典型文献
MMPC-Tabu混合算法的贝叶斯网络模型在高脂血症相关因素研究中的应用
文献摘要：
目的 本研究采用MMPC-Tabu混合算法构建山西省高脂血症的贝叶斯网络模型,研究高脂血症及其相关因素间的网络关系及相关程度,并通过贝叶斯网络对高脂血症进行患病风险推理,为慢病影响因素分析提供更合理的建模方法.方法 采用logistic回归对山西省18岁以上居民高脂血症的调查数据进行变量初步筛选,再以MMPC-Tabu混合算法和极大似然估计法构建贝叶斯网络.结果 2013年山西省高脂血症患病率为42.6％(95％CI:41.1％ ～44.1％).将logistic回归初筛与高脂血症有关的9个变量,采用MMPC-Tabu算法构建高脂血症的贝叶斯网络模型,结果显示:中心性肥胖和BMI与高脂血症直接相关,是高脂血症的父节点,即它们与高脂血症的发生有关;高血压、身体活动、性别、年龄、地区、糖尿病通过影响中心性肥胖和BMI间接影响高脂血症的发生.结论 贝叶斯网络可以反映因素与疾病整体联动效应,揭示高脂血症直接和间接相关的因素和关联强度,同时阐明除高脂血症以外的其他影响因素间的关系,可为慢性病与相关因素的研究提供合理的方法.
文献关键词：
贝叶斯网络;最大最小父子集——禁忌搜索;高脂血症
中图分类号：
作者姓名：
王旭春;宋伟梅;潘金花;任浩;张壮;翟梦梦;陈利民;仇丽霞
作者机构：
山西医科大学公共卫生学院卫生统计教研室 030001;太原市健康教育中心;复旦大学公共卫生学院;山西省人民医院
文献出处：
引用格式：
[1]王旭春;宋伟梅;潘金花;任浩;张壮;翟梦梦;陈利民;仇丽霞-.MMPC-Tabu混合算法的贝叶斯网络模型在高脂血症相关因素研究中的应用)[J].中国卫生统计,2022(03):345-350,355
A类：
风险推理
B类：
MMPC,Tabu,混合算法,贝叶斯网络模型,高脂血症,相关因素研究,网络关系,患病风险,慢病,更合,logistic,初步筛选,再以,极大似然估计,患病率,初筛,中心性肥胖,身体活动,间接影响,整体联动,联动效应,慢性病,父子,子集,禁忌搜索
AB值：
0.182492
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
