期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
耐碳青霉烯类肠杆菌科细菌耐药的临床危险因素分析
被引量:
9
1
作者
杜霞
余嘉茵
《感染.炎症.修复》
2020年第1期36-39,共4页
目的:分析重症监护病房(ICU)中耐碳青霉烯类肠杆菌科细菌(CRE)发生耐药的临床危险因素,为临床降低肠杆菌科细菌耐药性提供依据。方法:统计本院2018年5月—2019年6月180例ICU住院患者(其中CRE感染组60例,非CRE感染组120例)的基本病史、...
目的:分析重症监护病房(ICU)中耐碳青霉烯类肠杆菌科细菌(CRE)发生耐药的临床危险因素,为临床降低肠杆菌科细菌耐药性提供依据。方法:统计本院2018年5月—2019年6月180例ICU住院患者(其中CRE感染组60例,非CRE感染组120例)的基本病史、基础疾病、免疫功能、抗生素暴露、侵入性手术等资料,应用SPSS16.0软件对数据进行分析。结果:入住ICU时间>7 d、伴有神经系统疾病、淋巴细胞减少、使用β-内酰胺酶抑制剂、使用碳青霉烯类抗生素、抗生素联合用药等因素与CRE耐药的发生有关。结论:入住ICU时间>7 d、淋巴细胞减少、使用β-内酰胺酶抑制剂和使用碳青霉烯类抗生素是发生CRE耐药的独立临床危险因素。
展开更多
关键词
耐碳青霉烯类肠杆菌科细菌
细菌耐药
Β-内酰胺酶抑制剂
碳青霉烯类抗生素
重症监护病房
危险
因素
下载PDF
职称材料
针对大规模数据的分布一致缺失值插补算法
被引量:
3
2
作者
余嘉茵
何玉林
+1 位作者
崔来中
黄哲学
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第5期740-753,共14页
缺失值插补(missing value imputation,MVI)作为数据挖掘领域的重要研究分支,旨在为机器学习算法的训练提供高质量的数据支持。不同于现有的以算法性能提升为导向的MVI算法,为对大规模数据的缺失值进行有效插补,该文提出一种以数据结构...
缺失值插补(missing value imputation,MVI)作为数据挖掘领域的重要研究分支,旨在为机器学习算法的训练提供高质量的数据支持。不同于现有的以算法性能提升为导向的MVI算法,为对大规模数据的缺失值进行有效插补,该文提出一种以数据结构还原为导向的数据分布一致MVI(distribution consistency-based MVI, DC-MVI)算法。首先,DC-MVI算法基于概率分布一致性原则构建了用于确定最优插补值的目标函数;其次,利用推导出的可行缺失值优化规则获取与原始完整值保持最大分布一致性且方差最为接近的插补值;最后,在分布式环境下,针对大数据的随机样本划分(random sample partition, RSP)数据块并行训练DC-MVI算法,获得大规模数据缺失值对应的插补值。实验结果表明:DC-MVI算法不仅能生成与原始完整值保持给定显著性水平下概率分布一致的插补值,还具有比另外5种经典的和3种最新的MVI算法更快的插补速度和更好的插补效果,进而证实DC-MVI算法是一种可行的大规模数据MVI算法。
展开更多
关键词
文字信息处理
缺失值插补
分布一致性
最大均值差异
大规模数据
随机样本划分
分布式计算
原文传递
题名
耐碳青霉烯类肠杆菌科细菌耐药的临床危险因素分析
被引量:
9
1
作者
杜霞
余嘉茵
机构
广东省深圳市龙城医院ICU
出处
《感染.炎症.修复》
2020年第1期36-39,共4页
文摘
目的:分析重症监护病房(ICU)中耐碳青霉烯类肠杆菌科细菌(CRE)发生耐药的临床危险因素,为临床降低肠杆菌科细菌耐药性提供依据。方法:统计本院2018年5月—2019年6月180例ICU住院患者(其中CRE感染组60例,非CRE感染组120例)的基本病史、基础疾病、免疫功能、抗生素暴露、侵入性手术等资料,应用SPSS16.0软件对数据进行分析。结果:入住ICU时间>7 d、伴有神经系统疾病、淋巴细胞减少、使用β-内酰胺酶抑制剂、使用碳青霉烯类抗生素、抗生素联合用药等因素与CRE耐药的发生有关。结论:入住ICU时间>7 d、淋巴细胞减少、使用β-内酰胺酶抑制剂和使用碳青霉烯类抗生素是发生CRE耐药的独立临床危险因素。
关键词
耐碳青霉烯类肠杆菌科细菌
细菌耐药
Β-内酰胺酶抑制剂
碳青霉烯类抗生素
重症监护病房
危险
因素
Keywords
Carbapenem-resistant Enterobacteriaceae bacteria
Bacterial resistance
β-lactamase inhibitor
Carbapenem antibiotics
Intensive care unit
Risk factor
分类号
R453.2 [医药卫生—治疗学]
下载PDF
职称材料
题名
针对大规模数据的分布一致缺失值插补算法
被引量:
3
2
作者
余嘉茵
何玉林
崔来中
黄哲学
机构
深圳大学计算机与软件学院
广东省人工智能与数字经济实验室(深圳)
出处
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第5期740-753,共14页
基金
国家自然科学基金面上项目(61972261)
广东省自然科学基金面上项目(2314050006683)
+1 种基金
深圳市基础研究重点项目(JCYJ20220818100205012)
深圳市基础研究面上项目(JCYJ20210324093609026)。
文摘
缺失值插补(missing value imputation,MVI)作为数据挖掘领域的重要研究分支,旨在为机器学习算法的训练提供高质量的数据支持。不同于现有的以算法性能提升为导向的MVI算法,为对大规模数据的缺失值进行有效插补,该文提出一种以数据结构还原为导向的数据分布一致MVI(distribution consistency-based MVI, DC-MVI)算法。首先,DC-MVI算法基于概率分布一致性原则构建了用于确定最优插补值的目标函数;其次,利用推导出的可行缺失值优化规则获取与原始完整值保持最大分布一致性且方差最为接近的插补值;最后,在分布式环境下,针对大数据的随机样本划分(random sample partition, RSP)数据块并行训练DC-MVI算法,获得大规模数据缺失值对应的插补值。实验结果表明:DC-MVI算法不仅能生成与原始完整值保持给定显著性水平下概率分布一致的插补值,还具有比另外5种经典的和3种最新的MVI算法更快的插补速度和更好的插补效果,进而证实DC-MVI算法是一种可行的大规模数据MVI算法。
关键词
文字信息处理
缺失值插补
分布一致性
最大均值差异
大规模数据
随机样本划分
分布式计算
Keywords
word information processing
missing value imputation
distribution consistency
maximum mean discrepancy
large-scale data
random sample partition
distributed computing
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
耐碳青霉烯类肠杆菌科细菌耐药的临床危险因素分析
杜霞
余嘉茵
《感染.炎症.修复》
2020
9
下载PDF
职称材料
2
针对大规模数据的分布一致缺失值插补算法
余嘉茵
何玉林
崔来中
黄哲学
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部