期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于分位数回归与决策树模型的跌倒患者住院费用影响因素分析 被引量:25
1
作者 苏飞月 符美玲 +2 位作者 谭慭莘 肖明朝 赵庆华 《中国卫生统计》 CSCD 北大核心 2021年第1期67-72,共6页
目的应用以多元逐步回归为代表的传统回归分析方法与分位数回归模型分别探究住院费用的影响因素,通过卡方自交互侦测决策树(chi-squared automatic interaction detector, CHAID)建立费用分组模型。为科学分析住院费用、制定针对性的控... 目的应用以多元逐步回归为代表的传统回归分析方法与分位数回归模型分别探究住院费用的影响因素,通过卡方自交互侦测决策树(chi-squared automatic interaction detector, CHAID)建立费用分组模型。为科学分析住院费用、制定针对性的控费措施及体系完善提供参考依据。方法采用回顾性研究法,收集重庆市两所三级甲等综合医院2016-2019年因跌倒住院的6627例患者基本信息及费用情况,对基本信息进行描述性分析,在单因素分析基础上,分别采用多元逐步回归分析和分位数回归模型筛选纳入决策树的分类节点变量,并比较两者的分析结果。根据比较结果最终选择将分位数回归结果中有影响作用的变量纳入CHAID决策树模型建立住院费用分组模型。结果单因素分析结果显示,跌倒患者住院费用的影响因素有付费方式、职业、婚姻、年龄、住院日、受伤部位、受伤类型、手术次数及手术类型;经分位数回归分析得的住院费用影响因素包含了多元逐步回归分析结果中的影响因素,显示付费方式、婚姻、年龄、住院日、受伤部位、手术次数、受伤类型和手术类型在住院费用的不同分位数点产生影响(P<0.05)。在分位数回归模型结合CHAID决策树模型建立的费用分组模型中,手术次数、住院日、手术类型、受伤部位和受伤类型为最主要的影响因素,每种组合的费用差异明显。结论相较于传统回归分析方法,选择分位数回归模型探究住院费用影响因素更稳健全面。在分位数回归模型基础上,结合CHAID决策树模型组构建的住院费用分组模型较为合理,能清楚反应影响住院费用的重点因素,为医院完善控费制度,制定医保费用支付标准提供参考依据。 展开更多
关键词 跌倒 住院费用 多元逐步回归分析 分位数回归模型 卡方自交互侦测决策树
在线阅读 下载PDF
福建省2008-2013年手足口病重症病例危险因素的分类决策树分析 被引量:8
2
作者 吴生根 陈武 +7 位作者 欧剑鸣 洪荣涛 翁育伟 章灿明 蔡少健 詹美蓉 谢忠杭 黄峥强 《中国卫生统计》 CSCD 北大核心 2015年第6期1040-1041,共2页
目的分析手足口病重症病例的危险因素,为降低手足口病重症病例发生率提供理论依据。方法福建省2008-2013年手足口病重症确诊病例资料来源于疾病监测信息报告管理系统,从同期报告的轻症病例确诊病例中随机选取与重症病例相同数目的病例... 目的分析手足口病重症病例的危险因素,为降低手足口病重症病例发生率提供理论依据。方法福建省2008-2013年手足口病重症确诊病例资料来源于疾病监测信息报告管理系统,从同期报告的轻症病例确诊病例中随机选取与重症病例相同数目的病例。运用决策树中的CHAID法分析重症病例发生的危险因素,因变量为重症是否发生,自变量为实验室结果、发病到就诊时间、发病月份、年龄、性别、城乡。使用分割样本验证模型,样本被随机均分为训练样本与测试样本。结果福建省2008-2013年共报告13971例手足口确诊病例,其中重症1503例(10.8%),轻症12468例,共3006例病例进入模型。训练样本(1523例)模型中包括实验室结果、发病到就诊间隔时间、年龄、性别4个预测变量,实验室结果是最佳预测变量,模型对70.1%的训练样本进行了正确分类,测试样本(1483例)模型对66.5%的个案进行了正确分类。结论决策树是一种有效预测手足口病重症病例的方法。 展开更多
关键词 手足口病 重症 危险因素 决策树 方自交互
在线阅读 下载PDF
基于不同烟用原纸中荧光增白剂分布建立的CHAID决策树模型鉴别卷烟真伪 被引量:1
3
作者 李海燕 肖燕 +3 位作者 李淳 杨兵 马慧宇 李郸 《理化检验(化学分册)》 CAS CSCD 北大核心 2022年第12期1395-1400,共6页
鉴于国内外标准禁止在烟用原纸中使用双三嗪氨基二苯乙烯型荧光增白剂而假烟烟用原纸的安全性没有保障,提出了题示方法。以白度仪检测19种规格真伪卷烟原纸样品(包装纸、封签纸、内衬纸、成形纸、卷烟纸)的D65荧光亮度和甘茨(CIE)白度(1... 鉴于国内外标准禁止在烟用原纸中使用双三嗪氨基二苯乙烯型荧光增白剂而假烟烟用原纸的安全性没有保障,提出了题示方法。以白度仪检测19种规格真伪卷烟原纸样品(包装纸、封签纸、内衬纸、成形纸、卷烟纸)的D65荧光亮度和甘茨(CIE)白度(10个变量),发现真伪卷烟样品各种原纸的CIE白度无明显规律;卷烟真品D65荧光亮度不小于1.00%的原纸仅有卷烟纸(异常现象,需要进一步分析),卷烟伪品D65荧光亮度不小于1.00%的原纸有内衬纸、封签纸、卷烟纸和包装纸,样品数量占比分别为68.4%,57.9%,57.9%和52.6%。采用SPSS 25.0统计软件建立基于最大似然估计的向前逐步二分逻辑回归模型,对上述10个变量与卷烟真伪进行相关性分析,3步回归后提取出了内衬纸荧光亮度、包装纸荧光亮度、封签纸荧光亮度等3个关键变量。以历年样品的3个关键变量数据建立卡方自动交互检测决策树分类模型,卷烟真伪的判断准确率达到100%。对真伪卷烟样品进行红外光谱分析,二者的特征吸收峰基本相同,但在卷烟伪品的红外光谱图中观察到1371 cm^(-1)附近有吸收峰,可能来源于双三嗪氨基二苯乙烯型荧光增白剂中甲基C-H键的弯曲振动,说明基于荧光增白剂分布建立的决策树模型能有效鉴别卷烟真伪。 展开更多
关键词 双三嗪氨基二苯乙烯型荧光增白剂 D65荧光亮度 二分逻辑回归 方自交互决策树 卷烟真伪 鉴别
在线阅读 下载PDF
基于半监督机器学习的滑坡易发性预测建模 被引量:21
4
作者 黄发明 潘李含 +3 位作者 姚池 周创兵 姜清辉 常志璐 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2021年第9期1705-1713,共9页
为了克服滑坡编录样本不足、扩充滑坡样本较困难、主观随机选择的非滑坡样本准确性较低等缺点,以江西省南康区为例,拟用半监督卡方自交互侦测决策树(SSCHAID)和半监督反向传播神经网络(SSBPNN)进行滑坡易发性预测(LSP),在已知滑坡样本... 为了克服滑坡编录样本不足、扩充滑坡样本较困难、主观随机选择的非滑坡样本准确性较低等缺点,以江西省南康区为例,拟用半监督卡方自交互侦测决策树(SSCHAID)和半监督反向传播神经网络(SSBPNN)进行滑坡易发性预测(LSP),在已知滑坡样本和随机选取的非滑坡样本基础上,用全监督机器学习将初始LSP划分成不同级别;将高分辨率遥感影像和初始滑坡易发性图中的极高易发区叠加,筛选一定数量的潜在滑坡栅格单元扩充滑坡样本;从极低易发区选取非滑坡栅格单元组合成新的输出变量;将新的输出变量导入全监督机器学习,获得最终LSP并评价其精度.结果表明:半监督机器学习的LSP精度远高于全监督机器学习的LSP精度. 展开更多
关键词 滑坡易发性预(LSP) 半监督机器学习 卡方自交互侦测决策树(CHAID) BP神经网络(BPNN) 地理信息系统(GIS)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部