本文關(guān)鍵詞：臨床醫(yī)學(xué)縱向數(shù)據(jù)的分析方法研究

  更多相關(guān)文章： 縱向數(shù)據(jù) 聚類分析 變量選擇 數(shù)據(jù)分組處理算法 多層線性模型

【摘要】：隨著醫(yī)學(xué)技術(shù)的發(fā)展,醫(yī)學(xué)數(shù)據(jù)也在大量的積累。為迎合臨床診斷、科研教學(xué)方面的需求,臨床醫(yī)學(xué)數(shù)據(jù)分析技術(shù)逐漸成為臨床醫(yī)學(xué)領(lǐng)域研究的熱點(diǎn)。臨床醫(yī)學(xué)數(shù)據(jù)主要包括截面數(shù)據(jù),時(shí)間序列數(shù)據(jù)和縱向數(shù)據(jù)。截面數(shù)據(jù)是指在同一次調(diào)查中得到的數(shù)據(jù),在醫(yī)學(xué)上可以用來(lái)分析疾病的影響因素。時(shí)間序列數(shù)據(jù)是指隨著時(shí)間的變化收集到的數(shù)據(jù)。不同于上面兩種數(shù)據(jù),縱向數(shù)據(jù)是把截面數(shù)據(jù)和時(shí)間序列數(shù)據(jù)相結(jié)合的方式,在臨床上以隨訪的方式收集到的多個(gè)患者的檢測(cè)數(shù)據(jù)。通過(guò)分析縱向數(shù)據(jù),能得到個(gè)體特征隨時(shí)間變化的趨勢(shì),也可以分析出個(gè)體之間的差異性。因此臨床縱向數(shù)據(jù)的分析有著很重要的醫(yī)學(xué)意義。本文在對(duì)臨床醫(yī)學(xué)縱向數(shù)據(jù)的特點(diǎn)進(jìn)行分析后,提出了面向醫(yī)學(xué)縱向數(shù)據(jù)的聚類分析算法和變量選擇算法。然后建立了改進(jìn)了的多層線性模型,并通過(guò)分析實(shí)際的臨床醫(yī)學(xué)縱向數(shù)據(jù)驗(yàn)證了我們的多層線性模型在臨床醫(yī)學(xué)縱向數(shù)據(jù)研究中的有效性。本文的研究工作內(nèi)容具體如下:(1)根據(jù)醫(yī)生長(zhǎng)期的臨床經(jīng)驗(yàn),尤其結(jié)合中醫(yī)對(duì)患者體質(zhì)的區(qū)分思想,即使同一病種、同一分期的患者,其疾病發(fā)展的趨勢(shì)也不盡相同,而且醫(yī)生經(jīng)驗(yàn)往往認(rèn)為這些患者的疾病發(fā)展趨勢(shì)可以進(jìn)一步細(xì)分為幾類。也就是說(shuō),一些病人之間往往會(huì)存在相似的病理發(fā)展趨勢(shì)或者相同的癥狀,但是對(duì)研究人群而言,到底疾病變化趨勢(shì)的發(fā)展分為幾類,醫(yī)生經(jīng)驗(yàn)無(wú)法給出。因此,需要根據(jù)醫(yī)學(xué)縱向數(shù)據(jù)將病人的疾病發(fā)展趨勢(shì)進(jìn)行聚類分析,得到的類別可以給醫(yī)生提供一些診療建議�？紤]到臨床醫(yī)學(xué)縱向數(shù)據(jù)多維度的特點(diǎn),我們提出擴(kuò)展范式距離來(lái)度量病人間的相似性,并結(jié)合不受聚類中心隨機(jī)選擇影響的改進(jìn)K均值算法進(jìn)行縱向數(shù)據(jù)的聚類分析。然后對(duì)非小細(xì)胞肺癌縱向數(shù)據(jù)和妊娠高血壓縱向數(shù)據(jù)分別進(jìn)行了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,我們的方法可以對(duì)縱向數(shù)據(jù)可以實(shí)現(xiàn)更有效的聚類,其有效性和可行性適用于以聚類分析為目的的臨床醫(yī)學(xué)縱向數(shù)據(jù)的分析。(2)在臨床醫(yī)學(xué)縱向數(shù)據(jù)分析中,由于縱向數(shù)據(jù)的維度比較多,會(huì)加大建模的困難,所以在實(shí)際建模中,我們需要選擇對(duì)病癥影響比較大的特征來(lái)作為模型的輸入。本文提出了基于GMDH算法的變量選擇算法,考慮到該算法具有選擇出與因變量密切相關(guān)的自變量的特點(diǎn),本文將此方法用于臨床醫(yī)學(xué)縱向數(shù)據(jù)的變量選擇中,這在本人所查閱的文獻(xiàn)中尚未見到類似應(yīng)用。通過(guò)在非小細(xì)胞肺癌縱向數(shù)據(jù)實(shí)驗(yàn)上的應(yīng)用,可以得到該方法不僅能有效減少數(shù)據(jù)維度和算法復(fù)雜度,而且能保證有效的聚類結(jié)果。(3)針對(duì)縱向數(shù)據(jù)的特點(diǎn),首先分析了多層線性模型在臨床縱向數(shù)據(jù)處理上的一些的優(yōu)點(diǎn)和局限性,無(wú)法分析隨時(shí)間變化的指標(biāo)對(duì)病癥的影響,本文提出將縱向數(shù)據(jù)中時(shí)變的變量先進(jìn)行聚類,然后再進(jìn)行多層線性模型分析,進(jìn)而改進(jìn)了多層線性模型。然后,將改進(jìn)后的模型應(yīng)用到非小細(xì)胞肺癌縱向數(shù)據(jù)和妊娠高血壓數(shù)據(jù)中,分析得到了病癥的變化趨勢(shì),以及個(gè)體之間的差異性,為醫(yī)生提供了一些診療建議。實(shí)驗(yàn)結(jié)果表明我們所提出的基于時(shí)變變量聚類的多層線性模型,能夠解決時(shí)變變量不便在這類模型中作為自變量應(yīng)用的現(xiàn)狀。
【關(guān)鍵詞】：縱向數(shù)據(jù) 聚類分析 變量選擇 數(shù)據(jù)分組處理算法 多層線性模型
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R4;TP311.13
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 課題研究背景及意義10-11
• 1.2 縱向數(shù)據(jù)分析方法的國(guó)內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 縱向數(shù)據(jù)聚類分析的研究現(xiàn)狀12-13
• 1.2.2 變量選擇算法的研究現(xiàn)狀13
• 1.2.3 縱向數(shù)據(jù)建模的研究現(xiàn)狀13-14
• 1.3 本文的主要內(nèi)容14-15
• 1.4 本文的組織結(jié)構(gòu)15-18
• 第2章 基于臨床醫(yī)學(xué)縱向數(shù)據(jù)建模方案設(shè)計(jì)18-24
• 2.1 臨床縱向數(shù)據(jù)建模的整體方案18-20
• 2.2 研究數(shù)據(jù)及特征20-21
• 2.2.1 研究數(shù)據(jù)集介紹20
• 2.2.2 實(shí)驗(yàn)數(shù)據(jù)指標(biāo)的介紹20-21
• 2.2.3 數(shù)據(jù)特點(diǎn)分析21
• 2.3 本章小結(jié)21-24
• 第3章 基于EFros距離的改進(jìn)的K均值聚類算法的研究24-38
• 3.1 聚類分析方法24-25
• 3.2 相似性度量方法的研究25-28
• 3.2.1 相似性度量方法26-27
• 3.2.2 常用聚類算法27-28
• 3.3 基于EFros距離的改進(jìn)的K均值聚類算法的研究28-31
• 3.3.1 基本思路28-29
• 3.3.2 算法步驟29-30
• 3.3.3 聚類效果評(píng)價(jià)30-31
• 3.4 實(shí)驗(yàn)及分析31-35
• 3.4.1 非小細(xì)胞肺癌數(shù)據(jù)聚類實(shí)驗(yàn)31-33
• 3.4.2 妊娠高血壓數(shù)據(jù)聚類實(shí)驗(yàn)33-35
• 3.5 本章小結(jié)35-38
• 第4章 基于GMDH算法的縱向數(shù)據(jù)變量選擇方法研究38-46
• 4.1 變量選擇方法的研究38-39
• 4.1.1 子集選擇方法38
• 4.1.2 懲罰估計(jì)方法38-39
• 4.2 GMDH理論的研究39-41
• 4.2.1 GMDH的基本概念39-40
• 4.2.2 GMDH的建模過(guò)程40
• 4.2.3 GMDH算法的實(shí)現(xiàn)流程40-41
• 4.3 基于GMDH算法的縱向數(shù)據(jù)變量選擇算法的研究41-42
• 4.3.1 面向GMDH算法的縱向數(shù)據(jù)41-42
• 4.3.2 基于GMDH算法的縱向數(shù)據(jù)變量選擇算法42
• 4.4 實(shí)驗(yàn)及分析42-44
• 4.5 本章小結(jié)44-46
• 第5章 面向臨床醫(yī)學(xué)縱向數(shù)據(jù)的改進(jìn)的多層線性模型建模方法研究46-60
• 5.1 多層線性模型的描述46-47
• 5.2 縱向數(shù)據(jù)下的多層線性模型原理47-48
• 5.3 面向縱向臨床數(shù)據(jù)的多層線性模型建模方法的研究48-49
• 5.3.1 多層線性模型下的縱向數(shù)據(jù)48-49
• 5.3.2 面向縱向數(shù)據(jù)多層線性模型輸入的改進(jìn)49
• 5.4 實(shí)驗(yàn)及分析49-58
• 5.4.1 非小細(xì)胞肺癌數(shù)據(jù)實(shí)驗(yàn)50-55
• 5.4.2 妊娠高血壓醫(yī)學(xué)數(shù)據(jù)實(shí)驗(yàn)55-58
• 5.5 本章小結(jié)58-60
• 結(jié)論與展望60-62
• 參考文獻(xiàn)62-66
• 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)成果66-68
• 致謝68

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 李春紅;張忠占;;縱向數(shù)據(jù)下藥物劑量水平的統(tǒng)計(jì)分析[J];高校應(yīng)用數(shù)學(xué)學(xué)報(bào)A輯(中文版);2006年03期

2 莊嚴(yán);邢艷春;馬文卿;;含有缺失機(jī)制的多元縱向數(shù)據(jù)分析[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2008年05期

3 李雷德;祁瑞;行岳真;隋虹;;廣義估計(jì)方程與準(zhǔn)最小二乘在社區(qū)縱向數(shù)據(jù)分析中的應(yīng)用[J];實(shí)用預(yù)防醫(yī)學(xué);2013年11期

4 劉沛,王燦楠;在醫(yī)學(xué)縱向數(shù)據(jù)分析中SAS內(nèi)部邏輯變量的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2001年01期

5 馮麗云;James Cui;;縱向數(shù)據(jù)準(zhǔn)似然獨(dú)立準(zhǔn)則在GEE模型中的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2008年04期

6 廉啟國(guó);高爾生;涂曉雯;樓超華;;Stata中xtmixed與xtgee相對(duì)于縱向數(shù)據(jù)分析的比較[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2007年05期

7 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 韋博成;解鋒昌;林金官;;ZI數(shù)據(jù)的統(tǒng)計(jì)分析[A];江蘇省現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第11次學(xué)術(shù)年會(huì)論文集[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 徐麗麗;帶有混合相關(guān)結(jié)構(gòu)的縱向數(shù)據(jù)的統(tǒng)計(jì)分析[D];東北師范大學(xué);2011年

2 張濤;含有測(cè)量誤差的縱向數(shù)據(jù)的統(tǒng)計(jì)推斷[D];復(fù)旦大學(xué);2011年

3 田瑞琴;縱向數(shù)據(jù)下半?yún)?shù)回歸模型的統(tǒng)計(jì)推斷[D];北京工業(yè)大學(xué);2014年

4 嚴(yán)國(guó)義;縱向數(shù)據(jù)與生存數(shù)據(jù)的半?yún)?shù)聯(lián)合模型研究[D];武漢大學(xué);2013年

5 胡爽;經(jīng)驗(yàn)似然縱向數(shù)據(jù)和似然Dantzig Selector方法[D];山東大學(xué);2011年

6 肖立群;響應(yīng)變量受限縱向數(shù)據(jù)中若干統(tǒng)計(jì)問(wèn)題的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

7 李萬(wàn)斌;縱向數(shù)據(jù)下變系數(shù)混合效應(yīng)模型的有效推斷[D];北京工業(yè)大學(xué);2014年

8 許佩蓉;高維縱向數(shù)據(jù)中邊際模型和混合效應(yīng)模型的若干研究[D];華東師范大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 陳麗芳;縱向數(shù)據(jù)下半?yún)?shù)工具變量模型的二次推斷函數(shù)估計(jì)及應(yīng)用[D];重慶工商大學(xué);2016年

2 陳登峰;縱向數(shù)據(jù)下兩類半?yún)?shù)回歸模型的二次光滑估計(jì)[D];北京工業(yè)大學(xué);2016年

3 孫延輝;臨床醫(yī)學(xué)縱向數(shù)據(jù)的分析方法研究[D];北京工業(yè)大學(xué);2016年

4 石琳;縱向數(shù)據(jù)處理中的異方差分析[D];山東科技大學(xué);2008年

5 韓旭;簡(jiǎn)單序約束下基于二次推斷函數(shù)的縱向數(shù)據(jù)模型選擇方法[D];東北師范大學(xué);2011年

6 姜丹丹;含有有序變量和連續(xù)變量的多元縱向數(shù)據(jù)分析[D];東北師范大學(xué);2007年

7 莊嚴(yán);含有缺失機(jī)制的多元縱向數(shù)據(jù)分析[D];東北師范大學(xué);2007年

8 范俊花;具有一致相關(guān)和指數(shù)相關(guān)的縱向數(shù)據(jù)模型中異方差和相關(guān)性檢驗(yàn)[D];東南大學(xué);2006年

9 趙曉云;縱向數(shù)據(jù)缺失處理對(duì)分析模型影響的研究[D];天津財(cái)經(jīng)大學(xué);2013年

10 戴小飛;縱向數(shù)據(jù)混合效應(yīng)模型的研究[D];揚(yáng)州大學(xué);2009年

，

本文編號(hào)：813611