目的 运用贝叶斯网络(Bayesian network,BNT)分析肝癌病人资料,探索肝癌预后影响因素间的相互关系.方法 依据最小描述长度(Minimal Description Length,MDL,)准则学习网络结构.对完整数据运用极大似然估计(Maximum likelihood estimation,MLE)获得网络参数,对含有缺失值的数据运用期望最大化(Expectation Maximization.EM)算法进行参数学习,并与完整数据的MLE估计进行比较,衡量BNT学习含有缺失值数据的能力.结果 通过对含有1 441个样本的肝癌资料的学习,构建了一个含有49个结点,62条有向边的BNT模型,并获得各结点参数.网络中的有向边反映肝癌预后影响因素之间的相互作用或影响,网络参数反映其强度.分析了直接影响肝癌预后和分期的指标.并依据网络参数,判断肝癌分期及预后情况.结论 BNT模型具有较强的处理缺失数据的能力, 应用BNT分析肝癌病人资料,揭示了影响肝癌预后的多因素间,多层次的多重因果关系,并从概率角度定量描述各因素问的影响强度.
作者:虞慧婷;吴骋;柳伟伟;贺佳
来源:中国卫生统计 2008 年 25卷 1期