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
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：
一般心理健康问卷在医务人员中的信效度评价研究 被引量：17
1
作者 钟小钢 刘艺昀 +6 位作者 蒲俊材 桂思雯 田露 周维 王海洋 李鹏飞 谢鹏 《中国全科医学》 CAS 北大核心 2020年第35期4530-4534,共5页
背景心理健康问题普遍存在于医务工作者群体中。一般心理健康问卷(GHQ-12)已应用于多个群体的心理健康状况评估,但尚无相关研究探索该问卷在医务人员中的信效度。目的评价GHQ-12在医务人员中的信效度。方法以2014年9月—2015年3月开展... 背景心理健康问题普遍存在于医务工作者群体中。一般心理健康问卷(GHQ-12)已应用于多个群体的心理健康状况评估,但尚无相关研究探索该问卷在医务人员中的信效度。目的评价GHQ-12在医务人员中的信效度。方法以2014年9月—2015年3月开展的中国医师协会神经内科医师分会第一次全国神经内科医师执业状况调查的神经内科医师为研究对象,填写GHQ-12,总分≥4分认为心理健康状况阳性。并对GHQ-12进行信效度检验。结果共发放10065份问卷,回收6111份,有效问卷5414份。5414例研究对象心理健康状况阳性检出率为37.8%(2048/5414)。GHQ-12的Cronbach'sα系数为0.887,删除相应条目后Cronbach'sα系数为0.873~0.882,折半信度为0.845。条目得分与总分的相关系数为0.499~0.727(P<0.05)。探索性因子分析结果包含12个条目,2个因子,因子负荷为0.602~0.787,累积方差解释率为54.961%。验证性因子分析显示,χ^2/df值为11.410。规范拟合指数(NFI)、比较拟合指数(CFI)、递增拟合指数(IFI)、拟合优度指数(GFI)、非规范拟合指数(TLI)分别为0.927、0.933、0.933、0.944、0.917,近似误差均方根(RMSEA)为0.076。结论GHQ-12应用于医务人员心理健康状况测量具有良好的信效度,能够正确反映医务人员的心理健康状况。 展开更多
关键词 一般心理健康问卷 医务人员 信度 效度
在线阅读 下载PDF
基于机器学习算法的原发性高血压并发冠心病的患病风险研究 被引量：17
2
作者 龚军 杜超 +2 位作者 钟小钢 向天雨 王惠来 《解放军医学杂志》 CAS CSCD 北大核心 2020年第7期735-741,共7页
目的筛选原发性高血压并发冠心病发病的危险因素并建立个体风险分类模型,为疾病诊断提供计算机辅助方法。方法收集重庆医科大学医疗大数据平台中2014年1月1日-2019年5月31日确诊的2791例原发性高血压并发冠心病患者及2135例单纯原发性... 目的筛选原发性高血压并发冠心病发病的危险因素并建立个体风险分类模型,为疾病诊断提供计算机辅助方法。方法收集重庆医科大学医疗大数据平台中2014年1月1日-2019年5月31日确诊的2791例原发性高血压并发冠心病患者及2135例单纯原发性高血压患者的70项临床信息资料,筛选出单因素分析有统计学意义的指标,采用R3.6.1分别构建logistic回归分类模型及BP神经网络、随机森林、极限梯度上升(XGBoost)3种机器学习模型,比较各种模型的相关参数,选择最优的分类模型。结果单因素分析筛选出有统计学意义的指标44项,将其纳入logistic回归分类模型及机器学习模型。Logistic回归分类模型、BP神经网络模型、随机森林模型、XGBoost模型的测试集中分类精度分别为0.852、0.968、0.966、0.976,受试者工作特征曲线下面积(AUC)分别为0.853、0.970、0.967、0.977。将性能最优的XGBoost模型应用于重庆医科大学附属大学城医院心内科临床实践,灵敏度为1.000,特异度为0.912,诊断精度为0.926,AUC为0.956。结论建立的XGBoost模型对原发性高血压并发冠心病有很好的辅助诊断功能,在临床实践中取得了良好的效果。 展开更多
关键词 XGBoost 随机森林 BP神经网络 LOGISTIC回归分析 高血压 冠心病
在线阅读 下载PDF
“网格搜索+XGBoost”算法建立儿童脓毒性休克预测模型 被引量：6
3
作者 龚军 钟小钢 +4 位作者 谈军涛 刘蕴宇 饶青茂 向天雨 王惠来 《解放军医学杂志》 CAS CSCD 北大核心 2020年第12期1270-1276,共7页
目的筛选儿童脓毒性休克的危险因素,建立儿童脓毒性休克预测模型,以期为疾病发生提供早期预警。方法选取重庆医科大学7家附属医疗机构2015年1月1日-2019年8月31日收治的因脓毒血症就诊的年龄<14岁患儿1558例,根据住院期间是否发生脓... 目的筛选儿童脓毒性休克的危险因素,建立儿童脓毒性休克预测模型,以期为疾病发生提供早期预警。方法选取重庆医科大学7家附属医疗机构2015年1月1日-2019年8月31日收治的因脓毒血症就诊的年龄<14岁患儿1558例,根据住院期间是否发生脓毒性休克分为脓毒性休克组287例(研究组)与单纯性脓毒血症组1271例(对照组)。使用“单因素分析+logistic回归分析”筛选独立危险因素,以网格搜索算法搜寻XGBoost算法最优参数,XGBoost算法构建预测模型。结果共收集80项指标,排除缺失率>30%的14项指标,最终共纳入66项指标。单因素分析筛选出41项差异有统计学意义的指标,logistic回归分析筛选出10项独立危险因素,分别为尿微量白蛋白增加、便白细胞多见、尿蛋白阳性、低钙离子、高乳酸脱氢酶、高尿酸、低白蛋白、高肌红蛋白、高肌酸激酶同工酶MB及高降钙素原。网格搜索得出,当max_depth=6,eta=0.1时,XGBoost模型性能最佳,测试集中模型的曲线下面积(AUC)为0.757,灵敏度为0.727,特异度为0.768,模型性能较之前研究有所提高。结论“网格搜索+XGBoost”算法构建的临床预测模型对儿童脓毒性休克具有良好的预测效果,能够用于重庆地区儿童脓毒性休克的预测。 展开更多
关键词 XGBoost算法 LOGISTIC回归分析 儿童脓毒性休克 脓毒血症 预测模型
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部