目的:分析肺癌病人治疗期输液港发生医用粘胶相关皮肤损伤(medical adhesive related skin injury,MARSI)的危险因素,并建立风险预测模型,以期为临床护理干预提供参考。方法:回顾性收集2023年1月—2024年4月在某三级甲等综合医院呼吸与...目的:分析肺癌病人治疗期输液港发生医用粘胶相关皮肤损伤(medical adhesive related skin injury,MARSI)的危险因素,并建立风险预测模型,以期为临床护理干预提供参考。方法:回顾性收集2023年1月—2024年4月在某三级甲等综合医院呼吸与危重症医学科使用胸壁输液港的650例病人为调查对象,运用Logistic回归模型、决策树分类回归树(CART)模型和随机森林模型分别建立肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型,通过比较3种模型的准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa系数和受试者工作特征(ROC)曲线下面积(AUC)评价其性能。结果:Logistic回归模型、决策树CART模型和随机森林模型的准确率分别为84%、86%、86%,特异度为97%、98%、97%,灵敏度为54%、59%、61%,阳性预测值为54%、59%、61%,阴性预测值为97%、98%、97%,Kappa值为0.57,0.63,0.64,AUC为0.83,0.87,0.86。Logistic回归模型、决策树CART模型、随机森林的AUC比较差异均有统计学意义(P<0.05)。皮肤毒性为3种模型的共同预测因子。结论:决策树CART模型和随机森林模型相比Logistic回归模型在构建肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型中具有更好的性能,可为临床护士预测肺癌病人输液港医用粘胶相关皮肤损伤发生风险提供参考。展开更多
针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了...针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了一个驾驶员路径选择行为调查方案,并对驾驶员群体开展了网上调查.利用Logit模型及Probit模型分析了驾驶员路径选择行为的影响因素,得到性别、年龄、是否从事全职工作、延误时间、道路熟悉程度、路径长度、道路拥挤程度等因素的影响显著.利用改进的分类树(classification and regression tree,CART)模型设计了驾驶员路径选择行为估计模型,重点针对驾驶员路径选择行为的特点对传统CART模型的递归划分与剪枝2个主要算法进行了改进研究.样本测试结果表明:模型的估计精度可达82%,相比现有模型的估计精度至少提高了6%.研究成果可为交通诱导方案的制定提供有效的技术支持.展开更多
CART(Classification And Regression Tree,分类回归树)是一种准确率和效率都较高的数据挖掘算法,它支持离散型和连续型的数据分类,但无法适用于对加密的隐私云数据进行分类.因此提出PPCART(Privacy-preserving CART,隐私保护的分类回归...CART(Classification And Regression Tree,分类回归树)是一种准确率和效率都较高的数据挖掘算法,它支持离散型和连续型的数据分类,但无法适用于对加密的隐私云数据进行分类.因此提出PPCART(Privacy-preserving CART,隐私保护的分类回归树),该算法利用同态加密特性对CART算法做了相应的改善,使之在保持CART原有准确率和相对较好执行效率的情况下能分类加密云数据,避免了在半诚实模型下的分类过程中真实数据的泄露.经过安全分析和实验测试表明,PPCART可显著提高传统CART算法的安全性,且具有接近于它的执行时间.展开更多
文摘目的:分析肺癌病人治疗期输液港发生医用粘胶相关皮肤损伤(medical adhesive related skin injury,MARSI)的危险因素,并建立风险预测模型,以期为临床护理干预提供参考。方法:回顾性收集2023年1月—2024年4月在某三级甲等综合医院呼吸与危重症医学科使用胸壁输液港的650例病人为调查对象,运用Logistic回归模型、决策树分类回归树(CART)模型和随机森林模型分别建立肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型,通过比较3种模型的准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa系数和受试者工作特征(ROC)曲线下面积(AUC)评价其性能。结果:Logistic回归模型、决策树CART模型和随机森林模型的准确率分别为84%、86%、86%,特异度为97%、98%、97%,灵敏度为54%、59%、61%,阳性预测值为54%、59%、61%,阴性预测值为97%、98%、97%,Kappa值为0.57,0.63,0.64,AUC为0.83,0.87,0.86。Logistic回归模型、决策树CART模型、随机森林的AUC比较差异均有统计学意义(P<0.05)。皮肤毒性为3种模型的共同预测因子。结论:决策树CART模型和随机森林模型相比Logistic回归模型在构建肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型中具有更好的性能,可为临床护士预测肺癌病人输液港医用粘胶相关皮肤损伤发生风险提供参考。
文摘针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了一个驾驶员路径选择行为调查方案,并对驾驶员群体开展了网上调查.利用Logit模型及Probit模型分析了驾驶员路径选择行为的影响因素,得到性别、年龄、是否从事全职工作、延误时间、道路熟悉程度、路径长度、道路拥挤程度等因素的影响显著.利用改进的分类树(classification and regression tree,CART)模型设计了驾驶员路径选择行为估计模型,重点针对驾驶员路径选择行为的特点对传统CART模型的递归划分与剪枝2个主要算法进行了改进研究.样本测试结果表明:模型的估计精度可达82%,相比现有模型的估计精度至少提高了6%.研究成果可为交通诱导方案的制定提供有效的技术支持.
文摘CART(Classification And Regression Tree,分类回归树)是一种准确率和效率都较高的数据挖掘算法,它支持离散型和连续型的数据分类,但无法适用于对加密的隐私云数据进行分类.因此提出PPCART(Privacy-preserving CART,隐私保护的分类回归树),该算法利用同态加密特性对CART算法做了相应的改善,使之在保持CART原有准确率和相对较好执行效率的情况下能分类加密云数据,避免了在半诚实模型下的分类过程中真实数据的泄露.经过安全分析和实验测试表明,PPCART可显著提高传统CART算法的安全性,且具有接近于它的执行时间.
