基于机器学习模型提高胃镜使用的合理性
| 摘要 | 第4-7页 |
| abstract | 第7-10页 |
| 第一章 引言 | 第14-20页 |
| 1.1 胃镜是上消化道疾病的重要诊断方法 | 第14页 |
| 1.2 临床实践中过度使用胃镜的问题 | 第14-15页 |
| 1.3 胃镜前筛查是解决过度使用胃镜的方法 | 第15页 |
| 1.4 胃镜前筛查方法的研究现状 | 第15-17页 |
| 1.5 机器学习模型提高预测疾病风险的准确度 | 第17-18页 |
| 1.6 小结 | 第18-20页 |
| 第二章 研究方法 | 第20-32页 |
| 2.1 研究人群 | 第20页 |
| 2.1.1 研究人群纳入标准 | 第20页 |
| 2.1.2 研究人群排除标准 | 第20页 |
| 2.2 问卷调查 | 第20-22页 |
| 2.2.1 问卷内容 | 第20-22页 |
| 2.2.2 问卷结果采集及记录 | 第22页 |
| 2.3 血清学检查 | 第22-25页 |
| 2.3.1 血液标本的采集与运输 | 第22-23页 |
| 2.3.2 胃功能四项的检验方法 | 第23-25页 |
| 2.4 胃镜检查 | 第25-27页 |
| 2.4.1 知情同意 | 第26页 |
| 2.4.2 术前准备 | 第26页 |
| 2.4.3 胃镜检查操作规范 | 第26-27页 |
| 2.5 病理检查 | 第27页 |
| 2.6 机器学习模型的建立 | 第27-30页 |
| 2.6.1 数据预处理 | 第28页 |
| 2.6.2 机器学习模型的选择 | 第28-30页 |
| 2.7 模型效率验证 | 第30页 |
| 2.8 统计学方法 | 第30页 |
| 2.9 小结 | 第30-32页 |
| 第三章 研究结果 | 第32-50页 |
| 3.1 纳入病例的内镜与病理诊断情况 | 第32-33页 |
| 3.2 纳入因素的单因素相关分析 | 第33-42页 |
| 3.2.1 人口学变量与胃镜结果的相关性 | 第33-35页 |
| 3.2.2 饮食生活相关变量与胃镜结果的相关性 | 第35-37页 |
| 3.2.3 既往病史与胃镜结果的相关性 | 第37-39页 |
| 3.2.4 消化道症状与胃镜结果的相关性 | 第39-41页 |
| 3.2.5 血清学检查与胃镜结果的相关性 | 第41-42页 |
| 3.3 单变量预测胃镜结果效果 | 第42-43页 |
| 3.4 机器学习模型的预测效果 | 第43-47页 |
| 3.4.1 机器学习模型预测变量的重要性 | 第43-45页 |
| 3.4.2 机器学习模型对训练集的拟合效果 | 第45-46页 |
| 3.4.3 机器学习模型对测试集的预测效果 | 第46-47页 |
| 3.5 机器学习模型实际应用 | 第47-48页 |
| 3.6 小结 | 第48-50页 |
| 第四章 讨论 | 第50-54页 |
| 4.1 胃镜阳性结果的重要相关因素 | 第50-52页 |
| 4.1.1 上消化道息肉病史 | 第50-51页 |
| 4.1.2 血清胃功能四项 | 第51页 |
| 4.1.3 临床症状 | 第51-52页 |
| 4.1.4 饮食和生活习惯 | 第52页 |
| 4.2 机器学习模型筛选的选择 | 第52-53页 |
| 4.3 小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 5.1 结论 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录1 | 第60-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |
