疾病的發(fā)生和發(fā)展是一個(gè)復(fù)雜的生理病理過程,因?yàn)槿梭w是一個(gè)有機(jī)的整體,在分子、細(xì)胞和器官等各層次存在復(fù)雜的相互作用,因此,疾病合并(指一個(gè)患者身上同時(shí)出現(xiàn)兩種或多種疾病)是臨床中常見的現(xiàn)象,具有重要的醫(yī)學(xué)研究?jī)r(jià)值。近年來,國際上對(duì)疾病合并的研究掀起了廣泛的熱潮,但鑒于疾病病機(jī)的復(fù)雜性,人們對(duì)疾病合并的理解與認(rèn)識(shí)仍有待進(jìn)一步探索,而且由于環(huán)境、種族和社會(huì)環(huán)境等因素對(duì)疾病的影響,對(duì)于我國大規(guī)模人群的疾病合并研究是很有意義的,不僅可以對(duì)疾病有更深層次的了解,而且可以在治療原發(fā)性疾病的同時(shí)預(yù)防合并疾病的產(chǎn)生。本文利用大規(guī)模病案首頁數(shù)據(jù),構(gòu)建了較大規(guī)模的疾病合并網(wǎng)絡(luò),并整合疾病分子(基因、通路、證候)關(guān)系,進(jìn)行疾病合并的宏、微觀關(guān)聯(lián)規(guī)律的探究,同時(shí),結(jié)合患者就診的不同時(shí)點(diǎn)數(shù)據(jù),利用疾病之間的演變關(guān)系進(jìn)行疾病的預(yù)測(cè)研究。主要研究結(jié)果包括以下三個(gè)方面:(1)利用中國中醫(yī)科學(xué)院收集的453家醫(yī)院的病案首頁數(shù)據(jù),采用相關(guān)性分析方法,構(gòu)建了具有顯著合并關(guān)系的疾病合并網(wǎng)絡(luò)(包括5702個(gè)節(jié)點(diǎn)和258,535條邊)。在此基礎(chǔ)上,通過網(wǎng)絡(luò)拓?fù)涮匦苑治霰砻?此網(wǎng)絡(luò)的度分布符合冪律分布,是一個(gè)無標(biāo)度網(wǎng)絡(luò),表明不同疾病之間存在高度的異質(zhì)性。例如,高血壓有1926種合并疾病,在網(wǎng)絡(luò)中處于中心位置,而如脈絡(luò)膜疾病的合并關(guān)系很少。同時(shí),我們發(fā)現(xiàn)該網(wǎng)絡(luò)是一個(gè)具有顯著社團(tuán)結(jié)構(gòu)的分層模塊化網(wǎng)絡(luò)(模塊度為0.302)。(2)針對(duì)疾病合并關(guān)系的宏、微觀關(guān)聯(lián)問題,結(jié)合疾病相關(guān)的基因、通路、證候等數(shù)據(jù),通過多種相似性計(jì)算方法與分析,發(fā)現(xiàn)疾病合并強(qiáng)度與疾病之間共享分子以及證候的相似性等都呈現(xiàn)顯著的正相關(guān),表明當(dāng)疾病之間共享分子數(shù)量越多或疾病證候相似性越大的情況下,疾病之間構(gòu)成合并關(guān)系的可能性越大。結(jié)合文獻(xiàn)驗(yàn)證,我們重點(diǎn)分析了一些具有重要臨床價(jià)值的疾病合并關(guān)系,例如,阿爾茨海默病與動(dòng)脈硬化性心臟病(RR=2.585,Φ=0.0166,共享基因:ACE、APOE和NOS3)。(3)基于時(shí)點(diǎn)數(shù)據(jù)的疾病演變關(guān)系進(jìn)行疾病預(yù)測(cè)的方法研究:即根據(jù)患者患病的先后順序,預(yù)測(cè)當(dāng)患者出現(xiàn)某些疾病時(shí),后續(xù)會(huì)不會(huì)引發(fā)某種特定疾病�；谡硇纬傻母哐獕�(20000個(gè))和精神類疾病(7000個(gè))的標(biāo)準(zhǔn)數(shù)據(jù)集,我們采用Logistic回歸、支持向量機(jī)(SVM),隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)等分類模型,進(jìn)行疾病的預(yù)測(cè)分析,初步發(fā)現(xiàn)了兩種目標(biāo)疾病的危險(xiǎn)因素及保護(hù)因素。并通過比較實(shí)驗(yàn)分析,隨機(jī)森林相比于其它模型效果較好,其在兩個(gè)數(shù)據(jù)集上F1值分別達(dá)到0.6689和0.6802。其結(jié)果可以為目標(biāo)疾病的早期診斷及優(yōu)化診斷流程提供一定的依據(jù)。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R197.323
【部分圖文】：

支持向量機(jī)（Ｓｕｐｐｏｒｔ邋Ｖｅｃｔｏｒ邋Ｍａｃｈｉｎｅｓ，簡(jiǎn)稱ＳＶＭ）邋［４６］是針對(duì)二分類的分類模逡逑型，它的思想是給定一個(gè)包含正、負(fù)樣本的集合，目的是要找到一個(gè)最優(yōu)的超平面逡逑來對(duì)正、負(fù)樣本進(jìn)行分類。如圖２－１所示，建立一個(gè)最優(yōu)決策超平面７７，使得此平逡逑面兩側(cè)距該平面最近的兩類樣本之間的距離最大，其目的是為了對(duì)分類問題有比逡逑較好的泛化能力。逡逑４邐？逡逑Ｈ邐？邐S緬義希厘危藶陳沖義希掊危蓿恚幔潁紓椋鑠義賢跡玻卞澹櫻鄭妥鈑懦矯媸疽饌煎義希疲椋紓酰潁邋澹玻卞澹裕瑁邋澹錚穡簦椋恚幔戾澹瑁穡澹蟈澹穡歟幔睿邋澹媯錚蟈澹櫻鄭灣義顯諮究占渲校殖矯嬋賞ü咝苑匠蹋鰨裕澹澹忮澹藉澹襖疵枋觶綣順義掀矯婺芙盜芳械難咀既販擲�，同守愭哉尳个平行诱娒的超瞥C媸瑰義俠氤笞罱惱貉靖蘸梅直鷴湓讜停采希庋難揪褪侵С窒蛄�。染徆a緬義掀淥械難盜費(fèi)徑嘉揮讜停倉�，也就舒@閌劍ǎ玻保常┑腦際哄義希齲蓿卞危蓿劍卞危茫玻保常╁義希郟鰨�，．逦＜邋－１邋ｙｉ邋－邋－１辶x險(xiǎn)淼霉劍ǎ玻保矗哄義希殄澹ǎ鰨赍澹澹冢浚╁澹懼澹卞危ǎ玻保矗╁義顯蛄礁齔矯媯蘚停拗渚嗬脛臀劍ǎ玻保擔(dān)哄義希插義希礤澹幔潁玨澹椋鑠澹藉五澹ǎ玻保擔(dān)╁義希桑灣義希櫻鄭偷娜撾窬褪茄罷藝庋桓齔矯媯�，把样本准确无误地分割抽W講糠鄭義稀㈠尾⑶沂梗蘚停駁木嗬胱畬

本文編號(hào)：2811801