| 英文缩略语 | 第1-9页 |
| Abstract | 第9-15页 |
| 摘要 | 第15-20页 |
| 1 绪论 | 第20-45页 |
| ·引言 | 第20-21页 |
| ·研究背景 | 第21-44页 |
| ·中国人口的老龄化 | 第21页 |
| ·缺血性心脑血管病的定义 | 第21-22页 |
| ·缺血性心脑血管病的危险因素及预测模型 | 第22-34页 |
| ·人工神经网络模型的原理及应用现状 | 第34-44页 |
| ·研究内容 | 第44页 |
| ·研究目的及意义 | 第44-45页 |
| 2 资料和方法 | 第45-64页 |
| ·资料来源 | 第45-46页 |
| ·质量控制 | 第46-49页 |
| ·体检数据质量控制 | 第46-47页 |
| ·调查数据质量控制 | 第47-49页 |
| ·模型 | 第49-58页 |
| ·BP人工神经网络模型 | 第49-55页 |
| ·生存分析和COX比例风险回归模型 | 第55-58页 |
| ·模型能力评价 | 第58-59页 |
| ·技术路线 | 第59-60页 |
| ·模型构建过程 | 第60页 |
| ·变量及其测量方法 | 第60-62页 |
| ·软件平台 | 第62-64页 |
| ·Epidata 3.1 | 第62页 |
| ·Stata 9/SE | 第62-63页 |
| ·Matlab 7.0 | 第63-64页 |
| 3 研究结果 | 第64-102页 |
| ·老年保健人群概况 | 第64-76页 |
| ·数据整理过程 | 第64页 |
| ·老年保健人群的健康水平 | 第64-70页 |
| ·基线人群概况 | 第70-76页 |
| ·危险因素与ICVD事件的单因素分析 | 第76-78页 |
| ·基线时年龄、BMI、SBP与ICVD事件 | 第76页 |
| ·TC、TG、HDL-C、Scr、ApoAⅠ与ICVD事件 | 第76-77页 |
| ·糖尿病、吸烟与ICVD事件 | 第77-78页 |
| ·建立训练组及预测组 | 第78-79页 |
| ·抽样过程 | 第78页 |
| ·训练组及预测组的可比性 | 第78-79页 |
| ·构建BP人工神经网络模型 | 第79-95页 |
| ·训练样本的确立 | 第79-80页 |
| ·变量值的归一化处理 | 第80-81页 |
| ·网络初始化 | 第81-82页 |
| ·输入层设计 | 第82页 |
| ·隐含层设计 | 第82页 |
| ·输出层设计 | 第82页 |
| ·网络训练 | 第82-83页 |
| ·网络仿真 | 第83-90页 |
| ·模型的确立 | 第90-95页 |
| ·构建Cox比例风险回归模型 | 第95-99页 |
| ·检验PH假定 | 第95-96页 |
| ·多因素分析 | 第96-97页 |
| ·建立预测模型 | 第97-99页 |
| ·模型的验证及比较 | 第99-102页 |
| ·模型的判别能力 | 第99-100页 |
| ·模型预测的准确性 | 第100-101页 |
| ·群体水平的预测能力 | 第101-102页 |
| 4 讨论 | 第102-110页 |
| ·样本量 | 第102页 |
| ·本研究老年保健人群ICVD的发病率和死亡率 | 第102-103页 |
| ·ICVD的危险因素 | 第103-105页 |
| ·ICVD的常用预测模型 | 第105-107页 |
| ·预测模型和诊断试验的区别和联系 | 第107-108页 |
| ·人工神经网络模型的应用价值 | 第108-110页 |
| 5 小结 | 第110-112页 |
| ·结论 | 第110页 |
| ·本研究的创新之处 | 第110页 |
| ·本研究的不足 | 第110-111页 |
| ·下一步的研究方向 | 第111-112页 |
| 致谢 | 第112-113页 |
| 参考文献 | 第113-123页 |
| 附录 1 【综述】 | 第123-133页 |
| 参考文献 | 第131-133页 |
| 附录 2 【综述】 | 第133-140页 |
| 参考文献 | 第138-140页 |
| 附录 3 《军队干部健康状况调查表》QES 文件 | 第140-150页 |
| 附录 4 BP 人工神经网络不同隐单元数时的仿真拟合曲线图 | 第150-155页 |
| 附录 5 疾病的预测模型及应用 | 第155-163页 |
| 攻读博士学位期间取得成果 | 第163页 |