|
|
|
基於大數據時代生物醫學數據的爆炸式增長，本書從醫學科研中的實際問題出發，以案例的形式深入淺出地介紹醫學數據挖掘技術，包括決策樹模型、支援向量機、隨機森林分類、關聯規則、貝葉斯網路構建等，並詳細介紹數據挖掘軟體（SPSS、SAS和R等）的操作步驟，重點突出實用性和可操作性，以期提高讀者對醫學科研數據的深層次處理與分析的能力。本書第1版自出版以來，得到了廣大醫學生和醫學工作者的肯定，被很多醫學類院校選用為數據挖掘類課程教材。
考慮近年來新的醫學數據挖掘方法層出不窮，並在臨床醫學和基礎醫學研究中有潛在的應用價值，因此本書在第2版中增加了Logistic回歸諾莫圖的繪製、決策曲線分析、Cox回歸的諾莫圖繪製、偏AUC分析、Lasso回歸、決策樹回歸、網路Meta分析、偏最小二乘判別分析和系統聚類圖的各類圖形展示等內容，並仍以案例的形式詳細講解如何應用R軟體操作實現。本書主要取材于編者近年來從事生物醫學數據深度挖掘方面的研究與教學工作內容，可作為醫學院校本科生及研究生教材，也可作為醫學基礎及臨床科研工作者和相關技術人員科學研究的參考用書。
第1章 數據預處理 1
1.1 異常值的常見處理方法 1
1.2 缺失值填補的SPSS軟體實現 8
1.3 缺失值填補的R軟體實現 12
第2章 多元線性回歸分析 17
2.1 多元線性回歸的概念 17
2.2 多元線性回歸的模型結構 17
2.3 多元逐步線性回歸 20
第3章 Logistic回歸分析 25
3.1 Logistic回歸分析的基本概念 25
3.2 Logistic回歸的模型結構 25
3.3 應用實例1：一般資料的Logistic回歸 26
3.4 應用實例2：列聯表資料的Logistic回歸 29
3.5 應用實例3：多項Logistic回歸分析 31
3.6 Logistic回歸模型的Nomogram圖展示 34
3.7 多個Logistic回歸模型評價的決策曲線分析法 38
第4章 非線性回歸擬合分析 43
4.1 非線性回歸基本概念 43
4.2 應用實例1：對新增SARS病例數的預測分析 43
4.3 應用實例2：對累計SARS病例數的預測分析 48
第5章 生存分析 52
5.1 生存分析的基本概念 52
5.2 生存分析的資料特點 52
5.3 生存資料的分析方法 53
5.4 應用實例1：累積生存率的計算 53
5.5 應用實例2：小樣本生存率的Kaplan-Meier估計 56
5.6 應用實例3：生存曲線比較的Log-rank檢驗 59
5.7 應用實例4：Cox回歸 63
5.7.1 Cox模型結構與參數估計 64
5.7.2 應用實例：Cox回歸分析 64
5.7.3 Cox回歸的諾莫圖繪製 67
第6章 基於競爭風險模型的生存分析 71
6.1 競爭風險模型 71
6.2 應用實例：競爭風險模型的生存分析 71
第7章 Meta分析 77
7.1 Meta分析概述 77
7.2 Meta分析的方法與步驟 77
7.3 應用實例1：二分類資料的Meta分析 78
7.4 應用實例2：連續資料的Meta分析 86
第8章 劑量-反應模型的Meta分析 91
8.1 劑量-反應關係的數據結構 91
8.2 線性擬合 92
8.3 非線性擬合-三次曲線擬合 94
第9章 決策樹模型分析 96
9.1 分類的概念 96
9.2 分類的步驟 96
9.3 分類器性能的評估 97
9.4 決策樹分類器簡介 97
9.5 應用實例：決策樹分類分析 99
9.6 應用實例：決策樹回歸分析 102
第10章 隨機森林法提取特徵屬性 105
10.1 隨機森林方法基本概念 105
10.2 基於平均基尼指數減少量的特徵屬性選擇 105
10.3 應用實例：隨機森林法提取特徵屬性 107
第11章 傾向性得分匹配方法 113
11.1 傾向性得分匹配方法概述 113
11.2 傾向性得分匹配方法的步驟 113
11.3 應用實例：傾向性得分匹配 114
第12章 用廣義估計方程分析重複測量的定性資料 121
12.1 廣義估計方程的基本概念 121
12.2 廣義線性模型的結構 121
12.3 GEE演算法 122
12.4 應用實例1：重複測量的實驗數據 123
12.5 應用實例2：問卷調查中的多選題數據 124
第13章 基於支援向量機的微陣列數據分類 128
13.1 支持向量機簡介 128
13.2 支持向量機的基本原理 128
13.3 應用實例：支援向量機分類 130
第14章 時間序列分析 132
14.1 時間序列分析的基本概念 132
14.2 時間序列分析的主要步驟 132
14.3 應用實例：時間序列分析 133
第15章 路徑圖分析 138
15.1 路徑圖分析基本理論 138
15.2 路徑圖分析的基本步驟 138
15.3 應用實例：路徑圖分析 139
15.3.1 第一個回歸分析 139
15.3.2 第二個回歸分析 141
15.3.3 第三個回歸分析 142
第16章 主成分分析與因數分析 144
16.1 主成分分析概念 144
16.2 應用實例1：主成分分析 144
16.3 因數分析概念 151
16.4 應用實例2：因數分析 151
第17章 判別分析 156
17.1 判別分析的概念 156
17.2 常用的判別分析方法 156
17.3 判別函數的驗證 157
17.4 應用實例：判別分析 157
第18章 聚類分析 166
18.1 聚類分析的概念 166
18.2 K均值聚類法 166
18.3 應用實例1：K均值聚類及視覺化 167
18.4 系統聚類法 170
18.5 應用實例2：系統聚類 172
18.6 繪製雙向聚類熱圖 177
第19章 關聯規則 180
19.1 關聯規則的基本概念 180
19.2 關聯規則的品質和重要性 180
19.3 關聯規則分析的基本方法 181
19.4 應用實例：關聯規則分析 181
第20章 兩組ROC曲線下的面積比較 185
20.1 ROC曲線的構建 185
20.2 ROC曲線下面積 186
20.3 兩組ROC曲線下面積比較 186
20.4 應用實例：兩組ROC曲線下面積比較 186
20.5 偏AUC分析 189
第21章 診斷準確性試驗Meta分析 193
21.1 診斷準確性試驗Meta分析基本概念 193
21.2 診斷準確性試驗Meta分析的相關評價指標 193
21.3 應用實例：診斷準確性試驗Meta分析 194
第22章 網路Meta分析 199
22.1 網路Meta分析的概念 199
22.2 基於經典頻率派方法的網路Meta分析 200
22.3 基於貝葉斯方法的網路Meta分析 207
第23章 貝葉斯網路分析 216
23.1 貝葉斯網路的概念 216
23.2 應用實例：貝葉斯網路構建 217
第24章 偏最小二乘回歸與判別分析 222
24.1 偏最小二乘回歸的基本步驟和原理 222
24.2 應用實例：偏最小二乘回歸分析 223
24.3 偏最小二乘判別分析 226
第25章 Lasso回歸分析 233
25.1 基於Lasso方法的線性回歸模型 234
25.2 基於Lasso方法的Logistic回歸模型 237
25.3 基於Lasso方法的Cox回歸模型 241
參考文獻 244
