脑卒中类型复发Logistic回归预测的SMOTE算法处理非平衡临床数据.pdf

目录中文摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.英文摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究论文脑卒中类型与复发的回归预测及惴ù非平衡临床数据前言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯材料与方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯附图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯附表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯讨论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯综述不平衡数据分类方法的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯个人简历⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯日舌⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
脑卒中类型与复发的回归预测及惴ù矸瞧衡临床数据进行影像检查的情况下,只能依据临床表现初步判断类型,较容易误诊。归模型,用于临床辅助诊断及出院后的健康管理,并评价预测效果,希望方法:获取石家庄市某医院因脑卒中入院治疗颊叩牟±俺卒中复发回归模型摘要目的:脑卒中是一种突然起病的脑血液循环障碍性疾病,居全世界主要死因的第二位,分为缺血性脑卒中和出血性脑卒中,两者的治疗方法大不相同,目前临床判断卒中类型最准确的方式是或觳椋谖茨本研究拟通过已有的临床数据,构建脑卒中分型回归模型、脑卒中复发回能够为临床提供一种辅助诊断手段,提高诊断正确率。使用分类模型分类时需要有分布较平衡的数据才能获得良好效果,在多数类似的研究中,数据不平衡现象普遍存在,本研究引入了非平衡数据处理方法算法、随机复制法及欠抽样法,并对处理结果进行了比较。院后健康监测数据并整理,通过进行回归分析,方法采用向前法,变量入选水准口、.,.,获得构建回归模型所需参数,获得回归方程。若数据中出现类别分布不平衡的现象,导致分类预测准确率或灵敏度较低,则使用数据平衡方法平衡数据,随机复制过抽样法及随机欠抽样法均使用中的随机抽样功能选择,法则使用使用镅訢绦虬械腟函数调用惴平衡数据,结果:竦昧四宰渲蟹中偷幕毓槟P停湓げ庾既仿式细摺D宰渲蟹中突归模型检验拟合优度为,⒃げ獾幕毓槟P停湓げ饬槊舳冉系汀H毖P阅检验拟合优度为,⒒毓槟P虲检验拟合优度为,其灵敏度为%。中文摘要
回归方程评估,若则归类为不复发,若脸则归类为复发。数据后缺血性脑卒中复发回归模型的预测数据及摺F渲兴婊制过抽样法处理获得的回归模型,ù砘竦玫幕毓槟P虲检验拟合优度为,,。呦旅婊蠸算法大于随机过抽样法和随机欠抽样法。结论:宰渲谢颊叩母捶⒖梢愿莩鲈汉蠖云浣】导觳獾氖荽拟合,亦防止随机欠抽样法导致的信息缺失。惴ㄆ胶馐萦庞谑关键词:脑卒中;;回归分析;环瞧胶馐玫搅耸褂肧算法、随机复制过抽样法及随机欠抽样法平衡检验拟合优度为回归模型毖P杂氤鲅P阅宰渲欣嘈涂梢允褂肔毓榻懈ㄖ锒希提高诊断准确率。根据回归式可知血压的升高对发生出血性脑卒中有较大影响,而酚氤鲅P阅宰渲谐矢合喙匦裕谀宰渲谢颊咧校T硕的人患脑出血的可能性更高,有脑卒中家族史的患者患脑出血的概率较音获得结果后可对被判断为复发组的人群进行强化健康管理。谘芯糠桥涠匝纠啾鹞侍馐保匦胍V厥硬煌啾鹧镜钠胶性,若不同类别样本量不平衡,极易使得研究结果更倾向于样本量大的类别,产生偏倚。综合随机复制过抽样法、随机欠抽样法及惴ㄔ怼预测灵敏度及撸琒算法即避免随机复制过抽样法产生的过度用随机复制法及随机欠抽样法。中文摘要同
一‘‘⋯‘英文摘要篋%.瓺痠篠籐籇;....ィ..甧甧’‘一‘’
脑卒中类型与复发的回归预测及惴ù矸瞧衡临床数据引起脑内动脉狭窄,闭塞或破裂,而造成急性脑血液循环障碍,临床上表现为一次性或永久性脑功能障碍的症状和体征。脑卒中分为缺血性脑卒中世界卫生组织在年公布了近年的全世界前十位主要死因。其我国死因居首位,占.%。因此,对脑卒中的研究非常必要。方法进行辅助诊断的研究未见报道。脑卒中分为出血性卒中和缺血性卒类型最准确的方式是或觳椤5谖茨芙杏跋窦觳榈那榭鱿拢能依据临床表现初步判断类型,较容易误诊。本研究拟通过已有的临床数脑卒中具有发病率高、致残率高、死亡率高和复发率高的“四高”特点。再次发作。在如今脑卒中健康管理的观念中,对脑卒中进行二级预防非常重要,对脑卒中高危人群进行规范的健康管理能大大提高患者预后生活质人群病例,根据脑卒中危险因素评分来确定脑卒中复发或首发