您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览24 | 下载0

目的 通过分析全球健康数据交换中心(GHDX)中1990-2019年中国喉癌发病与死亡数据,描述发病与死亡当前趋势,采用Kalman[ELM-SVR-GM(1,1)]融合模型预测未来喉癌5年发病率与死亡率数据.方法 分性别、年龄利用Joinpoint Regression计算发病率及死亡率的年平均变化百分比(AAPC),分类别描述喉癌发病与死亡趋势.利用1990-2015年数据训练极端学习机模型、支持向量回归模型、单变量一阶灰度模型,并将结果使用Kalman融合,以2016-2019年数据检验单模型及融合模型的预测效果.以1990-2019年数据建立预测精度最高的融合模型,对2020-2024年喉癌各类别发病率及死亡率进行预测.结果 1990-2019年喉癌发病率与死亡率逐年升高,发病率由1.19/10万上升至3.19/10万,死亡率由0.97/10万上升至1.42/10万.其中,男性发病率与死亡率最高,分别平均每年上升3.93%与1.72%,15~49岁男性发病率平均每年升高最快,为2.53%.6种序列预测中,Kalman[ELM-SVR-GM(1,1)]融合模型的平均MRE最低,其预测数据均落在95%CI内.结论 喉癌发病率与死亡率均呈现上升趋势,其中15~49岁男性发病率上升较快,与单模型相比,Kalman[ELM-SVR-GM(1,1)]融合模型对喉癌发病率与死亡率预测具较高预测精度,为喉癌防控提供可靠的预测方法.

作者:崔静;张倩

来源:疾病监测 2023 年 38卷 8期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:24 | 下载:0
作者:
崔静;张倩
来源:
疾病监测 2023 年 38卷 8期
标签:
喉癌 趋势分析 极端学习机模型 支持向量回归模型 单变量一阶灰度模型 Kalman融合模型 Laryngeal cancer Trend analysis Extreme learning machine model Support vector regression model Single variable first-order gray model Kalman fusion model
目的 通过分析全球健康数据交换中心(GHDX)中1990-2019年中国喉癌发病与死亡数据,描述发病与死亡当前趋势,采用Kalman[ELM-SVR-GM(1,1)]融合模型预测未来喉癌5年发病率与死亡率数据.方法 分性别、年龄利用Joinpoint Regression计算发病率及死亡率的年平均变化百分比(AAPC),分类别描述喉癌发病与死亡趋势.利用1990-2015年数据训练极端学习机模型、支持向量回归模型、单变量一阶灰度模型,并将结果使用Kalman融合,以2016-2019年数据检验单模型及融合模型的预测效果.以1990-2019年数据建立预测精度最高的融合模型,对2020-2024年喉癌各类别发病率及死亡率进行预测.结果 1990-2019年喉癌发病率与死亡率逐年升高,发病率由1.19/10万上升至3.19/10万,死亡率由0.97/10万上升至1.42/10万.其中,男性发病率与死亡率最高,分别平均每年上升3.93%与1.72%,15~49岁男性发病率平均每年升高最快,为2.53%.6种序列预测中,Kalman[ELM-SVR-GM(1,1)]融合模型的平均MRE最低,其预测数据均落在95%CI内.结论 喉癌发病率与死亡率均呈现上升趋势,其中15~49岁男性发病率上升较快,与单模型相比,Kalman[ELM-SVR-GM(1,1)]融合模型对喉癌发病率与死亡率预测具较高预测精度,为喉癌防控提供可靠的预测方法.