- · 《决策与信息》栏目设置[09/01]
- · 《决策与信息》数据库收[09/01]
- · 《决策与信息》投稿方式[09/01]
- · 《决策与信息》征稿要求[09/01]
- · 《决策与信息》刊物宗旨[09/01]
一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。 二、不要超过10000字为宜，精粹的短篇，尤为欢迎。 三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。 四、凡来稿请作者自留底稿，恕不退稿。 五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式： 基金项目：项目名称（编号） 作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。
外科学论文_机器学习和传统列线图预测软骨肉瘤
作者:网站采编关键词:
摘要：文章目录 材料与方法 一、数据来源、纳入标准与排除标准 1.数据来源： 2.纳入标准： 3.排除标准： 二、统计学处理 三、Nomogram 的建立 四、支持向量机 五、决策树 六、神经网络 七、
文章目录
材料与方法
一、数据来源、纳入标准与排除标准
1.数据来源：
2.纳入标准：
3.排除标准：
二、统计学处理
三、Nomogram 的建立
四、支持向量机
五、决策树
六、神经网络
七、模型能力验证与评价
结 果
一、患者的基线特征
二、单因素和多因素 Logistics 回归分析总结
三、Nomogram 的建立与验证
四、持向量机建立与验证
五、决策树的建立与验证
六、神经网络的建立与验证
七、模型能力评价
讨 论
文章摘要:目的探讨开发 Nomogram 和机器学习的软骨肉瘤患者的肺转移风险对的预测模型,为临床工作提供帮助。方法 2010 年至 2016 年的监测,流行病学和最终结果 （The Surveillance,Epidemiology,and End Results,SEER） 数据库获得的软骨肉瘤患者数据,然后通过单因素和多因素 Logistics 回归进行筛选,确定肺转移的危险因素。分别建立预测软骨肉瘤肺转移风险模型:Nomogram,支持向量机,决策树和神经网络。使用 10-fold cross validation 检验模型预测能力,计算平均 AUC 值,绘制最大 AUC 值的 ROC 曲线。结果本研究共纳入 944 例。Logistics 回归分析显示,淋巴转移或未知、更大的肿瘤体积、更低的分化等级为软骨肉瘤患者出现肺转移的独立危险因素。建立预测软骨肉瘤肺转移风险的 Nomogram 的平均 AUC 为 0.83,支持向量机的平均 AUC 为 0.81,决策树的平均 AUC 为 0.73,神经网络的平均 AUC 为 0.76。结论淋巴转移或未知、更大的肿瘤体积、更低的分化等级为软骨肉瘤患者出现肺转移的独立危险因素。建立的 Nomogram、支持向量、决策树和神经网络 4 个模型均有较好的预测能力。
文章关键词:
论文分类号:R738.1
文章来源：《决策与信息》 网址: http://www.jcyxxzz.cn/qikandaodu/2022/0119/1557.html