死因推断量表肿瘤诊断模型的研究

《死因推断量表肿瘤诊断模型的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1常用缩写ANNBFCODCOPDCARTDSPEAf省2定义术语表ArtifieialNeuralNetworkBayesFormulaCauseofdeathC11romcObstructiveLungDiseaseClassificationandRegressionTreesDiseaseSurveillancePointExpertAlgorithmExpertassessmentVerbalAutopsy人工神经网络Bayes公式法死因慢性阻塞性肺气肿分类回归树法全国疾病监测点专家算法专家诊断死因推断死因推断工具(verbalautopsy)：通过询问死亡病例的家属或朋

2、友(于病人死亡前照顾过病人或了解并能够清楚描述病人病情者)关于死者生前的一系列症状和体征，间接推断死者的死因的一种工具。先验概率(priorprobability)：各种病人(或健康人)在人群的比例，以P(Di)表示。条件概率(conditionalprobability)：在事件B已经发生的条件下，事件A发生的概率，称为事件A在给定B下的条件概率，简称为A对B的条件概率，记作P(AIB)。为了简单起见，这里只把患有某种疾病(或健康)的人出现某种征象的某种水平(表现或数值)的概率称为条件概率。后验概率(posteriorprobability)．-即效价是某一数值时是病人或健康人的

3、概率，即P(DlISl)和P(D2IS2)。相对于条件概率而言正好是其逆转，故也称为逆概率(invel'$eprobability)。117“金标准(goldstandard)”诊断：由医院信息采集员到死者生前就医的医院，查阅死者的病例档案，同时请该院医生填写医院信息采集表(包括死者的基本信息、入院诊断和死亡诊断、进行过的检查)，并复印病例首页、有确诊意义的实验室检查、理化检查、其他检查结果和死亡小结。临床专家根据病例资料独立填写死亡诊断，该诊断结果作为本研究诊断的“金标准”。VA全表诊断：临床专家根据VA的所有问题进行独立诊断，填写死亡诊断，称为VA全表诊断。结构化问题VA诊断：

4、将VA中，开放性问题(即问卷第三部分和第七部分)用不透光纸粘贴住，临床专家再次根据VA中结构化问题进行独立诊断，填写死亡诊断，称为结构化问题VA诊断。开放性问题提及的诊断：请临床专家根据VA中的开放性问题(“3．Ol请您详细描述导致死者死亡的疾病或事件”、“7．08医疗人员告诉你死者的死亡原因了吗?如果是，他，她说了什么?”)提及的疾病或者症状，填写诊断，称为开放性问题提及的诊断。118中文摘要背景：死因推断工具(verbalautopsy，VA)通过询问死者家属死者生前症状收集死亡信息，其诊断可通过专家诊断法、专家算法及基于数据定义的算法规则。在我国农村，80％的人死在家中，其死

5、因诊断的正确性需要验证。目的：本文通过建立肿瘤(未分类)及食管癌、胃癌、直肠结肠肛门癌、肝癌和肺癌的死因推断模型，比较专家诊断的准确性，推断农村地区的死因，并评价其医学死亡证明书的准确性。方法：将2000年全国疾病监测系统死亡构成(经漏报率调整)作为先验概率，以“金标准”诊断的各病中各症状出现的概率作为条件概率，采用Bayes公式法，计算肿瘤(未分类)及各常见肿瘤的后验概率，构建诊断模型。结果：①肿瘤(未分类)诊断模型准确性较高，且稳定；食道癌模型较理想，但不稳定；胃癌、肝癌和肺癌模型不理想；直肠结肠肛门癌诊断模型构建不成功。②vA全表专家诊断的准确性较高，但VA结构化问题专家诊断

6、的准确性并不高，与模型诊断基本相当。③农村死亡医学证明书诊断的特异度和一致百分率较高，但灵敏度较低。结论：可以采用诊断模型对VA进行肿瘤(未分类)诊断，但不宜作各常见肿瘤的诊断；专家诊断法的准确性高，但易受开放性问题的影响；在农村中需要诊断模型对肿瘤进行诊断。关键词：Bayes公式法、死因、死因推断工具、肿瘤AbstractDevelopingtumordiagnosismodelswithverbalautopsyBaekground：TheverbalautopsyM)isusedtocollectinformationOilcauseofdeath(COD)fromberea

7、vedrelatives．ACODmaybediagnosedbyexpertassessment,expertalgorithmanddata-derivedalgorithm．InruralChina,therewere80％peoplediodathome．．SOthevalidityOfCODneededtobeestimated．objectives：TllispaperdevelopedBayesprobabilisticdiagnosismodelsfo