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(...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。展开更多
目的 了解目前欧洲五维健康量表(EQ-5D)在中医药领域卫生经济学研究方面的应用状况和存在问题。方法 系统检索PubMed、Embase、中国知网(CNKI)、中国生物医学文献数据库(CBM)和万方数据库,纳入包含EQ-5D分析内容的“中药”“推拿”“针...目的 了解目前欧洲五维健康量表(EQ-5D)在中医药领域卫生经济学研究方面的应用状况和存在问题。方法 系统检索PubMed、Embase、中国知网(CNKI)、中国生物医学文献数据库(CBM)和万方数据库,纳入包含EQ-5D分析内容的“中药”“推拿”“针刺”等中医药领域的临床研究文献。采用事先制订的Excel电子表格进行数据提取,提取信息包括:题目、发表年份、作者、单位、国家、利益冲突(有无声明或者有无企业参与)、研究类型、研究对象、干预措施、结局指标、研究角度及测量方法等信息。采用卫生经济学研究质量评价量表(Quality of health economic studies,QHES)对纳入文献进行方法学质量评价。采用SPSS 18.0软件对提取的数据进行描述性分析。结果 共纳入52篇文献,研究设计以随机对照试验为主。EQ-5D-5L的应用少于EQ-5D-3L,大部分文献共同使用了效用值和质量调整生命年(Quality-adjusted life years,QALYs)进行成本-效用分析(Cost-utility analysis,CUA)。肌肉骨骼系统疾病研究使用EQ-5D较多,中成药和针刺是最常研究的干预手段;中成药在大部分系统疾病中均有应用,但主要应用在肌肉骨骼系统疾病,与推拿应用的比例相当。针刺是肌肉骨骼系统疾病中应用最为广泛的干预措施,其次是对疼痛类疾病的应用。根据QHES评价标准,可获取全文的37篇文献的平均得分为73.49分,其中有20篇文献属于高质量研究,14篇为一般质量,3篇为低质量。研究质量总体尚可,但存在研究时限选择、研究结果解释、利益冲突、研究角度、效用值及QALYs的评价存在不合理或未报告等问题。所有企业参与的研究均未进行利益冲突声明。结论 中医药领域卫生经济学评价中对EQ-5D的应用偏少,文献质量仍有待提高,该领域研究应用EQ-5D仍有较大的空间。展开更多
文摘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。
文摘目的 了解目前欧洲五维健康量表(EQ-5D)在中医药领域卫生经济学研究方面的应用状况和存在问题。方法 系统检索PubMed、Embase、中国知网(CNKI)、中国生物医学文献数据库(CBM)和万方数据库,纳入包含EQ-5D分析内容的“中药”“推拿”“针刺”等中医药领域的临床研究文献。采用事先制订的Excel电子表格进行数据提取,提取信息包括:题目、发表年份、作者、单位、国家、利益冲突(有无声明或者有无企业参与)、研究类型、研究对象、干预措施、结局指标、研究角度及测量方法等信息。采用卫生经济学研究质量评价量表(Quality of health economic studies,QHES)对纳入文献进行方法学质量评价。采用SPSS 18.0软件对提取的数据进行描述性分析。结果 共纳入52篇文献,研究设计以随机对照试验为主。EQ-5D-5L的应用少于EQ-5D-3L,大部分文献共同使用了效用值和质量调整生命年(Quality-adjusted life years,QALYs)进行成本-效用分析(Cost-utility analysis,CUA)。肌肉骨骼系统疾病研究使用EQ-5D较多,中成药和针刺是最常研究的干预手段;中成药在大部分系统疾病中均有应用,但主要应用在肌肉骨骼系统疾病,与推拿应用的比例相当。针刺是肌肉骨骼系统疾病中应用最为广泛的干预措施,其次是对疼痛类疾病的应用。根据QHES评价标准,可获取全文的37篇文献的平均得分为73.49分,其中有20篇文献属于高质量研究,14篇为一般质量,3篇为低质量。研究质量总体尚可,但存在研究时限选择、研究结果解释、利益冲突、研究角度、效用值及QALYs的评价存在不合理或未报告等问题。所有企业参与的研究均未进行利益冲突声明。结论 中医药领域卫生经济学评价中对EQ-5D的应用偏少,文献质量仍有待提高,该领域研究应用EQ-5D仍有较大的空间。
