教育论文网

以含三七皂苷成分中药注射液为例建立ADR前置预测系统

论文目录
摘要第1-6页
abstract第6-7页
第一章 绪论第11-18页
    1.1 研究背景第11-14页
        1.1.1 药物不良反应及其危害第11页
        1.1.2 现有的药物不良反应监测技术第11-12页
            1.1.2.1 药物不良反应病历回顾法第11-12页
            1.1.2.2 基于工具的药物不良反应风险评估第12页
            1.1.2.3 药物不良反应报告法第12页
            1.1.2.4 药物不良反应观察法第12页
        1.1.3 药物不良反应预测研究的关键点第12-14页
        1.1.4 中药注射剂的现状第14页
    1.2 机器学习在药物不良反应研究的国内外研究现状第14-15页
    1.3 本文的主要贡献与创新第15-16页
    1.4 本论文的结构安排第16-18页
第二章 血塞通和血栓通注射液的ADR报告情况第18-31页
    2.1 数据的来源第18-19页
    2.2 研究方法第19-22页
        2.2.1 数据收集第19-21页
            2.2.1.1 纳入与排除标准第19页
            2.2.1.2 检索策略第19页
            2.2.1.3 文献信息提取第19-20页
            2.2.1.4 检索结果第20页
            2.2.1.5 纳入研究的结果第20-21页
        2.2.2 数据录入第21页
        2.2.3 数据分析第21-22页
    2.3 研究结果与讨论第22-30页
        2.3.1 患者的一般情况第23-24页
        2.3.2 患者所患疾病情况第24-25页
        2.3.3 患者用药情况第25-27页
            2.3.3.1 血塞通和血栓通单次用药剂量及溶媒使用情况第25-26页
            2.3.3.2 患者联合用药情况第26-27页
        2.3.4 药物不良反应发生及预后情况第27-30页
            2.3.4.1 药物不良反应发生时间第27-28页
            2.3.4.2 药物不良反应严重程度第28页
            2.3.4.3 药物不良反应累及系统器官及临床表现第28-29页
            2.3.4.4 药物不良反应的处置第29页
            2.3.4.5 药物不良反应的预后情况第29-30页
    2.4 本章小结第30-31页
第三章 血塞通和血栓通注射液ADR预测模型的数据集分析第31-46页
    3.1 数据的来源第31页
    3.2 研究方法第31-33页
        3.2.1 样本量的计算第31页
        3.2.2 变量赋值第31-32页
        3.2.3 数据分析第32-33页
    3.3 研究结果及讨论第33-44页
        3.3.1 数据的分布情况第33-39页
        3.3.2 单因素分析第39-41页
        3.3.3 多因素分析第41-44页
    3.4 本章小结第44-46页
第四章 以含三七皂苷成分的中药注射液建立ADR预测模型第46-72页
    4.1 数据的来源第46页
    4.2 研究方法第46-54页
        4.2.1 数据预处理第46-48页
            4.2.1.1 数据合并第47页
            4.2.1.2 数据分区第47页
            4.2.1.3 数据转换第47页
            4.2.1.4 数据清洗第47页
            4.2.1.5 数据消减第47-48页
            4.2.1.6 处理类别不平衡第48页
        4.2.2 模型原理第48-52页
            4.2.2.1 K最近邻算法概述第48-49页
            4.2.2.2 支持向量机概述第49-50页
            4.2.2.3 随机森林概述第50-51页
            4.2.2.4 梯度提升决策树概述第51-52页
        4.2.3 评价模型的方法第52-53页
        4.2.4 建立药物不良反应预测平台第53-54页
    4.3 研究结果与讨论第54-70页
        4.3.1 特征筛选前四种算法的模型情况第54-55页
        4.3.2 筛选特征第55-56页
        4.3.3 特征筛选后KNN算法建模第56-59页
            4.3.3.1 匹配组中的KNN建模情况第56-58页
            4.3.3.2 随机组中的KNN建模情况第58-59页
        4.3.4 特征筛选后SVM算法建模第59-62页
            4.3.4.1 匹配组中的SVM建模情况第59-60页
            4.3.4.2 随机组中的SVM建模情况第60-62页
        4.3.5 特征筛选后RF算法建模第62-64页
            4.3.5.1 匹配组中的RF建模情况第62-63页
            4.3.5.2 随机组中的RF建模情况第63-64页
        4.3.6 特征筛选后GBDT算法建模第64-67页
            4.3.6.1 匹配组中的GBDT建模情况第64-66页
            4.3.6.2 随机组中的GBDT建模情况第66-67页
        4.3.7 特征筛选后的模型对比第67-69页
        4.3.8 网络预测平台的建立第69-70页
    4.4 本章小结第70-72页
第五章 全文总结与展望第72-74页
    5.1 全文总结第72-73页
        5.1.1 本研究的创新性第72页
        5.1.2 本研究的局限性第72-73页
    5.2 后续工作展望第73-74页
致谢第74-75页
参考文献第75-81页
附录第81-90页
攻读硕士学位期间取得的成果第90页

本篇论文共90页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 jordan08** 提供,作者删除入口请点击这里