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
3
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
血管性高危因素预测血管性轻度认知障碍:支持向量机模型构建及应用
被引量:
1
1
作者
张倩
卞敏洁
+1 位作者
何琴
黄东锋
《中国组织工程研究》
CAS
北大核心
2023年第2期287-292,共6页
背景:随着人口老龄化的不断进展,轻度认知障碍患者逐步增多。越来越多的证据表明,血管性高危因素与血管性认知障碍有显著的相关性。因此,血管性高危因素也可作为识别和预测血管性认知障碍的方法之一。目的:探索以血管性高危因素构建的...
背景:随着人口老龄化的不断进展,轻度认知障碍患者逐步增多。越来越多的证据表明,血管性高危因素与血管性认知障碍有显著的相关性。因此,血管性高危因素也可作为识别和预测血管性认知障碍的方法之一。目的:探索以血管性高危因素构建的支持向量机模型在识别血管性轻度认知障碍中的临床价值,以期作为一种简易的筛查工具应用于基层机构、社区以及居家康复中。方法:纳入研究的受试者行认知功能评估,根据评估结果分为正常组、血管性轻度认知障碍组和痴呆组;同时采用方差分析筛选出3组间有统计学差异的血管性高危因素,从而构建血管性轻度认知障碍筛查的支持向量机模型,使用敏感度、特异度、阳性预测值、阴性预测值及曲线下面积评估模型的预测性能。结果与结论:①符合纳入标准的80例受试者中,根据认知功能评估结果分为正常组(39例)、血管性轻度认知障碍组(24例)和痴呆组(17例);②组间单因素方差分析结果发现收缩压、空腹血糖、总胆固醇、低密度脂蛋白、血尿酸5个血管性高危因素组间存在统计学意义(P<0.05);③故用上述5个因素构建模型,结果显示筛查血管性轻度认知障碍的灵敏度为0.8453,特异度为0.9194,阳性预测值为0.8180,阴性预测值为0.9327,受试者工作曲线结果显示曲线下面积为0.8923;④提示基于常规体检项目中血管性高危因素构建支持向量机模型在血管性轻度认知障碍筛查中具有较高的辨别效能,且其简单易行,可作为一种筛查的方法应用于基层机构、社区以及居家康复中。
展开更多
关键词
血管性高危因素
血管性轻度认知障碍
痴呆
支持向量机
机器学习
下载PDF
职称材料
血管性认知障碍早期预测机器学习模型的构建
被引量:
3
2
作者
张倩
卞敏洁
+1 位作者
何琴
黄东锋
《中国康复理论与实践》
CSCD
北大核心
2021年第9期1072-1077,共6页
目的探索以血管性高危因素构建的机器学习模型早期预测血管性认知障碍的预测性能。方法2020年4月至9月,收集本院住院患者及陪护人员70例的人口学资料、血管性高危因素,行蒙特利尔认知评估量表(MoCA)评估,根据评估结果将受试者分为正常...
目的探索以血管性高危因素构建的机器学习模型早期预测血管性认知障碍的预测性能。方法2020年4月至9月,收集本院住院患者及陪护人员70例的人口学资料、血管性高危因素,行蒙特利尔认知评估量表(MoCA)评估,根据评估结果将受试者分为正常组、血管性轻度认知障碍(VaMCI)组和痴呆组;单因素方差分析筛选组间存在显著性差异的血管性高危因素,采用支持向量机(SVM)和极限学习机(ELM)构建预测模型;采用接受者操作特征曲线比较两种模型的预测性能。结果根据MoCA评估结果,正常组32例,VaMCI组23例,痴呆组15例;三组间收缩压、空腹血糖、总胆固醇、低密度脂蛋白、血尿酸有显著性差异(F>3.318,P<0.05);SVM模型预测VaMCI的曲线下面积最高,为0.911(P<0.01),SVM模型优于ELM模型。结论基于血管性高危因素构建的SVM预测模型优于ELM模型。
展开更多
关键词
血管性认知障碍
支持向量机
极限学习机
机器学习
预测模型
下载PDF
职称材料
脑卒中后肩痛流行病学特征的Meta分析
被引量:
18
3
作者
张倩
潘虹
+6 位作者
何琴
卞敏洁
董雪茹
谷美儒
黄政
黄东锋
兰月
《中国循证医学杂志》
CSCD
北大核心
2020年第9期1020-1026,共7页
目的系统评价脑卒中后肩痛(PSSP)的流行病学特征。方法计算机检索PubMed、WanFang Data、CNKI、EMbase、The Cochrane Library和SinoMed数据库,搜集有关PSSP发病率的研究,检索时限均由建库至2019年11月30日。由2名研究者独立筛选文献、...
目的系统评价脑卒中后肩痛(PSSP)的流行病学特征。方法计算机检索PubMed、WanFang Data、CNKI、EMbase、The Cochrane Library和SinoMed数据库,搜集有关PSSP发病率的研究,检索时限均由建库至2019年11月30日。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险后,使用Stata 15.0软件进行Meta分析。结果共纳入13个研究,包括3 514例脑卒中患者,其中PSSP患者1 357例。Meta分析结果显示,PSSP总发病率为45.0%[95%CI(32.0%,58.0%)]。亚组分析结果显示:按研究时间来分,2010年前后PSSP发病率分别为55.5%[95%CI(48.1%,63.0%)]和40.6%[95%CI(28.3%,52.9%)];按人群来源来分,亚洲人群PSSP发病率为61.2%[95%CI(51.3%,71.1%)],欧、美洲人群发病率为18.4%[95%CI(9.9%,26.9%)]。结论当前证据显示,脑卒中后肩痛发病率较高,且可能受地域因素影响。受纳入研究数量和质量的限制,上述结论尚待更多高质量研究予以验证。
展开更多
关键词
脑卒中后肩痛
流行病学
发病率
META分析
系统评价
原文传递
题名
血管性高危因素预测血管性轻度认知障碍:支持向量机模型构建及应用
被引量:
1
1
作者
张倩
卞敏洁
何琴
黄东锋
机构
中山大学附属第七医院
出处
《中国组织工程研究》
CAS
北大核心
2023年第2期287-292,共6页
基金
中山大学临床医学研究5010计划(2014001),项目负责人:黄东锋。
文摘
背景:随着人口老龄化的不断进展,轻度认知障碍患者逐步增多。越来越多的证据表明,血管性高危因素与血管性认知障碍有显著的相关性。因此,血管性高危因素也可作为识别和预测血管性认知障碍的方法之一。目的:探索以血管性高危因素构建的支持向量机模型在识别血管性轻度认知障碍中的临床价值,以期作为一种简易的筛查工具应用于基层机构、社区以及居家康复中。方法:纳入研究的受试者行认知功能评估,根据评估结果分为正常组、血管性轻度认知障碍组和痴呆组;同时采用方差分析筛选出3组间有统计学差异的血管性高危因素,从而构建血管性轻度认知障碍筛查的支持向量机模型,使用敏感度、特异度、阳性预测值、阴性预测值及曲线下面积评估模型的预测性能。结果与结论:①符合纳入标准的80例受试者中,根据认知功能评估结果分为正常组(39例)、血管性轻度认知障碍组(24例)和痴呆组(17例);②组间单因素方差分析结果发现收缩压、空腹血糖、总胆固醇、低密度脂蛋白、血尿酸5个血管性高危因素组间存在统计学意义(P<0.05);③故用上述5个因素构建模型,结果显示筛查血管性轻度认知障碍的灵敏度为0.8453,特异度为0.9194,阳性预测值为0.8180,阴性预测值为0.9327,受试者工作曲线结果显示曲线下面积为0.8923;④提示基于常规体检项目中血管性高危因素构建支持向量机模型在血管性轻度认知障碍筛查中具有较高的辨别效能,且其简单易行,可作为一种筛查的方法应用于基层机构、社区以及居家康复中。
关键词
血管性高危因素
血管性轻度认知障碍
痴呆
支持向量机
机器学习
Keywords
vascular risk factor
vascular mild cognitive impairment
dementia
support vector machines
machine learning
分类号
R459.9 [医药卫生—治疗学]
R318 [医药卫生—生物医学工程]
下载PDF
职称材料
题名
血管性认知障碍早期预测机器学习模型的构建
被引量:
3
2
作者
张倩
卞敏洁
何琴
黄东锋
机构
中山大学附属第七医院康复医学科
广东省康复医学与临床转化工程技术研究中心
出处
《中国康复理论与实践》
CSCD
北大核心
2021年第9期1072-1077,共6页
基金
中山大学临床医学研究5010计划项目(No.2014001)。
文摘
目的探索以血管性高危因素构建的机器学习模型早期预测血管性认知障碍的预测性能。方法2020年4月至9月,收集本院住院患者及陪护人员70例的人口学资料、血管性高危因素,行蒙特利尔认知评估量表(MoCA)评估,根据评估结果将受试者分为正常组、血管性轻度认知障碍(VaMCI)组和痴呆组;单因素方差分析筛选组间存在显著性差异的血管性高危因素,采用支持向量机(SVM)和极限学习机(ELM)构建预测模型;采用接受者操作特征曲线比较两种模型的预测性能。结果根据MoCA评估结果,正常组32例,VaMCI组23例,痴呆组15例;三组间收缩压、空腹血糖、总胆固醇、低密度脂蛋白、血尿酸有显著性差异(F>3.318,P<0.05);SVM模型预测VaMCI的曲线下面积最高,为0.911(P<0.01),SVM模型优于ELM模型。结论基于血管性高危因素构建的SVM预测模型优于ELM模型。
关键词
血管性认知障碍
支持向量机
极限学习机
机器学习
预测模型
Keywords
vascular cognitive impairment
support vector machines
extreme learning machines
machine learning
predictive model
分类号
R743 [医药卫生—神经病学与精神病学]
下载PDF
职称材料
题名
脑卒中后肩痛流行病学特征的Meta分析
被引量:
18
3
作者
张倩
潘虹
何琴
卞敏洁
董雪茹
谷美儒
黄政
黄东锋
兰月
机构
广州医科大学研究生院
中山大学附属第七医院
广东省康复医学与临床转化工程技术研究中心
香港理工大学
出处
《中国循证医学杂志》
CSCD
北大核心
2020年第9期1020-1026,共7页
基金
国家自然科学基金项目(编号:81772438)
广州市产学研协同创新重大专项民生科技专题(编号:2016B04020108)
+1 种基金
中山大学临床医学研究5010计划资助(编号:2014001)
广州市科技计划项目(编号:201803010083)。
文摘
目的系统评价脑卒中后肩痛(PSSP)的流行病学特征。方法计算机检索PubMed、WanFang Data、CNKI、EMbase、The Cochrane Library和SinoMed数据库,搜集有关PSSP发病率的研究,检索时限均由建库至2019年11月30日。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险后,使用Stata 15.0软件进行Meta分析。结果共纳入13个研究,包括3 514例脑卒中患者,其中PSSP患者1 357例。Meta分析结果显示,PSSP总发病率为45.0%[95%CI(32.0%,58.0%)]。亚组分析结果显示:按研究时间来分,2010年前后PSSP发病率分别为55.5%[95%CI(48.1%,63.0%)]和40.6%[95%CI(28.3%,52.9%)];按人群来源来分,亚洲人群PSSP发病率为61.2%[95%CI(51.3%,71.1%)],欧、美洲人群发病率为18.4%[95%CI(9.9%,26.9%)]。结论当前证据显示,脑卒中后肩痛发病率较高,且可能受地域因素影响。受纳入研究数量和质量的限制,上述结论尚待更多高质量研究予以验证。
关键词
脑卒中后肩痛
流行病学
发病率
META分析
系统评价
Keywords
Post-stroke shoulder pain
Epidemiology
Morbidity
Meta-analysis
Systematic review
分类号
R743.3 [医药卫生—神经病学与精神病学]
R181.3 [医药卫生—流行病学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
血管性高危因素预测血管性轻度认知障碍:支持向量机模型构建及应用
张倩
卞敏洁
何琴
黄东锋
《中国组织工程研究》
CAS
北大核心
2023
1
下载PDF
职称材料
2
血管性认知障碍早期预测机器学习模型的构建
张倩
卞敏洁
何琴
黄东锋
《中国康复理论与实践》
CSCD
北大核心
2021
3
下载PDF
职称材料
3
脑卒中后肩痛流行病学特征的Meta分析
张倩
潘虹
何琴
卞敏洁
董雪茹
谷美儒
黄政
黄东锋
兰月
《中国循证医学杂志》
CSCD
北大核心
2020
18
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