您当前的位置：
首页 > 文献资料
所属专业：
分类判别模型文献资料
-
基于贝叶斯定理的常见呼吸道传染病分类判别模型研究
目的：基于贝叶斯定理建立常见呼吸道传染病的分类判别模型，为传染病暴发疫情调查和实验室检测提供病因线索。方法通过查阅文献、历史疫情数据和暴发疫情调查报告，收集常见传染病的症状、体征、实验室检测结果、流行病学特征及发病数据。基于朴素贝叶斯分类算法原理，采用 SAS 9．1．3软件建立分类判别模型，并分别用2013—2015年浙江省发生的流行性感冒、流行性腮腺炎、水痘和麻疹各2起疫情数据对模型的判别效果进行验证。结果8起疫情的第一位次判别概率低为20．00％、高为100．00％、中位数为53．85％，前三位次判别概率低为55．00％、高为100．00％、中位数为98．34％。第一位次判别的灵敏度中位数为53．85％，特异度中位数为100．00％，阳性似然比小为5．73、大趋向无穷大；前三位次判别的灵敏度中位数为98．34％，特异度中位数为82．14％，阳性似然比小为1．26、大趋向无穷大。结论贝叶斯分类判别模型适用于常见呼吸道传染病的分类判别，判别效果达到实际工作要求，能够提高呼吸道传染病暴发疫情病因的早期判别能力。
