近年來,許多國家都在積極推進醫(yī)療信息化發(fā)展,力求將大數(shù)據(jù)技術(shù)與醫(yī)療行業(yè)相結(jié)合實現(xiàn)精準醫(yī)療。精準醫(yī)療是在大樣本研究獲得疾病分子機制的知識體系基礎(chǔ)上,根據(jù)患者個體在基因型、表型、環(huán)境和生活方式等各方面的特異性,應用現(xiàn)代遺傳學、分子影像學、生物信息學和臨床醫(yī)學等方法與手段,制定個性化精準預防、精準診斷和精準治療方案�；诖髷�(shù)據(jù)背景下的精準醫(yī)療可以結(jié)合患者的健康數(shù)據(jù)和既往病史,便于醫(yī)生做出正確的疾病診斷;同時,數(shù)據(jù)的共享可以節(jié)約患者的醫(yī)療成本和社會醫(yī)療資源。隨著輔助生殖技術(shù)的發(fā)展,越來越多不能自然懷孕的人選擇IVF技術(shù)來解決他們的問題,臨床上的許多指標因素都被用來評估妊娠結(jié)局的影響。本文探討了接受長方案刺激的IVF/ICSI治療的患者基礎(chǔ)竇卵泡數(shù)與臨床妊娠結(jié)局之間的關(guān)系,并運用logistic回歸模型預測了基礎(chǔ)竇卵泡數(shù)在女性不孕病因、女性年齡和卵巢反應等參數(shù)下的妊娠成功率。同時,創(chuàng)建了患者身體指標評分表,依據(jù)評分表預估患者妊娠成功率的大致范圍,并比較了長方案和超長方案刺激對妊娠結(jié)局的影響,探討了在年齡、不孕病因、雌二醇、黃體酮、基礎(chǔ)竇卵泡數(shù)和獲卵數(shù)等因素下進行超長方案和長方案的比選問題。研究結(jié)...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

圖２．１?Ｌｏｇｉｓｔｉｃ回歸建模步驟??模型建立之前要進行變量篩選，這里采用逐步回歸

?圖２．１?Ｌｏｇｉｓｔｉｃ回歸建模步驟??模型建立之前要進行變量篩選，這里采用逐步回歸。Ｒ中進行逐步回歸數(shù)是ｓｔｅｐ〇，以ＡＩＣ信息準則作為添加或刪除變量的判別方。ＡＩＣ準則由日本學家赤池弘次創(chuàng)立，建立在熵的概念基礎(chǔ)上，一般情況ＡＩＣ表示為??ＡＩ＝Ｐ?＋?＼－ＬｎＬ２．３

圖２．２?ＲＯＣ曲線的基本形式??ＲＯＣ曲線下方的面積（Ａｒｅａ?Ｕｎｄｅｒ?ｔｈｅ?ＲＯＣ?Ｃｕｒｖｅ，?ＡＵＣ）是衡量模預測型??

系列的ＴＰＲ和ＦＰＲ值，然后以ＴＰＲ為縱坐標，ＦＰＲ為橫坐標，繪制出兩者相互??變化的曲線。在ＲＯＣ曲線上，最靠近坐標圖左上方的點為ＴＰＲ和ＦＰＲ均較高??的臨界值，其基本形式如下圖２．２：??ｕ?Ｊ＾ｅｑｕａｌ?ｅｒｒｏｒ?／??２?０．８?ｒａｔｅ?／??｜?＼?／??５５?....

圖3.1狂攤率酸AFC水平的史化情況

圖３．１任娠率ＡＦＣ平的化況??許多研宄對ＡＦＣ水平進行了分組（Ｈｏｌｔｅ?ｅｔ?ａｌ，２０１１；Ｗｉｓｅｒ?ｅｔ??，２０１３?；Ｊａｙａｐｒａｋａｓａｎ?ｅｔ?ａｌ，２０１２?），但沒有一個統(tǒng)一的分類標準，Ｊａｙａｐｒａｋａｓａｎ?ｅｔ??（２０１２）在研宄中將ＡＦＣ水平按四....

圖３．２各預測模型的ＲＯＣ曲線???

了模型的預測性能。ＡＵＣ的值越大，模型的預測性能就越好。通過將各預測因??子納入模型中進行預測分析，繪制得到的模型的ＲＯＣ曲線，并對各曲線的ＡＵＣ??進行了比較，結(jié)果見圖３．２。??２５??

本文編號：3900302