摘要 | 第3-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 学科背景 | 第10-11页 |
1.1.1 医学地理学 | 第10页 |
1.1.2 健康地理学 | 第10-11页 |
1.2 医学指标 | 第11-13页 |
1.2.1 乳酸脱氢酶 | 第11-13页 |
1.2.2 尿β-2微球蛋白 | 第13页 |
1.3 研究思路 | 第13-16页 |
第二章 数据的获取 | 第16-22页 |
2.1 医学指标参考值数据 | 第16-18页 |
2.1.1 样本选取 | 第16页 |
2.1.2 数据来源及分布 | 第16-18页 |
2.2 地理指标的选取 | 第18-22页 |
2.2.1 中国地貌及气候特征 | 第18-19页 |
2.2.2 地理因素指标的选取 | 第19-22页 |
第三章 空间自相关与相关分析 | 第22-30页 |
3.1 空间自相关 | 第22-25页 |
3.1.1 空间自相关基本原理 | 第22-23页 |
3.1.2 乳酸脱氢酶空间自相关性 | 第23-24页 |
3.1.3 尿β2-微球蛋白的空间自相关性 | 第24-25页 |
3.2 相关分析 | 第25-29页 |
3.2.1 相关分析基本概念 | 第25页 |
3.2.2 乳酸脱氢酶与地理因子的相关性 | 第25-29页 |
3.3 本章小结 | 第29-30页 |
第四章 建立预测模型 | 第30-44页 |
4.1 建模方法及模型精度对比 | 第30-34页 |
4.1.1 偏最小二乘法 | 第30-31页 |
4.1.2 趋势面分析 | 第31-33页 |
4.1.3 模型精度对比 | 第33-34页 |
4.2 乳酸脱氢酶预测模型 | 第34-38页 |
4.2.1 乳酸脱氢酶与地理因子的偏最小二乘分析 | 第34-35页 |
4.2.2 乳酸脱氢酶与地理因子的趋势面分析 | 第35-36页 |
4.2.3 乳酸脱氢酶预测模型的精度对比 | 第36-38页 |
4.3 尿β2-微球蛋白预测模型 | 第38-42页 |
4.3.1 尿β2-微球蛋白与地理因子的偏最小二乘分析 | 第38-39页 |
4.3.2 尿β2-微球蛋白与地理因子的趋势面分析 | 第39-41页 |
4.3.3 尿β2-微球蛋白预测模型的精度对比 | 第41-42页 |
4.4 本章小结 | 第42-44页 |
第五章 空间分布趋势图构建 | 第44-58页 |
5.1 空间制图法 | 第44-47页 |
5.1.1 地统计分析 | 第44页 |
5.1.2 正态性检验 | 第44-45页 |
5.1.3 克里金插值 | 第45-46页 |
5.1.4 热点分析 | 第46-47页 |
5.2 乳酸脱氢酶参考值的空间分析与制图 | 第47-51页 |
5.2.1 乳酸脱氢酶参考值的正态分布检验 | 第47-48页 |
5.2.2 乳酸脱氢酶参考值的克里金插值 | 第48-50页 |
5.2.3 乳酸脱氢酶参考值的热点分析 | 第50-51页 |
5.3 尿β2-微球蛋白参考值的空间分析与制图 | 第51-55页 |
5.3.1 尿β2-微球蛋白参考值的正态分布检验 | 第51-52页 |
5.3.2 尿β2-微球蛋白的克里金插值 | 第52-54页 |
5.3.3 尿β2-微球蛋白参考值的热点分析 | 第54-55页 |
5.4 本章小结 | 第55-58页 |
第六章 分析与讨论 | 第58-62页 |
6.1 地理环境对乳酸脱氢酶参考值的影响分析 | 第58-59页 |
6.2 地理环境对尿β2-微球蛋白参考值的影响分析 | 第59页 |
6.3 结论 | 第59-62页 |
第七章 总结与展望 | 第62-64页 |
7.1 创新点 | 第62页 |
7.2 不足及展望 | 第62-64页 |
参考文献 | 第64-74页 |
致谢 | 第74-76页 |
攻读硕士期间的研究成果 | 第76页 |