辨析常见的医学数据分析(相关性分析&&回归分析)

您所在的位置:网站首页 双变量相关性分析方法会出现的误差 辨析常见的医学数据分析(相关性分析&&回归分析)

辨析常见的医学数据分析(相关性分析&&回归分析)

2024-07-11 04:12| 来源: 网络整理| 查看: 265

目录

 0  统计学方法的总结梳理

1 常见的三种分类结果?

2 什么是相关性分析?

        相关性分析的结果怎么看?

3 什么是回归分析?

        1)前提

        2)常见的回归模型

4 对于存在对照组实验的医学病例如何分析?

1)卡方检验

2)Fisher 精确概率法

 0  统计学方法的总结梳理

         摘自公众号鸿创医研,关于统计学方法的总结梳理如下图:

        为了更好理解下述辨析,假设有一份关于膝关节骨性关节炎的数据:(注:这里仅为示意,没有任何医学借鉴含义)

患者编号年龄性别BMI是否为关节炎关节炎严重程度软骨损伤类型00160023.41-是轻度1-软骨软化00256126.11-是中度2-软骨裂隙00364025.51-是轻度3-局灶性缺损00463026.81-是重度4-弥漫性变薄*软骨损伤类型的分类方式参考了文献《Deep Learning Approach for Evaluating Knee MR Images: Achieving High Diagnostic Performance for Cartilage Lesion Detection》 1 常见的三种分类结果?

        二元分类:e.g. 是/否 为关节炎

        多元有序分类:疾病严重程度的分级(分类结果有序且等差,e.g.轻度、中度、重度依次等差递增)

        多元无序分类:疾病的种类,e.g.肺癌、乳腺癌、胃癌,这里如软骨损伤的类型。这些分类结果没有等级上的关系,都是并列关系的诊断结果。

2 什么是相关性分析?

        两个变量之间是否存在相关性及计算相关程度的大小。

        主要分为两类:线性相关 && 秩相关

线性相关分析秩相关分析类型参数检验非参数检验数据需求双定量变量(连续型数值变量),均满足正态分布定量或等级变量,即至少有一个变量为偏态分布或等级变量分析方法Pearson相关Spearman相关相关系数Pearson相关系数,rSpearman相关系数,r_{s}p值与结论p


【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3