您的位置: 专家智库 > >

杨慧

作品数:7 被引量:58H指数:3
供职机构:山西医科大学公共卫生学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:医药卫生更多>>

文献类型

  • 6篇期刊文章
  • 1篇学位论文

领域

  • 7篇医药卫生

主题

  • 2篇信度
  • 2篇医患
  • 2篇医患关系
  • 2篇量表
  • 2篇阿尔茨海默病
  • 2篇
  • 1篇蛋白
  • 1篇血红
  • 1篇血红蛋白
  • 1篇血液
  • 1篇血液系统
  • 1篇医学伦理
  • 1篇译本
  • 1篇认知功能障碍
  • 1篇轻度
  • 1篇轻度认知
  • 1篇轻度认知障碍
  • 1篇中文译本
  • 1篇效度评价
  • 1篇量表研制

机构

  • 7篇山西医科大学

作者

  • 7篇杨慧
  • 3篇余红梅
  • 3篇白文琳
  • 3篇秦瑶
  • 2篇牛侨
  • 2篇路小婷
  • 1篇王洪奇
  • 1篇宋静
  • 1篇王林平

传媒

  • 3篇中国卫生统计
  • 1篇中国职业医学
  • 1篇中国医学伦理...
  • 1篇中华劳动卫生...

年份

  • 2篇2024
  • 1篇2022
  • 1篇2021
  • 1篇2020
  • 2篇2011
7 条 记 录,以下是 1-7
排序方式:
XGBoost-SHAP机器学习可解释框架用于轻度认知障碍分类研究
2024年
目的利用机器学习算法对轻度认知障碍(mild cognitive impairment,MCI)亚型分类有利于患者的个性化治疗,而复杂模型常因分类过程的内部机制不可洞察而饱受诟病,本研究借助可解释技术梳理模型的输出结果,以期为相关领域研究者的决策提供统计支持。方法本研究联合极限梯度提升(eXtreme Gradient Boosting,XGBoost)与沙普利可加性(SHapley Additive exPlanations,SHAP)构建可解释性框架,用于遗忘型MCI(amnestic MCI,aMCI)和非遗忘型MCI(non-amnestic naMCI)的分类,并根据联合框架输出结果进行解读。结果联合框架输出aMCI和naMCI的最佳分界值为0.51,XGBoost分类准确率、灵敏度、特异度、F1值、AUC分别为92.81%、94.94%、90.54%、0.93、0.96。SHAP个性化预测结果,7号和31号示例个体被预测为aMCI的概率分别为0.27和0.91;全局性解释结果,不同个体随着CEREALL、ORIENT、CDRSUM、LCMF、RSUPMAR、RMEDORBF、LPOSCENM等指标的shapley值增大,患aMCI的风险越大,上述指标可以解释为aMCI发生的危险因素,而RENT、MMSEORDA、CRAFTVRS等则相反,可以解释为aMCI发生的保护因素。结论XGBoost-SHAP联合框架用于MCI亚型分类效果较为理想,实现了特定个体不同特征预测效果的比较、不同个体给定特征预测能力的判断,为相关研究者打开了洞察复杂模型内在机制的大门。
易付良陈杜荣杨慧秦瑶韩红娟崔靖白文琳马艺菲张荣余红梅
关键词:可解释性轻度认知障碍
职业性铝接触对男性工人血液系统影响被引量:2
2020年
目的探讨职业性铝接触对男性工人血液系统的影响。方法采用整群抽样法,选择某铝厂电解车间249名男性铝作业工人为研究对象。采集其血样测定血铝水平与血常规;根据血铝水平三分位数(P33为13.9μg/L,P67为37.7μg/L)将研究对象分为低、中、高水平组。结果高水平组人群红细胞计数和血红蛋白水平均低于低水平组(P<0.05);中水平组人群红细胞计数和血红蛋白水平分别与低、高水平组比较,差异均无统计学意义(P>0.05)。3组人群白细胞计数与血小板计数比较,差异均无统计学意义(P>0.05)。广义线性回归模型分析结果显示,控制年龄、工龄、文化程度、吸烟、饮酒等混杂因素后,血铝水平越高,铝作业工人红细胞计数与血红蛋白水平均越低(P<0.05)。结论职业性铝接触可导致工人红细胞计数和血红蛋白水平下降,呈剂量-效应关系。
张云玮徐诗梦高丹杨慧巨晓芬路小婷牛侨
关键词:红细胞血红蛋白血液系统
中文版本PDRQ/DDPRQ量表研制与评价
目的:将国外广泛使用的医患关系量表PDRQ-15(针对患者的医患关系量表)和DDPRQ-10(针对医生的医患关系量表)开发为中文译本,从计量心理学方面评价其效度和信度,形成适合中国使用的中国版本的医患关系量表,从而为我国...
杨慧
关键词:医患关系信度
文献传递网络资源链接
医患关系量表PDRQ-15中文译本的信度和效度评价被引量:38
2011年
将国外广泛使用的医患关系量表PDRQ-15开发为中文译本,从计量心理学方面评价其效度和信度,形成适合我国使用的中文版本的医患关系量表,从而为我国医患关系调查提供一个有效的量化工具。
杨慧王洪奇
关键词:医患关系医学伦理
职业铝接触对工人总体认知功能及各认知领域的影响被引量:3
2021年
目的评估职业铝接触对工人总体认知功能及各认知领域的影响。方法于2019年7~8月,采用整群抽样方法,选择某地区某铝厂电解铝车间及同地区某厂维修车间的作业工人,分别101、117人为研究对象,采集研究对象静脉血,提取血浆,利用电感耦合等离子体质谱法(ICP-MS)测定血铝浓度。根据工人血铝浓度和工种进行分组,将血铝浓度低于中位数且为维修车间的工人作为低铝接触组,共93例;血铝浓度高于中位数且为铝厂电解铝车间的工人作为高铝接触组,共85例。通过职工健康体检表收集调查对象的基本情况,采用北京版蒙特利尔认知评估量表(MoCA)评估工人总体认知功能。采用多重线性回归分析和logistic回归分析进行多元统计学分析。结果与低铝接触组(25.42±1.81)比较,高铝接触组MoCA总分(23.84±2.92)明显较低,视空间与执行功能、抽象和延迟回忆领域得分明显较低,差异均有统计学意义(P<0.05)。多重线性回归分析结果显示,MoCA总分、视空间与执行功能、命名和延迟回忆均和血铝浓度呈负相关(β=-0.018、-0.008、-0.003、β=-0.008,P<0.05);MoCA总分、视空间与执行功能、注意、语言、抽象、定向均和文化程度呈正相关(β=0.853、0.310、0.216、0.171、0.412、0.122,P<0.05)。logistic回归分析显示:血铝是轻度认知功能障碍(MCI)的危险因素(OR=1.017,P<0.05);文化程度是MCI的保护因素(OR=0.419,P<0.05)。结论职业铝接触可以影响工人的总体认知功能,职业铝接触增加工人患MCI的风险。
高丹杨慧宋静王林平牛侨路小婷
关键词:认知功能障碍
基于Bagging的阿尔茨海默病进程多分类预测研究
2022年
目的对阿尔茨海默病(Alzheimer′s disease,AD)进程[认知正常(cognitive normal,CN)、早期轻度认知障碍(early mild cognitive impairment,EMCI)、晚期轻度认知障碍(late mild cognitive impairment,LMCI)和AD]进行多分类预测,为制定个性化诊疗方案提供参考。方法利用阿尔茨海默病神经影像学计划(Alzheimer′s disease neuroimaging initiative,ADNI)数据库中的527例个体的27个变量,进行特征选择筛选特征子集、SMOTE过采样处理类别不平衡后构建两个集成分类模型XGBoost和Bagging,并将分类性能与朴素贝叶斯和K-近邻进行比较。结果使用经SMOTE过采样后构建的Bagging集成模型准确率最高(94.40%);Bagging对EMCI、LMCI和AD的类准确率较高,分别为100.00%、88.00%和87.00%,Bagging模型性能较优。结论本文构建的AD进程多分类Bagging模型,不仅可实现直接多分类,而且有较高的准确率,可为临床AD的诊疗工作提供借鉴。
张嘉嘉易付良杨慧陈杜荣秦瑶崔靖白文琳韩红娟葛晓燕余红梅
关键词:阿尔茨海默病
ADASYN与类别逆比例加权法在阿尔茨海默病不平衡数据中的应用
2024年
目的利用自适应合成抽样(adaptive synthetic sampling,ADASYN)与类别逆比例加权法处理类别不平衡数据,结合分类器构建模型对阿尔茨海默病(alzheimer′s disease,AD)患者疾病进程进行分类预测。方法数据源自阿尔茨海默病神经影像学计划(Alzheimer′s disease neuroimaging initiative,ADNI),经随机森林填补缺失值,弹性网络筛选特征子集后,利用ADASYN与类别逆比例加权法处理类别不平衡数据。分别结合随机森林(random forest,RF)、支持向量机(support vector machine,SVM)构建四种模型:ADASYN-RF、ADASYN-SVM、加权随机森林(weighted random forest,WRF)、加权支持向量机(weighted support vector machine,WSVM),与RF、SVM比较分类性能。模型评价指标为宏观平均精确率(macro-average of precision,macro-P)、宏观平均召回率(macro-average of recall,macro-R)、宏观平均F1值(macro-average of F1-score,macro-F1)、准确率(accuracy,ACC)、Kappa值和AUC(area under the ROC curve)。结果ADASYN-RF的分类性能最优(Kappa值为0.938,AUC为0.980),ADASYN-SVM次之。利用ADASYN-RF预测得到的重要分类特征分别为CDRSB、LDELTOTAL、MMSE,在临床上均可得到证实。结论ADASYN与类别逆比例加权法都能辅助提升分类器性能,但ADASYN算法更优。
杨慧易付良陈杜荣秦瑶韩红娟崔靖白文琳马艺菲张荣余红梅
关键词:阿尔茨海默病
共1页<1>
聚类工具0