导读:本文包含了分类树模型论文开题报告文献综述及选题提纲参考文献，主要关键词:糖尿病肾脏疾病,分类树模型,危险因素,风险人群
分类树模型论文文献综述
廖志波,刘迅,成彩联,石成钢,李少敏[1]（2019）在《慢性肾脏病3-4期糖尿病肾脏疾病患者进展到终末期肾病的危险因素分类树模型分析》一文中研究指出【目的】分析糖尿病肾脏疾病(DKD)患者进展到终末期肾病(ESRD)的相关危险因素,筛查进展到ESRD的高风险人群,以早期预防。【方法】收集本院231例糖尿病肾脏疾病患者的临床资料,随访3年,据是否出现ESRD分为未进展到ESRD(133例)、ESRD组(98例)。使用分类树模型分析进展到ESRD相关危险因素,通过节点增益分析筛选进展到ESRD的高风险人群。【结果】从预测变量中筛选到4个重要解释变量:载脂蛋B(ApoB)、性别、糖尿病视网膜病变、收缩压;ApoB升高是DKD进展的重要的危险因素;ApoB>1.14 mmol/L的慢性肾脏病(CKD)3～4期DKD患者,3年进展到ESRD的概率是75.0%,如合并糖尿病视网膜病变,有79.7%的概率进展到ESRD。【结论】分类树模型能有效筛选并分析进展到ESRD危险因素,并识别高风险人群特征,有利于早期防治。(本文来源于《中山大学学报(医学版)》期刊2019年05期）
吕红梅,李栩滨[2]（2019）在《基于决策树模型分类多时相早稻信息提取研究》一文中研究指出决策树模型分类算法为早稻遥感分布信息的获取提供技术方法。研究直接利用归一化植被指数计算,配合卫星影像纹理分析,逐步剔除非耕地的信息,得到耕地的初步分类结果;再结合多时相归一化植被指数和地表水分指数曲线等综合判析,进一步区分出早稻和其他作物。通过相关资料的验证,早稻的用户精度达到了87.50%,生产者精度为85.71%,总体精度达到了93.50%,Kappa系数为0.823,证实该方法在提取早稻信息的可靠性、准确性,也为后期水稻产量的预估提供科学决策依据。(本文来源于《福建地质》期刊2019年02期）
惠亚,顾成武,江冬萍,李虹,黄家遂[3]（2019）在《Logistic回归和分类树模型探讨颅脑手术后颅内感染相关因素及其交互作用》一文中研究指出目的探讨颅脑手术后发生颅内感染的相关因素及交互作用,为感染控制人员准确地制定防控措施提供理论依据。方法通过医院HIS系统收集该院2016年所有进行过颅脑手术患者的病历信息,并采取多因素logistic回归模型和分类树2种模型对患者病历信息数据进行分析。结果颅脑手术后颅内感染发生率为5.06%。术前预防性使用抗生素、使用神经内镜是颅内感染发生的保护性因素[比值比(OR)=0.036、0.064,P<0.05]。而长时间手术、长时间置管引流、术后脑脊液漏是发生颅内感染的主要因素(P<0.05)。分类树模型显示颅内感染的发生由切口类型决定,清洁切口与是否脑脊液漏存在明显交互,而非清洁切口发生颅内感染的影响因素为是否预防性使用抗生素,同时糖尿病也是影响脑脊液漏患者发生颅内感染的重要影响因素。结论 Logistic回归模型适用于寻找危险因素,而分类树模型可明确因素间的交互作用。预防性使用抗生素,尽量缩短手术时间,防止术后脑脊液漏可有效减少术后颅内感染的发生。(本文来源于《现代医药卫生》期刊2019年04期）
张晗希,刘聪,李艺然,乔佳颖,许志梦[4]（2018）在《HIV/AIDS患者自杀危险因素分类树模型筛选》一文中研究指出目的探索艾滋病毒感染者/艾滋病(HIV/AIDS)患者自杀的影响因素,为预防HIV/AIDS患者自杀提供针对性地干预依据。方法 2013年3—6月,在广东省广州市第八人民医院对408位HIV/AIDS患者进行横断面调查,采用分类树模型筛选自杀危险因素。结果本次调查发放问卷450份,有效问卷为408份(90.7%)。其中,男性占69.6%(284/408),同性恋/双性恋者占31.9%(130/408),处于抑郁状态者占36.8%(150/408)。有32.8%(134/408)的患者有过自杀意念或发生过自杀行为;分类树模型结果显示,有抑郁症状、文化程度、性取向以及歧视为重要的危险因素,其中,高危人群为:(有抑郁症状+文化程度高)、(无抑郁症状+非异性恋)、(无抑郁症状+异性恋+受到歧视)。利用预测概率绘制的ROC曲线下面积为0.763,与0.5比较差异有统计学意义,模型拟合效果较好。结论应重视所筛选出的主要自杀危险因素,降低HIV/AIDS患者自杀的发生率。同时应关注HIV/AIDS患者中未发现抑郁症状者的自杀状况,及时采取相应干预措施,减少自杀的发生。(本文来源于《中国公共卫生》期刊2018年12期）
孙月,陈菲,屈会,雷雪,严云膺[5]（2018）在《基于分类树模型的老年人智慧健康养老服务购买意愿影响因素分析》一文中研究指出目的了解老年人智慧健康养老服务购买意愿及其影响,为智慧健康养老服务产业发展决策提供参考思路借鉴。方法采用分层随机抽样对重庆市九龙坡区981名老年人进行问卷调查,运用分类树模型分析影响老年人智慧健康养老服务购买意愿的影响因素,采取索引图、Risk统计值对模型进行评估。结果 41.5%的老年人具有购买智慧健康养老服务意愿。分类树模型结果显示退休前职业、网络使用情况、智能手机使用情况、智慧健康养老认知、养老方式5个解释变量为影响老年人智慧健康养老服务购买意愿因素,其中退休前职业是最主要影响因素。结论智慧健康养老服务市场可优先选择政府机关事业单位、企业退休人员进行培育,逐步推广。强化老年人现代信息技能的培训及智慧健康养老服务的宣传力度,丰富智慧健康养老服务供给。(本文来源于《现代预防医学》期刊2018年18期）
陈愿[6]（2018）在《分类树模型在高血压危险因素预测中的应用分析》一文中研究指出目的通过对郑州市2013年居民健康档案进行数据分析,探讨高血压危险因素的分类树模型应用意义。方法选取郑州市5年以上居住史的居民,且在25岁以上具有代表性的普通人群样本8860例,按照预设调查内容开展问卷调查,利用分类树模型分析高血压危险因素。结果本次调查共抽取居民健康档案8860例,有效问卷8736份,有效率98.60%,满足研究条件。分类树分析显示,超重、中心型肥胖、吸烟、高血脂、性别、年龄、饮酒均为高血压的主要危险因素。高危人群主要分布在5个节点内:吸烟+饮酒+中心型肥胖者落在终点4区间;中心型肥胖+超重+高龄及男性烟民落在终点9和11;高血脂+超重者落在终点12;中心型肥胖+超重+饮酒者落在终点6。结论高血压危险因素的分析模型中分类树模型较适合,其判断能力更直观。(本文来源于《四川解剖学杂志》期刊2018年01期）
钱淑霞,庄建华,岳卫清,吴晓强,步益峰[7]（2018）在《基于分类回归树模型的卒中后抑郁预测研究》一文中研究指出目的基于分类回归树(CART)模型对卒中后抑郁(PSD)进行预测研究。方法 320例脑卒中患者随机平均分为训练集和预测集,采用CART模型对训练集的数据进行评估,并提取引起PSD的风险因子,计算各风险因子的贡献率。用预测集对预测结果进行检查,以确定引起脑卒中幸存者PSD障碍的风险因子。结果采用CART模型对训练集的数据进行评估发现,既往脑卒中病史、体质量指数(BMI)、社会支持评定量表(SSRS)、多伦多述情障碍量表(TAS-20)、汉密尔顿焦虑量表(HARS)、NIHSS六项风险因子对引发PSD障碍的贡献率分别为22.82%、15.47%、24.12%、10.50%、16.27%、10.82%。预测集中,PSD患者既往脑卒中病史、BMI、SSRS、TAS-20、HARS、NIHSS六项风险因子均明显高于非PSD患者(χ2/t=4.327,2.40,2.24,5.84,3.29,13.23;均P<0.05)。结论引起脑卒中患者PSD的风险因子包括既往脑卒中病史、BMI、SSRS、TAS-20、HARS、NIHSS六项,对以上风险因子的有效控制有望降低脑卒中患者PSD的发生率。(本文来源于《临床神经病学杂志》期刊2018年02期）
赵文波,甘周庆,韩炜明,廖志波,刘迅[8]（2018）在《糖尿病肾脏疾病不同尿白蛋白分期相关影响因素的分类树模型分析》一文中研究指出目的:分析2型糖尿病出现微量白蛋白尿和大量白蛋白尿的相关影响因素,筛查糖尿病肾脏疾病(DKD)高风险人群。方法:收集本院2008年~2015年的1 176例2型糖尿病临床资料,据尿白蛋白水平分为无白蛋白尿组(729例)、微量白蛋白尿组(274例)和大量白蛋白尿组(173例)。使用分类树模型进行不同蛋白尿分期相关影响因素分析,通过节点增益分析筛选微量和大量白蛋白尿的高风险人群。结果:建立的分类树模型共包括5层,31个节点,从27个预测变量中筛选到5个重要解释变量:Cys C、Fib、收缩压、糖尿病视网膜病变、糖尿病病程;CysC水平是DKD重要的影响因素。结论:分类树模型能有效筛选并分析不同白蛋白尿水平相关影响因素,并识别高风险人群特征,有利于早期防治。(本文来源于《中国中西医结合肾病杂志》期刊2018年01期）
赵亮,刘明升,张丹丹,张丽,张磊[9]（2017）在《应用分类树模型分析环境因素暴露对儿童急性淋巴细胞白血病的影响》一文中研究指出[目的]应用分类树模型构建儿童急性淋巴细胞白血病(ALL)的影响因素模型,筛选环境危险因素,为预防儿童ALL提供科学依据。[方法]采用病例-对照研究的流行病学方法,通过问卷回顾性调查315名研究对象(儿童ALL患者为病例组,共179名;社会健康儿童为对照组,共136名)的相关信息,包含可能的儿童ALL影响因素30个。利用分类树模型卡方自动交互检测(CHAID)法建立儿童ALL影响因素模型,通过收益图、索引图及受试者工作特征(ROC)曲线评价模型的应用价值。[结果]分类树模型包括4层,共11个节点,筛选出5个儿童ALL的解释变量,分别是:儿童不爱吃蔬菜水果(χ2=47.070,P<0.001)、母亲孕期服用药物(χ2=13.638,P<0.001)、母亲孕期感冒(χ2=8.650,P=0.003)、儿童接触油漆涂料(χ2=8.403,P=0.004)、母亲孕期二手烟暴露(χ2=8.803,P=0.003)。模型的ROC曲线下面积为0.781,与曲线下面积0.5相比,差异有统计学意义(P<0.001),模型的拟合效果较好。[结论]部分环境因素暴露可能与儿童ALL存在关联。(本文来源于《环境与职业医学》期刊2017年12期）
杨宏辉,朱利杰,高传玉[10]（2017）在《分类树模型与logistic回归在高血压危险因素预测中的应用分析》一文中研究指出目的拟利用我市2013年居民健康档案相关数据,探讨logistic回归和分类树模型在高血压危险因素中的应用前景,并分析高血压的相关危险因素。方法抽取在我市25岁以上且居住5年以上的普通人群的代表性样本9 950例,按照预设调查内容开展问卷调查,利用logistic回归模型和分类树模型分析高血压危险因素。结果本次调查共抽取居民健康档案9 950例,调查问卷经筛查后有效问卷9 778份,有效率98.27%,满足研究条件。logistic回归分析显示,女性及轻中度职业人群是高血压的保护因素,而BMI高、未婚(独居)、大于25岁年龄组、有高血压家族史是高血压的危险因素。分类树分析显示,其危险因素主要有年龄、性别、高血脂、吸烟、饮酒、中心型肥胖、超重。高危人群主要分布在第4、6、9、11、12共5个节点内:终点6表现为中心型肥胖+超重+饮酒者;终点12表现为高血脂+超重者;终点9和11表现为中心型肥胖+超重+高龄及男性烟民;终点4表现为吸烟+饮酒+中心型肥胖者。logistic回归与分类树分析预测效果中等。结论中心型肥胖、超重、饮酒、高龄、高血脂症是高血压的危险因素,分类树模型和logistic回归模型都适合于高血压危险因素的判断,且前者的判断能力更好、更直观。(本文来源于《中国卫生标准管理》期刊2017年24期）
分类树模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
决策树模型分类算法为早稻遥感分布信息的获取提供技术方法。研究直接利用归一化植被指数计算,配合卫星影像纹理分析,逐步剔除非耕地的信息,得到耕地的初步分类结果;再结合多时相归一化植被指数和地表水分指数曲线等综合判析,进一步区分出早稻和其他作物。通过相关资料的验证,早稻的用户精度达到了87.50%,生产者精度为85.71%,总体精度达到了93.50%,Kappa系数为0.823,证实该方法在提取早稻信息的可靠性、准确性,也为后期水稻产量的预估提供科学决策依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分类树模型论文参考文献
[1].廖志波,刘迅,成彩联,石成钢,李少敏.慢性肾脏病3-4期糖尿病肾脏疾病患者进展到终末期肾病的危险因素分类树模型分析[J].中山大学学报(医学版).2019
[2].吕红梅,李栩滨.基于决策树模型分类多时相早稻信息提取研究[J].福建地质.2019
[3].惠亚,顾成武,江冬萍,李虹,黄家遂.Logistic回归和分类树模型探讨颅脑手术后颅内感染相关因素及其交互作用[J].现代医药卫生.2019
[4].张晗希,刘聪,李艺然,乔佳颖,许志梦.HIV/AIDS患者自杀危险因素分类树模型筛选[J].中国公共卫生.2018
[5].孙月,陈菲,屈会,雷雪,严云膺.基于分类树模型的老年人智慧健康养老服务购买意愿影响因素分析[J].现代预防医学.2018
[6].陈愿.分类树模型在高血压危险因素预测中的应用分析[J].四川解剖学杂志.2018
[7].钱淑霞,庄建华,岳卫清,吴晓强,步益峰.基于分类回归树模型的卒中后抑郁预测研究[J].临床神经病学杂志.2018
[8].赵文波,甘周庆,韩炜明,廖志波,刘迅.糖尿病肾脏疾病不同尿白蛋白分期相关影响因素的分类树模型分析[J].中国中西医结合肾病杂志.2018
[9].赵亮,刘明升,张丹丹,张丽,张磊.应用分类树模型分析环境因素暴露对儿童急性淋巴细胞白血病的影响[J].环境与职业医学.2017
[10].杨宏辉,朱利杰,高传玉.分类树模型与logistic回归在高血压危险因素预测中的应用分析[J].中国卫生标准管理.2017