18~64岁,疫苗效力30%~40%不等。结果:在75%的出院疫苗接种覆盖率下,从医疗付款人的角度看,在年龄≥65岁的成年人中,疫苗接种可节省成本,18~64岁的成年人中,增量成本效益比为12680美元/调整质量生命年成本(95%CI:6273~20264)。     

典型机器学习算法在脂肪肝分类预测研究中的实现与比较

目的:实现和比较5种常见的机器学习算法在脂肪肝分类预测研究中的应用。方法:通过主成分分析对数据的体检指标进行降维,然后应用决策树、神经网络、支持向量机、贝叶斯网络和随机森林算法,分别构建脂肪肝分类预测模型,对1956例体检数据进行脂肪肝的分类预测。结果:决策树分类模型在脂肪肝分类预测上的准确率最高,达到70.14%,其次是支持向量机和神经网络模型,处于68%左右的水平。结论:本文所研究的典型算法在脂肪肝分类的预测上具有较为可靠分类预测能力,但决策树模型在应用小样本数据上表现出了优势;同时,还发现臀围(HIP)和甘油三酯(TG)可能与脂肪肝分类关联密切。