期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于反向传播神经网络构建煤工尘肺的患病风险预测模型——一项以医院为基础的病例对照研究
1
作者 杨雨橦 田清华 +9 位作者 安琪 郝建光 王剑茹 武姣 李怡淳 李杨 王庆尧 李宇星 雷立健 罗铭忠 《中华疾病控制杂志》 CAS CSCD 北大核心 2024年第8期961-968,共8页
目的 旨在构建高性能煤工尘肺(coal workers′pneumoconiosis, CWP)风险预测模型,促进CWP的早期预防。方法 基于医院的病例对照研究,收集2017―2022年山西省某职业病医院的CWP患者和同期矿工非CWP患者病例资料,建立CWP数据库,采用随机... 目的 旨在构建高性能煤工尘肺(coal workers′pneumoconiosis, CWP)风险预测模型,促进CWP的早期预防。方法 基于医院的病例对照研究,收集2017―2022年山西省某职业病医院的CWP患者和同期矿工非CWP患者病例资料,建立CWP数据库,采用随机森林筛选特征变量,基于反向传播(back propagation, BP)神经网络和logistic回归分析模型分别构建CWP预测模型,并利用受试者工作特征(receiver operating characteristic, ROC)曲线评价2个模型的CWP预测能力。结果 BP神经网络模型灵敏度为88.6%,特异度为87.6%,准确率为87.12%;变量正态化重要性结果显示,影响煤矿工人发生CWP最重要的因素有1秒通气率(forceful expiratory volume in 1 second/forceful vital capacity, FEV1/FVC)、工龄、工种。Logistic回归分析模型结果显示灵敏度80.7%,特异度84.1%,准确率82.7%。BP神经网络模型ROC曲线下面积(area under the curve, AUC)(AUC=0.918, 95%CI:0.903~0.964)高于logistic回归分析模型(AUC=0.802, 95%CI:0.750~0.850),BP神经网络模型的预测性能优于logistic回归分析模型。结论 BP神经网络的预测性能高于logistic回归分析模型,将BP神经网络应用在CWP预测上有更高的准确性。FEV1/FVC、工龄、工种是影响煤矿工人发生CWP的重要因素。 展开更多
关键词 反向传播神经网络 煤工尘肺 Logistic回归分析模型 预测模型
原文传递
青少年性安全问题初步分析
2
作者 杨雨橦 王诗涵 李泽宁 《山东青年》 2019年第11期195-195,197,共2页
青少年群体属于特殊群体之一,但相较于多方关注的留守儿童,幼童或单一女童而言,对于这一群体性安全问题却甚少有研究涉及.本文拟通过实证角度,提出对于青少年性安全现状,性教育问题及其解决措施的初步分析.
关键词 青少年 性安全 实证方式
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部