目的:利用人工神經(jīng)網(wǎng)絡(luò)方法,對藥物性肝損傷（Drug-induced Liver Injury,DILI）的臨床轉(zhuǎn)歸建立人工神經(jīng)網(wǎng)絡(luò)反向傳播（Back Propagation-Artificial Neural Network,BP-ANN）預(yù)測模型,了解影響藥物性肝損傷患者臨床轉(zhuǎn)歸的因素,對其臨床轉(zhuǎn)歸進(jìn)行預(yù)測,并對相關(guān)影響因素進(jìn)行平均影響值（Mean Impact Value,MIV）重要性評價(jià)。以期對影響DILI轉(zhuǎn)歸的因素增加相關(guān)措施,最終改善病患的出院轉(zhuǎn)歸。方法:（1）針對某三甲醫(yī)院2014年6月1日-2017年6月1日以“藥物性肝損傷”、“藥物性肝病”等由藥物造成肝損害為主要診斷的住院患者,以入院到出院為時(shí)間節(jié)點(diǎn),將符合納入排除標(biāo)準(zhǔn)的病例收集其臨床數(shù)據(jù),建立數(shù)據(jù)庫。（2）采用Logistic單因素回歸分析篩選出有統(tǒng)計(jì)學(xué)意義的影響因素,將其作為輸入變量,轉(zhuǎn)歸情況作為輸出變量,構(gòu)建人工神經(jīng)網(wǎng)絡(luò)反向傳播（BP-ANN）模型。從數(shù)據(jù)庫中隨機(jī)分出一定量樣本放入訓(xùn)練集,剩余數(shù)據(jù)放入測試集,用于訓(xùn)練與測試模型,并通過受試者工作特征曲線下面積（Area Under the Curve,AUC）... 

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
常用縮寫詞中英文對照表
前言
1 資料
    1.1 一般資料
    1.2 納入標(biāo)準(zhǔn)
    1.3 排除標(biāo)準(zhǔn)
    1.4 收集項(xiàng)目
    1.5 轉(zhuǎn)歸情況
2 方法
    2.1 臨床轉(zhuǎn)歸單因素分析
    2.2 BP-ANN模型的建立
    2.3 BP-ANN模型的預(yù)測
    2.4 影響因素重要性分析
3 結(jié)果
    3.1 病歷資料基本人口學(xué)分析
    3.2 臨床轉(zhuǎn)歸單因素分析結(jié)果
    3.3 BP-ANN模型訓(xùn)練與測試結(jié)果
    3.4 BP-ANN模型預(yù)測結(jié)果
    3.5 影響因素重要性分析結(jié)果
4 討論
5 結(jié)論
參考文獻(xiàn)
綜述
    參考文獻(xiàn)
附錄
致謝
在學(xué)期間研究成果
個(gè)人簡歷



本文編號：3714831