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486 | 下载477

目的 探讨采用根据患者数据制作的角膜塑形镜验配模型提高处方准确率和工作效率的可行性.方法 提取750例(1 467只眼)配戴角膜塑形镜的近视眼患者(男性362例,女性388例;年龄中位数11岁)的1 467条医学验光检查数据及角膜地形图检查数据,通过随机逻辑回归模型、决策树、逐步回归分析法筛选处方变量影响因子,并将数据全集通过Python语言中的随机函数划分为训练集(1 173,80.0%)和测试集(294条,20.0%),选用逻辑回归和多元线性回归分析法应用于训练集建立拟合模型,绘制受试者工作特征曲线(ROC曲线)确定逻辑回归模型的最佳阈值(1.0),并将模型用于测试集和全集的验证,通过混淆矩阵、准确度等综合评估指标的横向和纵向对比,预测值与真值Bland-Altman分析,最终验证模型的有效性.结果 选择Kf(与Ks垂直模拟角膜曲率读数)-FK(平K设计)、Ks(模拟最大角膜曲率读数)-SK(陡K设计)为模型拟合因变量(放大结果值的变异权重),通过逐步回归分析得出Kf-FK影响变量因子为Kf(P=0.010)、Emean(偏心率平均值)(P=0.027)、CYL(柱镜度数)(P<0.001).转化后的拟合函数:FK=6.23+0.866kf-1.69Emean+0.16CYL,验证拟合优度达到81%(r2=0.95),Ks-SK影响变量为Ks(P<0.001)、CYL(P<0.001)、Emean (P<0.001).转化后拟合函数:SK=6.84+0.862ks-

作者:张清桃;谢培英;杨丽娜;周建兰

来源:中华眼科杂志 2019 年 55卷 2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:486 | 下载:477
作者:
张清桃;谢培英;杨丽娜;周建兰
来源:
中华眼科杂志 2019 年 55卷 2期
标签:
接触镜 视力测定法 角膜地形图 机器学习 数据挖掘 Contact lenses Optometry Corneal topography Machine learning Data mining
目的 探讨采用根据患者数据制作的角膜塑形镜验配模型提高处方准确率和工作效率的可行性.方法 提取750例(1 467只眼)配戴角膜塑形镜的近视眼患者(男性362例,女性388例;年龄中位数11岁)的1 467条医学验光检查数据及角膜地形图检查数据,通过随机逻辑回归模型、决策树、逐步回归分析法筛选处方变量影响因子,并将数据全集通过Python语言中的随机函数划分为训练集(1 173,80.0%)和测试集(294条,20.0%),选用逻辑回归和多元线性回归分析法应用于训练集建立拟合模型,绘制受试者工作特征曲线(ROC曲线)确定逻辑回归模型的最佳阈值(1.0),并将模型用于测试集和全集的验证,通过混淆矩阵、准确度等综合评估指标的横向和纵向对比,预测值与真值Bland-Altman分析,最终验证模型的有效性.结果 选择Kf(与Ks垂直模拟角膜曲率读数)-FK(平K设计)、Ks(模拟最大角膜曲率读数)-SK(陡K设计)为模型拟合因变量(放大结果值的变异权重),通过逐步回归分析得出Kf-FK影响变量因子为Kf(P=0.010)、Emean(偏心率平均值)(P=0.027)、CYL(柱镜度数)(P<0.001).转化后的拟合函数:FK=6.23+0.866kf-1.69Emean+0.16CYL,验证拟合优度达到81%(r2=0.95),Ks-SK影响变量为Ks(P<0.001)、CYL(P<0.001)、Emean (P<0.001).转化后拟合函数:SK=6.84+0.862ks-