8、医学机器学习中的数据分析方法

医学机器学习中的数据分析方法

1. 广义线性模型事件率分析

1.1 研究目的与问题

旨在评估在纵向研究中，能否使用广义线性模型模块分析事件率（即每人每期的事件数量）。具体科学问题为：广义线性建模能否被训练以预测阵发性心房颤动（PAF）发作率，包括群体和个体未来患者的情况。

1.2 数据示例

对50名接受两种平行治疗方式的患者进行了PAF发作次数的跟踪。部分数据展示如下：
| Var 1 | Var 2 | Var 3 | Var 4 | Var 5 |
| — | — | — | — | — |
| 1 | 56,99 | 42,45 | 73 | 4 |
| 1 | 37,09 | 46,82 | 73 | 4 |
| 0 | 32,28 | 43,57 | 76 | 2 |
|… |… |… |… |… |

其中，Var 1为治疗方式，Var 2为心理评分，Var 3为社会评分，Var 4为观察天数，Var 5为PAF发作次数。完整数据文件名为“generalizedlmeventrates”，可在extras.springer.com获取。

1.3 计算机自我学习预测

使用SPSS 19.0进行训练和结果预测，它使用XML文件存储数据。具体操作步骤如下：
1. 打开数据文件。
2. 执行线性回归分析，以变量5为结果变量，其他4个变量为预测变量。

Command: 
Analyze….Regression….Linear