基于结构方程模型的前列腺癌与前列腺增生鉴别诊断的影响因素研究
发布时间：2021-07-20 10:44
目的:本研究提出前列腺癌与前列腺增生鉴别诊断的影响因素模型,对鉴别诊断影响因素进行多方面分析,并使用前列腺癌电子病历数据进行实证研究,以期能够发现有效的鉴别诊断影响因素,从而辅助临床进行决策。方法:首先通过数据概述、相关分析、因子分析、模型构建与检验等进行鉴别诊断影响因素的结构方程模型的构建;然后通过决策树算法进行前列腺癌诊断模型的构建;最后通过非参数检验、逻辑回归等传统方法挖掘影响因素,并与本研究模型挖掘的影响因素的诊断能力进行对比评测。结果:（1）构建了鉴别诊断影响因素的结构方程模型,通过相关分析得到13个与前列腺癌相关的因素,在此基础上进行因子分析、模型构建与检验挖掘出9个鉴别诊断影响因素。（2）构建了前列腺癌诊断模型,该模型的准确率、精确度、召回率、特异度、F值分别为0.833、0.782、0.835、0.832、0.808。通过鉴别诊断影响因素构建的前列腺癌诊断模型的性能优于使用传统因素构建的模型,新因素具有一定的诊断价值。（3）对前列腺癌与前列腺增生鉴别诊断的影响因素模型进行评估,基于鉴别诊断影响因素的前列腺癌诊断模型优于基于传统方法获得因素所构建的前列腺癌诊断模型。结论:...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
技术路线图
第2章相关理论、方法及工具13SEM构建的一个软件，但使用复杂，需要编写一些程序；AMOS使用简单，界面友好性高，以图形为基础的界面，容易操作，所以使用者较多；但上述软件基于的算法均要求实际数据需要服从正态分布，而SmartPLS软件对数据的分布情况并无要求，因此，该软件也是众多学者经常使用的。AMOS与PLS的选择流程如图1.1所示，从图中可以看出，当满足图中四个条件时，AMOS软件才可以使用，而PLS则不受这些条件约束，只有当模型发展成熟的时候才不建议采用，相比之下，PLS的用途更加广泛，适用范围更广。图2.1AMOS与PLS的选择流程图PLS结构方程模型常用的评价指标：①SRMR，它是标准化残差均方根，绝对拟合指标中的一种，当它的值小于0.05时，说明模型拟合良好；②NFI：它被称为规范拟合指数，相对拟合度指标的一种，当该指标达到0.9以上，说明模型拟合好；③GoF：它被称为拟合优度指数，该指标是共同性与可解释变异的几何平均值，当它的值在0.1左右时，表明拟合不好；当它的值在0.25左右时，表明拟合中等；当它的值大于0.36时，表明拟合很好。通过对模型的各种检验和评价，当模型中的某些路径未通过检验或模型的拟合效果不好时，可以通过将模型中的一些不重要路径进行删除，从而能够将模型的可识别性进行提高，或者在模型中增加一些新路径，以期能够将模型的拟合度提高到一个可接受范围，使构建的模型具有更强的可解释性，更加具有现实意义。
第4章实证研究25海量的患者数据被存储在医院的多个数据库中，这些患者数据中蕴含各种有价值的规律和信息，如果能够被挖掘出来，便能够帮助临床工作者，使疾病诊断更加高效准确。但大量患者的数据质量却很低，这时就需要进行数据的处理，主要包括数据的集成、清洗、构建等步骤。数据的集成就是将来源、格式不同的数据进行集中与整合的一个过程，它可以将患者分散的各方面数据合成一个整体；数据的清洗主要是进行数据的重新检查的一个过程，它可以将患者的重复信息、缺失信息、错误信息清洗掉，将患者的大量文本形式的数据进行提取，变成数值化的数据，提高数据的质量；数据的构建主要是通过已存在的属性指标构建出新的指标的一个过程，能够进一步挖掘数据的价值。本研究主要使用Excel2016版本对前列腺癌数据集进行处理，处理过程及所使用方法如下：（1）数据清洗①诊断数据本研究所使用的前列腺癌数据集中的部分诊断表单数据如图4.1所示，图中的表格主要包括四个数据项。其中，PATIENT_ID代表患者的编号，DIAGNOSIS_TYPE_NAME代表患者的诊断类型名称，DIAGNOSIS_DESC代表患者的诊断结果，DIAGNOSIS_DATE代表患者的诊断日期。从患者的诊断结果能够得知，有前列腺增生、前列腺钙化、前列腺癌、前列腺恶性肿瘤等多种诊断结果。根据本研究的研究目的，主要是为了对前列腺癌患者、前列腺增生患者进行鉴别，因此，本研究对诊断为前列腺癌和诊断为前列腺增生的患者数据进行提龋图4.1诊断表单部分数据
【参考文献】：
期刊论文
[1]正念及自我控制在糖尿病患者自我损耗与健康促进间的中介效应[J]. 汪敏,李丹丹,顾敏杰,范聪聪,曹俊丽,蔡仿玲,王丹丹. 护理学杂志. 2019(24)
[2]基于SEM的中成药科技竞争力模型研究[J]. 程煜华,刘立营,李文姗,张秀梅,李耿,杨洪军. 中国科技资源导刊. 2019(04)
[3]构建基于既有健康医疗数据的研究型数据库技术规范[J]. 王雯,高培,吴晶,宣建伟,贺小宁,胡明,李洪超,窦丰满,于川,闫盈盈,孙鑫. 中国循证医学杂志. 2019(07)
[4]建立真实世界数据与研究技术规范,促进中国真实世界证据的生产与使用[J]. 孙鑫,谭婧,王雯,高培,彭晓霞,温泽淮,王丽,吴晶,舒啸尘,王杨,罗剑锋,李玲,李幼平,姚晨,赵琨,陈英耀,翟所迪,詹思延,吴久鸿,郭剑非,吕志强,谢锋,Gordon Guyatt. 中国循证医学杂志. 2019(07)
[5]2009-2018年黔南州居民前列腺癌发病和死亡趋势分析[J]. 蒋光昶,徐娟娟,黄桂军,王华,陈朝宽,宋金灵. 现代预防医学. 2019(13)
[6]真实世界医疗大数据库的建立及其在医院管理、临床诊疗、合理用药、医保精细化管理中的应用[J]. 宣建伟,程江,薛雄峰,吴茵. 中国药物经济学. 2019(05)
[7]2010～2014年浙江省肿瘤登记地区前列腺癌发病与死亡分析[J]. 朱洪挺,胡云卿,李辉章,胡春生,胡浩,杜灵彬. 中国肿瘤. 2019(02)
[8]新疆石河子地区2009～2017年前列腺癌流行趋势分析[J]. 闫贻忠,冯凯旋,王新宇,贾怀秒,陈瑜,李述刚,王丹,王文瑾,李晓勤,郭恒,胡云华,李毓. 中华男科学杂志. 2019(01)
[9]基于PLS-SEM模型的我国节能服务产业竞争力形成机理研究[J]. 李柏桐,郭汉丁,伍红民. 科技管理研究. 2018(14)
[10]心脏瓣膜疾病患者术后危险因素及潜在预测指标初探[J]. 于洪波,马大实,王宝刚,马春野. 现代生物医学进展. 2018(13)
硕士论文
[1]基于电子病历数据的疾病预测模型构建研究[D]. 王萍.吉林大学 2017
[2]基于Logistic回归分析的胃癌前病变风险预测模型的建立及评价[D]. 史彬.中国中医科学院 2017
本文编号：3292677
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
技术路线图
第2章相关理论、方法及工具13SEM构建的一个软件，但使用复杂，需要编写一些程序；AMOS使用简单，界面友好性高，以图形为基础的界面，容易操作，所以使用者较多；但上述软件基于的算法均要求实际数据需要服从正态分布，而SmartPLS软件对数据的分布情况并无要求，因此，该软件也是众多学者经常使用的。AMOS与PLS的选择流程如图1.1所示，从图中可以看出，当满足图中四个条件时，AMOS软件才可以使用，而PLS则不受这些条件约束，只有当模型发展成熟的时候才不建议采用，相比之下，PLS的用途更加广泛，适用范围更广。图2.1AMOS与PLS的选择流程图PLS结构方程模型常用的评价指标：①SRMR，它是标准化残差均方根，绝对拟合指标中的一种，当它的值小于0.05时，说明模型拟合良好；②NFI：它被称为规范拟合指数，相对拟合度指标的一种，当该指标达到0.9以上，说明模型拟合好；③GoF：它被称为拟合优度指数，该指标是共同性与可解释变异的几何平均值，当它的值在0.1左右时，表明拟合不好；当它的值在0.25左右时，表明拟合中等；当它的值大于0.36时，表明拟合很好。通过对模型的各种检验和评价，当模型中的某些路径未通过检验或模型的拟合效果不好时，可以通过将模型中的一些不重要路径进行删除，从而能够将模型的可识别性进行提高，或者在模型中增加一些新路径，以期能够将模型的拟合度提高到一个可接受范围，使构建的模型具有更强的可解释性，更加具有现实意义。
第4章实证研究25海量的患者数据被存储在医院的多个数据库中，这些患者数据中蕴含各种有价值的规律和信息，如果能够被挖掘出来，便能够帮助临床工作者，使疾病诊断更加高效准确。但大量患者的数据质量却很低，这时就需要进行数据的处理，主要包括数据的集成、清洗、构建等步骤。数据的集成就是将来源、格式不同的数据进行集中与整合的一个过程，它可以将患者分散的各方面数据合成一个整体；数据的清洗主要是进行数据的重新检查的一个过程，它可以将患者的重复信息、缺失信息、错误信息清洗掉，将患者的大量文本形式的数据进行提取，变成数值化的数据，提高数据的质量；数据的构建主要是通过已存在的属性指标构建出新的指标的一个过程，能够进一步挖掘数据的价值。本研究主要使用Excel2016版本对前列腺癌数据集进行处理，处理过程及所使用方法如下：（1）数据清洗①诊断数据本研究所使用的前列腺癌数据集中的部分诊断表单数据如图4.1所示，图中的表格主要包括四个数据项。其中，PATIENT_ID代表患者的编号，DIAGNOSIS_TYPE_NAME代表患者的诊断类型名称，DIAGNOSIS_DESC代表患者的诊断结果，DIAGNOSIS_DATE代表患者的诊断日期。从患者的诊断结果能够得知，有前列腺增生、前列腺钙化、前列腺癌、前列腺恶性肿瘤等多种诊断结果。根据本研究的研究目的，主要是为了对前列腺癌患者、前列腺增生患者进行鉴别，因此，本研究对诊断为前列腺癌和诊断为前列腺增生的患者数据进行提龋图4.1诊断表单部分数据
【参考文献】：
期刊论文
[1]正念及自我控制在糖尿病患者自我损耗与健康促进间的中介效应[J]. 汪敏,李丹丹,顾敏杰,范聪聪,曹俊丽,蔡仿玲,王丹丹. 护理学杂志. 2019(24)
[2]基于SEM的中成药科技竞争力模型研究[J]. 程煜华,刘立营,李文姗,张秀梅,李耿,杨洪军. 中国科技资源导刊. 2019(04)
[3]构建基于既有健康医疗数据的研究型数据库技术规范[J]. 王雯,高培,吴晶,宣建伟,贺小宁,胡明,李洪超,窦丰满,于川,闫盈盈,孙鑫. 中国循证医学杂志. 2019(07)
[4]建立真实世界数据与研究技术规范,促进中国真实世界证据的生产与使用[J]. 孙鑫,谭婧,王雯,高培,彭晓霞,温泽淮,王丽,吴晶,舒啸尘,王杨,罗剑锋,李玲,李幼平,姚晨,赵琨,陈英耀,翟所迪,詹思延,吴久鸿,郭剑非,吕志强,谢锋,Gordon Guyatt. 中国循证医学杂志. 2019(07)
[5]2009-2018年黔南州居民前列腺癌发病和死亡趋势分析[J]. 蒋光昶,徐娟娟,黄桂军,王华,陈朝宽,宋金灵. 现代预防医学. 2019(13)
[6]真实世界医疗大数据库的建立及其在医院管理、临床诊疗、合理用药、医保精细化管理中的应用[J]. 宣建伟,程江,薛雄峰,吴茵. 中国药物经济学. 2019(05)
[7]2010～2014年浙江省肿瘤登记地区前列腺癌发病与死亡分析[J]. 朱洪挺,胡云卿,李辉章,胡春生,胡浩,杜灵彬. 中国肿瘤. 2019(02)
[8]新疆石河子地区2009～2017年前列腺癌流行趋势分析[J]. 闫贻忠,冯凯旋,王新宇,贾怀秒,陈瑜,李述刚,王丹,王文瑾,李晓勤,郭恒,胡云华,李毓. 中华男科学杂志. 2019(01)
[9]基于PLS-SEM模型的我国节能服务产业竞争力形成机理研究[J]. 李柏桐,郭汉丁,伍红民. 科技管理研究. 2018(14)
[10]心脏瓣膜疾病患者术后危险因素及潜在预测指标初探[J]. 于洪波,马大实,王宝刚,马春野. 现代生物医学进展. 2018(13)
硕士论文
[1]基于电子病历数据的疾病预测模型构建研究[D]. 王萍.吉林大学 2017
[2]基于Logistic回归分析的胃癌前病变风险预测模型的建立及评价[D]. 史彬.中国中医科学院 2017
本文编号：3292677
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3292677.html
