新郑市40岁以上居民脑卒中患病情况及影响因素研究
发布时间:2019-10-03 17:51
【摘要】:目的 通过流行病学调查的方法分析新郑市40岁以上居民脑卒中的患病率及其影响因素,探索脑卒中与其影响因素之间的联系,为人群防治脑卒中制定和评价卫生政策提供基础数据。 方法 本研究采取多阶段分层随机整群抽样方法,对2013年4-6月新郑市40岁以上常住居民16656人进行横断面调查。采用统一编制的调查表进行调查,了解研究人群的人口学特征,运用2检验和Fisher确切概率法比较不同的性别、年龄、地区、文化程度、婚姻状况和职业等的脑卒中的患病率。筛选单因素分析有意义的变量建立新郑市脑卒中影响因素的Logistic模型和人工神经网络模型。数据采用SPSS21.0、PASS11.0和SPSS Modeler14.1等软件进行分析。 结果 1.基本情况描述:研究对象脑卒中的患病率为2.74%,男性为3.01%,女性为2.48%。脑卒中患病率随着年龄的增长呈增加的趋势,70~组(6.50%)患病率高于40~组(0.56%)、50~组(2.21%)和60~组(5.54%)(2=323.180,P<0.05)。离婚或丧偶者患病率(5.84%)高于已婚者(2.53%)和未婚者(1.90%)(2=46.123,P<0.05)。农林等生产人员患病率(3.06%)高于机关、事业单位工作人员(2.63%)(2=24.270,P<0.05)。文盲及小学脑卒中患病率(4.54%)高于初中(1.90%)和高中(1.29%)(2=113.534,P<0.05)。 2. Logistic模型结果:在调整了性别、年龄和文化程度等因素后,高血压(OR:5.149,95%CI:4.046~6.552)、血脂异常(OR:2.151,95%CI:1.648~2.806)、轻体力活动(OR:1.538,95%CI:1.262~1.874)、糖尿病(OR:1.383,95%CI:1.090~1.753)、中心性肥胖(OR:1.259,95%CI:1.025~1.546)是脑卒中发生的正相关因素,荤素均衡(OR:0.691,95%CI:0.560~0.853)是脑卒中的负相关因素。人工神经网络模型按照影响重要性大小排出影响脑卒中患病的因素有年龄、高血压、轻体力活动、血脂异常、文化程度、性别、糖尿病、荤素均衡、中心性肥胖和吸烟。 结论 脑卒中患病率男性高于女性,农村高于城市。高血压、血脂异常、年龄、男性、轻体力活动、血糖高、中心性肥胖和文化程度低是脑卒中的正相关因素,荤素均衡是脑卒中的负相关因素。
【图文】:
7.2 缺失值和异常值的处理数据资料中缺失值和异常值会直接影响统计分析结果和建立模型的可靠,因此要对数据的缺失值和异常值进行处理。常用的处理缺失值的方法:,删除此属性:字段的缺失值超过样本的三分之一。第二,对此属性进行地填充:若字段不超过样本量的三分之一,,则对此属性进行有效地填充。方式包括:连续型变量填充值用均值来表示;分类变量填充值用中位数来。异常值处理:检验的方法是进行频数分布,如果出现极大或者极小值,新查原始资料。7.3 训练集和测试集的选择在人工神经网络建模过程中,评价模型预测效果的方法就是对数据集效划分,由于两模型预测能力与训练集的样本量紧密相关,因此训练集量应该相对较多。本研究采用 SPSS Modeler14.1 将研究对象按 3:1 的比例为训练集(12527)和测试集(4129)两部分,分别用于模型的建立和测图 3.1。
图 3.2 人工神经网络结构图上述网络 n 个神经元作为输入层,q 个神经元作为输出层,P 个神经元作隐含层。BP 算法的基本原理如下[23]:(1)正向传播:输入信号从输入层输入经隐含层传向输出层输出的“正向传播”过程;(2)误差反向传播:神经网的预测输出和实际输出间的计算有差异时,再由输出层经过隐含层向输入层断调整网络权值的“误差反向传播”过程;“误差反向传播”是指以某种形式输出误差通过隐含层向输入层反转,将误差平分给各层各个单元,进而得到层误差信号,这个误差信号可以当做修正各个单元权值依据。(3)通过“正传播”和“误差反向传播”之间反复交替运行的网络记忆训练,最后进行网络敛,即网络全局的误差值趋向达到极小值的“学习收敛”过程。为了使神将网能够得到正确运行,则必须通过“训练”的方式实现。通过神经网络的不断学习发挥其自学习,自适应,自调整功能[24],直到每一个输入变量都能正确得到优输出。人工神经网络的特点:(1) 自适应能力:在训练样本进行学习过程中,网
【学位授予单位】:郑州大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:R743.3
本文编号:2545534
【图文】:
7.2 缺失值和异常值的处理数据资料中缺失值和异常值会直接影响统计分析结果和建立模型的可靠,因此要对数据的缺失值和异常值进行处理。常用的处理缺失值的方法:,删除此属性:字段的缺失值超过样本的三分之一。第二,对此属性进行地填充:若字段不超过样本量的三分之一,,则对此属性进行有效地填充。方式包括:连续型变量填充值用均值来表示;分类变量填充值用中位数来。异常值处理:检验的方法是进行频数分布,如果出现极大或者极小值,新查原始资料。7.3 训练集和测试集的选择在人工神经网络建模过程中,评价模型预测效果的方法就是对数据集效划分,由于两模型预测能力与训练集的样本量紧密相关,因此训练集量应该相对较多。本研究采用 SPSS Modeler14.1 将研究对象按 3:1 的比例为训练集(12527)和测试集(4129)两部分,分别用于模型的建立和测图 3.1。
图 3.2 人工神经网络结构图上述网络 n 个神经元作为输入层,q 个神经元作为输出层,P 个神经元作隐含层。BP 算法的基本原理如下[23]:(1)正向传播:输入信号从输入层输入经隐含层传向输出层输出的“正向传播”过程;(2)误差反向传播:神经网的预测输出和实际输出间的计算有差异时,再由输出层经过隐含层向输入层断调整网络权值的“误差反向传播”过程;“误差反向传播”是指以某种形式输出误差通过隐含层向输入层反转,将误差平分给各层各个单元,进而得到层误差信号,这个误差信号可以当做修正各个单元权值依据。(3)通过“正传播”和“误差反向传播”之间反复交替运行的网络记忆训练,最后进行网络敛,即网络全局的误差值趋向达到极小值的“学习收敛”过程。为了使神将网能够得到正确运行,则必须通过“训练”的方式实现。通过神经网络的不断学习发挥其自学习,自适应,自调整功能[24],直到每一个输入变量都能正确得到优输出。人工神经网络的特点:(1) 自适应能力:在训练样本进行学习过程中,网
【学位授予单位】:郑州大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:R743.3
【参考文献】
中国期刊全文数据库 前10条
1 韩英俊;;缺血性脑卒中危险因素研究进展[J];中国医药科学;2011年14期
2 丁翊;刘芳;;高龄老年人脉压差、血脂、血糖关系分析[J];中国医药导刊;2013年11期
3 李俊霞;糖尿病并发脑梗死危险因素分析[J];郑州大学学报(医学版);2003年04期
4 李立新;李琳琳;;缺血性和出血性脑卒中危险因素分析[J];郑州大学学报(医学版);2010年02期
5 孙献周;郭影;申明慧;庞秋艳;张卫东;张梅喜;郗园林;;河南农村居民肥胖患病率与糖尿病、高血压和血脂异常的关系[J];郑州大学学报(医学版);2010年03期
6 李晶;栾爽;尤明慧;;人工神经网络原理简介[J];现代教育科学;2010年S1期
7 刘鑫;赵家刚;刘絮子;;人工神经网络之BP模型算法实现[J];科技信息;2011年30期
8 陈彤,尹岭,李小鹰,王洁,王青,吴多斌;老年人群脑卒中现患率及危险因素调查[J];中华老年心脑血管病杂志;2003年03期
9 武霞;赵世刚;;脑卒中危险因素的研究进展[J];内蒙古医学杂志;2010年12期
10 王缓;胡晶晶;吴飞;唐根富;邢厚恂;谢迪;蔡业锋;王滨燕;臧桐华;徐希平;;安庆地区配偶吸烟与脑卒中发生风险的关系[J];中华疾病控制杂志;2013年05期
本文编号:2545534
本文链接:https://www.wllwen.com/yixuelunwen/shenjingyixue/2545534.html
最近更新
教材专著