下载文档原格式
肝癌综合治疗疗效评估标准
肝癌综合治疗疗效评估标准主要包括以下几个方面：
1. 客观缓解率(ORR):指患者在治疗后肿瘤缩小或消失的比例。
通常使用RECIST标准进行评估，分为完全缓解(CR)、部分缓解(PR)、疾病稳定(SD)和疾病进展(PD)四个等级。
2. 疾病控制率(DCR):指患者在治疗后肿瘤缩小或消失的比例，以及疾病稳定的比例。
通常使用RECIST标准进行评估，分为CR、PR、SD和PD四个等级。
3. 生存率：指患者在治疗后存活的时间长度。
通常使用Kaplan-Meier曲线进行评估，包括总生存期(OS)和无进展生存期(PFS)。
4. 生活质量评估：指患者在治疗后身体功能、心理状态、社交能力等方面的改善程度。
通常使用EORTC QLQ-C30问卷进行评估。
5. 不良反应评估：指患者在治疗过程中出现的不良反应的程度和频率。
通常使用CTCAE标准进行评估，分为1-5级，其中1级表示轻微不良反应，5级表示严重不良反应。
Logistic回归模型与决策树模型在早期肝癌切除术后感染危险因素分析中的效果比较胡鹏蕴;赵宏峰;史保宾;杨小伟【期刊名称】《四川生理科学杂志》【年(卷),期】2022(44)9【摘要】目的:比较Logistic回归模型与决策树模型识别早期肝癌切除术后感染危险因素的效果。
方法:选取2018年10月-2020年12月于我院行肝癌切除术的76例早期肝癌患者,根据术后感染情况分为感染与未感染组;Logistic回归与决策树两种模型分别分析早期肝癌术后发生感染的危险因素。
结果:术后13例患者发生感染,发生率为17.11%。
感染与未感染组年龄、糖尿病史、肝功能分级、白蛋白水平、术中出血量、肝切除范围、引流管留置时间、输血及胆漏差异有统计学意义(P<0.05)。
Logistic回归分析显示,糖尿病史、白蛋白水平、出血量、引流管留置时间和胆漏为术后感染的危险因素(P<0.05)。
决策树图显示,糖尿病史、术中出血量、白蛋白水平、胆漏为影响患者术后感染的因素,其中糖尿病史的影响最显著。
结论:决策树与Logistic回归模型能相互补充,从各方面分析术后感染的危险因素,进一步为防治术后感染提供依据。
【总页数】4页(P1575-1578)【作者】胡鹏蕴;赵宏峰;史保宾;杨小伟【作者单位】新乡市中心医院肿瘤外科(普瘤三)肿瘤特需科;新乡医学院第四临床学院【正文语种】中文【中图分类】R73【相关文献】1.决策树模型与logistic回归模型在胃癌高危人群干预效果影响因素分析中的应用2.早期胃癌根治性切除术后残胃幽门螺旋杆菌感染的危险因素Logistic回归分析3.采用决策树和logistic回归模型分析全髋关节置换术后手术部位感染的影响因素4.决策树模型与logistic回归模型在生活饮用水水质影响因素分析中的应用5.HBV 肝硬化相关早期肝癌切除术后感染危险因素分析因版权原因，仅展示原文概要，查看原文内容请购买。
决策树在医学领域的应用决策树是一种常用的机器学习算法，它在医学领域的应用也日益广泛。
决策树可以帮助医生和研究人员做出重要的医疗决策，从而提高患者的治疗效果和生活质量。
决策树的基本原理是通过构建一棵树状结构来模拟决策过程。
在医学领域，决策树可以用来预测疾病的风险、诊断疾病、选择治疗方案等。
下面将分别介绍这些应用。
决策树可以用来预测疾病的风险。
医学研究人员可以使用决策树算法来分析大量的医疗数据，包括患者的个人信息、生活习惯、家族病史等。
通过对这些数据进行分析，可以建立一个预测模型，根据患者的特征来评估其患某种疾病的风险。
例如，可以利用决策树算法来预测一个人是否患有心脏病，从而提前采取预防措施，降低患病的风险。
决策树可以用来诊断疾病。
医生可以利用决策树算法来根据患者的症状和检查结果来做出诊断。
例如，对于一个患者来说，医生可以通过一系列的问题来了解患者的症状，然后根据决策树的分支来判断患者可能患有的疾病。
这种基于决策树的诊断方法可以帮助医生提高诊断的准确性和效率。
决策树还可以用来选择治疗方案。
对于同一种疾病，不同的患者可能需要采取不同的治疗方案。
医生可以利用决策树算法来根据患者的特征和病情来选择最适合的治疗方案。
例如，对于肺癌患者来说，决策树可以根据患者的年龄、性别、病情等因素来推荐手术、化疗、放疗等不同的治疗方式。
这样可以确保患者能够获得最佳的治疗效果。
决策树在医学领域的应用还有很多，例如帮助医生预测患者的预后、评估治疗效果、辅助医学研究等。
决策树算法的优点是易于理解和解释，可以处理多种类型的数据，而且对缺失数据和噪声具有较好的鲁棒性。
然而，决策树算法也存在一些局限性，例如容易过拟合、对数据的敏感性较高等，因此在实际应用中需要谨慎使用。
决策树在医学领域的应用具有重要的意义。
它可以帮助医生和研究人员做出重要的医疗决策，提高患者的治疗效果和生活质量。
随着人工智能和大数据技术的不断发展，决策树算法在医学领域的应用前景将会更加广阔。
基于决策树的医学诊断模型医学诊断是一项重要且复杂的任务，决策树是一种常用的机器学习算法，可以用于构建医学诊断模型。
本文将介绍基于决策树的医学诊断模型的特点、应用和优势。
一、决策树的基本原理决策树是一种基于判断条件的分支结构，通过对样本的特征进行判断并选择合适的路径，最终得到预测结果。
其主要原理包括以下步骤：1. 特征选择：选择最佳的特征作为分裂条件，一般使用信息增益、信息增益比、基尼指数等指标来评估特征的重要性。
2. 决策节点：根据选定的特征进行分裂，每个分支代表不同的取值，并继续对子节点进行分裂。
3. 叶子节点：最终到达叶子节点时，即得到决策结果。
二、基于决策树的医学诊断模型的应用基于决策树的医学诊断模型可以应用于多种疾病的诊断，如心脏病、乳腺癌、糖尿病等。
以下以糖尿病诊断为例进行说明。
1. 数据准备：收集糖尿病患者的相关临床特征数据，如年龄、血糖水平、胰岛素水平等。
2. 特征选择：对收集的特征进行预处理和筛选，选取对糖尿病诊断具有较大影响的特征。
3. 构建决策树：使用选定的特征构建决策树模型，采用信息增益、信息增益比等指标进行特征选择。
4. 模型训练：利用已知的糖尿病患者数据训练模型，调整决策树的参数，使其能够准确地分类糖尿病患者和非糖尿病患者。
5. 模型评估：使用测试集对训练好的模型进行评估，计算准确率、召回率、F1值等指标来评判模型的性能。
三、基于决策树的医学诊断模型的特点和优势基于决策树的医学诊断模型具有以下特点和优势：1. 可解释性强：决策树模型形成的决策规则可以直观地呈现在医生或患者面前，易于理解和解释。
2. 适用性广泛：决策树适用于多种类型的数据，既可以处理离散型特征，也可以处理连续型特征。
3. 容易构建和维护：相对于其他复杂的机器学习算法，决策树模型的构建和维护成本较低。
4. 对噪声和缺失值具有鲁棒性：决策树对数据中的噪声和缺失值具有较好的容忍性，不会对模型的性能造成过大影响。
ICG测定评估肝癌切除手术安全性的研究目的探讨结合吲哚菁绿（indocyanine green，ICG）清除实验决策树在评估肝癌切除手术安全性中的实际价值。
方法选取2013年1月～2015年12月在我院共收治肝癌患者40例，其中肝脏外科手术切除的肝癌患者28例，评估以吲哚氰绿15 min储留率（ICGR-15）为主的决策树评估肝部分切除术的安全性。
结果本次临床实验严格遵守日本东京大学肝胆胰外科临床治疗研究所提出的吲哚氰绿清除实验决策树原理，本组病例通过术后病理证实为肝癌共28例患者，28名肝癌患者所测ICGR-15等级呈递增趋势，其中Child-Pugh A级测量值为（6.5±1.8）%、B级测量值为（14.8±3.2）%、C级测量值为（23.1±4.1）%，3级测量值相比有明显差异（P＜0.05）。
且合并肝硬化患者的ICGR-15测量值明显高于无肝硬化患者。
此外，患者术后并无重大并发症与二次手术，患者手术后未出现肝功能衰竭致死现象，均安全出院。
结论以吲哚氰绿为基础所建立的肝胆癌患者清除决策树，在患者临床手术后，能辅助临床医生准确评估肝脏部分切除患者的肝功能现状，有效降低肝癌患者的并发症发病率，有效避免患者出现肝功衰竭，值得推广使用。
[Abstract] Objective To discuss the application value of decision-making tree with indocyanine green（ICG）cleaning experiment in safety evaluation of liver cancer resection. Methods 40 patients with liver cancer treated in our hospital from January 2013 to December 2015 were selected，of which 28 patients were given surgical resection. The safety of liver cancer resection determined by decision-making tree with 15 min retention rate of ICG（ICGR-15）was evaluated. Results This clinical trial strictly observed the principle of decision-making tree with ICG cleaning experiment raised by Clinical Treatment Institute of Hepatopancreatobiliary Surgery，University of Tokyo，Japan. Among the patients in this study，28 were confirmed with liver cancer by postoperative pathology. The grades of ICGR-15 of the 28 patients showed an increasing tendency，with the measurement values of Child-Pugh grade A as （6.5±1.8）%，grade B as （14.8±3.2）%，and grade C as（23.1±4.1）%. There were significant differences between the measurement values of the three grades（P＜0.05）. The values of ICGR-15 in patients combined with liver cirrhosis were significantly higher than those in patients without liver cirrhosis. In addition，there was no significant complication or second operation after surgery. No patient experienced hepatic failure causing death. All patients were safely discharged. Conclusion Decision-making tree based on indocyanine green cleaning experiment for liver cancer patients can assist surgeons to accurately evaluate the liver function of patients with partial liver resection，and can effectively reduce the incidence of complications and prevent patients from hepatic failure，thus is worthy to be promoted.[Key words] Hepatocellular carcinoma；Hepatectomy；Indocyanine green cleaning experiment；Hepatic failure如今，人们的生活质量逐渐提升，但受工作、环境等客观因素影响，我国癌症患者人数逐年攀升，原发性肝癌作为我国最为常见的恶性肿瘤之一，严重威胁人们的身体健康，据相关资料显示，原发性肝癌现已成为肿瘤患者致死的重要原因之一[1]。
（第三题）题目小样本量的肝癌手术治疗效果评价队长陈昭成员陈昭学校(院系)药学院指导教师无完成时间2013年4月20日综合评定成绩：评委评语：评委签名：小样本量的肝癌手术效果评价摘要：本文主要先从宏观上用神经网络多层感知器（MLP）探究应变量（预后影响）与各个因素之间是否存在某种输入输出关系；在此基础上从微观角度运用决策树的CART 算法，建立肝癌手术预测模型，对手术进行效果评价，利用生成的规则指导手术的方案的选择。
关键词：神经网络；多层感知器（MLP）；决策树；CART算法；预测模型Small sample size of liver cancer treatment evaluationAbstract:In this paper,starting with macro neural network Multilayer Perceptron(MLP)to explore the strain(prognosis)and the existence of some kind of input-output relationship between the various factors;CART algorithm from the microscopic point of view on this basis,we use decision tree to establish the liver cancer prediction model,and then to evaluate the effects of the surgery using the generated rules to guide the choice of surgery program..Key words:neural network;Multilayer Perceptron(MLP);decision tree;CART algorithm; prediction model.目录1.研究目标 (7)2.分析方法与过程 (7)2.1.总体流程 (7)2.2.具体步骤 (8)2.3.结果分析 (9)3.结论 (11)4.参考文献 (12)1.挖掘目标本次数据建模目标是选取某医院10年来肝癌4860个病例中20个有代表性的样本，先采用神经网络初步探究小样本量对手术治疗效果预测的情况；然后用决策树分析法（CART 算法）探究具体因素对手术的治疗效果的影响。
两种阿片类药物治疗癌痛的决策树分析
饶欣;王长连;许雄伟;王航
【期刊名称】《中国疼痛医学杂志》
【年(卷),期】2016(022)006
【摘要】目的:利用决策树模型评价盐酸羟考酮缓释片和硫酸吗啡缓释片治疗癌痛患者的成本-效果.方法:采用循证医学的方法搜集盐酸羟考酮缓释片与硫酸吗啡缓释片治疗癌痛的随机对照临床试验,进行Meta分析并得到相应的有效率及不良反应发生率,以决策树模型进行成本-效果分析.结果:癌痛患者使用盐酸羟考酮缓释片和硫酸吗啡缓释片治疗两周的成本-效果比分别为603.84、335.37,增量成本效果比为8003,敏感性分析后显示结果稳定.结论:硫酸吗啡缓释片治疗癌痛的成本-效果优于盐酸羟考酮缓释片.
【总页数】6页(P448-453)
【作者】饶欣;王长连;许雄伟;王航
【作者单位】福建医科大学附属第一医院药学部,福州350005;福建医科大学附属第一医院药学部,福州350005;福建医科大学附属第一医院药学部,福州350005;福建医科大学附属第一医院药学部,福州350005
【正文语种】中文
【相关文献】
1.长期应用阿片类药物治疗癌痛的不良反应及护理要点分析 [J], 朱文川
2.阿片类药物治疗老年中重度癌痛的不良反应分析 [J], 范玲丽
3.阿片类药物治疗癌痛效果的影响因素分析 [J], 汪丽娜;任若瑜
4.单纯强阿片类药物与腹腔内生场热疗联合强阿片类药物治疗癌痛的效果分析 [J], 丁昭珩;姚晓祥;肖元元;武建毅;朱纪华;朱麟玉;黄晓东
5.阿米替林联合阿片类药物治疗中重度癌痛伴抑郁患者疗效分析 [J], 徐象威;陈银巧;朱佩祯
因版权原因，仅展示原文概要，查看原文内容请购买。
决策树在医疗诊断中的实际应用随着人工智能技术的不断发展，决策树在医疗诊断中的实际应用也越来越广泛。
决策树是一种常用的机器学习算法，它可以根据一系列的观测结果和特征来预测或分类不同的结果。
在医疗领域，医生们可以利用决策树算法来辅助诊断疾病、制定治疗方案和预测病情的发展趋势。
一、决策树在癌症诊断中的应用在癌症诊断中，决策树可以根据患者的临床症状、病史、体格检查和各种化验结果等特征，帮助医生进行初步筛查和诊断。
决策树算法能够快速而准确地分析数据，找出与癌症相关的变量，帮助医生们排除一些不太可能的诊断，缩小诊断范围，提高诊断的准确性和效率。
此外，决策树还可以根据患者的个性化特征，制定个性化的治疗方案，提高治疗的精准度和有效性。
二、决策树在心脏病风险评估中的应用心脏病是一种常见的慢性病，及早发现和干预对患者的健康至关重要。
决策树可以根据患者的年龄、性别、血压、血脂、糖尿病史等多种因素，建立心脏病风险评估模型，帮助医生们预测患者患心脏病的可能性。
通过对患者个体化的风险评估，医生们可以有针对性地进行干预措施，如生活方式的调整、药物治疗等，有效地预防心脏病的发生和发展。
三、决策树在药物治疗方案选择中的应用在药物治疗方案选择中，决策树可以根据患者的基因型、病情、年龄、生活习惯等因素，帮助医生们选择最适合患者的个性化治疗方案。
通过分析大量的临床数据和病人的个人特征，决策树可以找出影响药物疗效和不良反应的关键因素，为医生们制定个性化的治疗方案提供科学依据，提高治疗的效果和安全性。
四、决策树在疾病预测和预后评估中的应用对于一些慢性疾病，如糖尿病、高血压等，决策树可以根据患者的临床特征和生活习惯等因素，预测患者未来患病的可能性，并评估患者的预后情况。
通过对患者的个性化风险预测和预后评估，医生们可以及时采取有效的干预措施，延缓病情的发展，提高患者的生活质量。
总之，决策树在医疗诊断中的实际应用给医生们提供了一种全新的思维方式和决策支持工具。
ICG 测定评估肝癌切除手术安全性的研究[摘要] 目的本文意在探讨结合吲哚菁绿（indocyanine green，ICG）清除实验决策树在评估肝癌切除手术安全性的中的实际价值。
方法选取2013年1月~2015年12月在我院共收治肝癌患者40例，其中肝脏外科手术切除的肝癌患者28例，评估以吲哚氰绿15 min储留率（ICGR-15）为主的决策树评估肝部分切除术的安全性。
结果本次临床实验严格遵守日本东京大学肝胆胰外科临床治疗研究所上所提出的吲哚氰绿清除实验决策树原理，本组病例中通过术后病理证实为肝癌的28例患者，28名肝癌患者所测ICGR-15等级呈递增趋势，其中Child-Pugh A级测量值为（6.5±3.7）%、B级测量值为（14.8±5.6）%、C级测量值为（23.1±6.3）%，3级测量值的相比有着明显差异（P＜0.05）。
且合并肝硬化患者的ICGR-15测量值明显高于无肝硬化患者。
此外，患者术后并无重大并发症与二次手术，0例患者手术后出现肝功能衰竭致死现象，均在我院疗养后安全出院。
结论以吲哚氰绿为基础所建立的肝胆癌患者清除决策树，在患者临床手术后，能辅助临床医生准确评估患者肝脏部分切除患者的肝功能现状，有效降低肝癌患者的并发症发病率，有效避免患者出现肝功衰竭，值得推广使用。
[关键词] 肝细胞肝癌；肝切除；吲哚氰绿清除试验；肝功能衰竭ICG measurement in safety evaluation of liver cancer resectionJIANG Jihua1ZHAN Yinchu1JIANG Renya1YAO Hongyu1WANG Zhengfei1F ANG Jian1 CHEN Kangjie21.Department of Hepatobiliary Surgery, Quzhou People’s Hospital in Zhejiang Province, Quzhou 324000, China;2.Department of Hepatopancreatobiliary Surgery, Zhejiang University First Affiliated Hospital, Hangzhou 310003, China[Abstract] Objective To discuss the application value of decision-making tree with indocyanine green (ICG) cleaning experiment in safety evaluation of liver cancer resection. Methods40 patients with liver cancer treated in our hospital from January 2013 to December 2015 were selected, of which 28 patients were given surgical resection. The safety of liver cancer resection determined by decision-making tree with 15 min retention rate of ICG (ICG-15) was evaluated. Results This clinical trial strictly observed the principle of decision-making tree with ICG cleaning experiment raised by Clinical Treatment Institute of Hepatopancreatobiliary Surgery, University of Tokyo, Japan. Among the patients in this study, 28 were confirmed with liver cancer by postoperative pathology. The grades of ICGR-15 of the 28 patients showed an increasing tendency, with the measurement values of Child-Pugh grade A as (6.5±3.7)%, grade B as (14.8±5.6)%, and grade C as (23.1±6.3)%. There were significant differences between the measurement values of the three grades (P<0.05). The values of ICGR-15 in patients combined with liver cirrhosis were significantly higher than those in patients without liver cirrhosis. In addition, there was no significant complication or second operation after surgery. No patient experienced hepaticfailure causing death. All patients were safely discharged after rehabilitation. Conclusion Decision-making tree based on indocyanine green cleaning experiment for liver cancer patients can assist surgeons to accurately evaluate the liver function of patients with partial liver resection, and can effectively reduce the incidence of complications and prevent patients from hepatic failure, thus is worthy to be promoted.[Key words]Hepatocellular carcinoma; Hepatectomy; Indocyanine green cleaning experiment; Hepatic failure如今，人们的生活质量逐渐提升，但受工作、环境等客观因素影响，我国癌症患者人数逐年攀升，原发性肝癌作为我国最为常见的恶性肿瘤之一，严重威胁人们的身体健康，据相关资料显示，原发性肝癌现已成为肿瘤患者致死的中重要原因之一[1]。
决策树算法在医疗诊断决策中的效果评估随着人工智能在医疗行业的快速发展，决策树算法逐渐成为重要的工具之一。
决策树是一种基于树状结构的有监督学习算法，可用于分类和回归问题。
在医疗诊断决策中，决策树算法具有一系列优点，如解释性强、易于理解和实现、较好的处理非线性数据等。
本文将探讨决策树算法在医疗诊断决策中的效果评估。
首先，决策树算法在医疗诊断中的应用范围广泛。
在医学领域，医生通常需要依据患者的症状和病情进行诊断并制定相应的治疗方案。
决策树算法通过构建一个树状模型来帮助医生进行决策，准确识别患者的疾病类型和选择最佳治疗方案。
这种算法可以应用于多个医疗领域，如肿瘤诊断、心脏病分型、糖尿病风险评估等。
其次，决策树算法在医疗诊断中的效果评估具有重要意义。
在应用决策树算法进行医疗诊断决策之前，我们需要对算法的性能进行评估。
常见的评估指标包括准确率、召回率、精确度和F1值等。
准确率是指正确分类的样本数与总样本数之比，召回率是指分类正确的正样本数与实际正样本数之比，精确度是指正确分类的正样本数与分类为正的样本数之比，F1值是精确度和召回率的调和平均数。
为了评估决策树算法的性能，我们可以使用交叉验证、混淆矩阵和ROC曲线等方法。
交叉验证是一种常用的评估方法，通过将数据集分为训练集和测试集，利用训练集训练模型，再利用测试集验证模型的性能。
混淆矩阵是一个表格，用于展示分类模型的性能。
它将预测结果划分为真阳性、真阴性、假阳性和假阴性四个类别，可用于计算各种评估指标。
ROC曲线是绘制真阳性率（TPR）与假阳性率（FPR）之间的关系图，可以用于评估分类器的性能。
在实际应用中，决策树算法在医疗诊断中已经取得了不少突破。
以肿瘤诊断为例，决策树算法可以利用患者的病理数据、基因信息和临床特征等来预测肿瘤的类型和恶性程度。
研究表明，决策树算法在肿瘤诊断中具有较高的准确率和召回率，能够快速、准确地对患者的病情做出判断。
此外，决策树算法还可以结合其他算法，如遗传算法和支持向量机等，进一步提高诊断的准确性和稳定性。
基于改进Apriori算法的肝癌手术治疗效果评价作者：来源：《软件工程师》2013年第08期摘要：本文将改进的Apriori关联规则算法应用于肝癌预后影响的预测中，通过20个具有代表性的样本数据，提取、化简得到一组规模合适的关联规则集，结合CBR技术对新案例诊断。
最后，将关联规则集中的各个规则还原实际含义，从而对医生的诊断提供辅助方案。
关键词：数据挖掘；关联规则；CBR；肝癌肝癌作为一种恶性肿瘤危害人类健康，治疗方案的选择极大影响肝癌患者的预后。
目前对预后分析的方法有Logistic回归、Kaplan-Meier法、决策树法等，本文提出改进Apriori算法，不仅考虑预后影响，而且考虑各因素之间的影响，以期出现某一症状可预测下一症状，从而尽早预防。
数据预处理对20组具有代表性的数据进行离散化处理，每一位都用布尔值去表示，“1”代表具有该种属性，“0”代表不具有该种属性。
字母A—T作为区分20个样本号。
数字1—30就是原有X1—X10细分后的原子属性，处理后结果如表1所示。
新案例的诊断直接运用案例推理CBR[1]诊断新案例会使案例库冗余。
因而，将其改进为：先遍历案例库，从中选择最为相似的数据作为判断依据，再判断相似度，若总结与决策树方法[2]相比，改进Apriori方法[3]将Decision也视为同等的属性，不仅可以研究X1—X10属性对于Decision的影响，而且可以研究各个病症之间联系，达到某一前件病症出现时可以预防后件病症发生的效果，从而辅助医生为病人提供更加及时、有效的治疗，为病人免去了繁琐检查的痛苦，也减轻了病人的经济负担。
在实际应用中，如果能够将专家决策与计算机辅助工具相结合，并将概率理论结合到本文模型中，相信会大大提高模型的实用型和准确度。
参考文献[1] 施京华.基于数据挖掘的癌症诊疗决策优化研究[D].博士论文.上海：上海交通大学，2011.6.[2] 陈燕，张振中.数据挖掘决策树在肝癌病人预后中的研究与应用[J].科学信息，2007（10）：20-21.[3] 陈燕.数据挖掘技术与应用[M].北京：清华大学出版社，2011.5.。
基于决策树模型对我国6种保肝药物治疗药物性肝损伤的成本-效果分析田艳平;崔向丽;刘丽宏;张长平【摘要】Objective: To evaluate the pharmacoeconomics of hepatoprotective injections in the treatment of drug-induced liver injury. Methods: Decision tree analysis model was used in the study. Rate parameters, cost parameters and effective parameters were collected from literature, integrated management platform of Beijing medicine sunshine purchase and experts opinions, etc. Drugs evaluated in this study included magnesium isoglycyrrhizinate, polyene phosphatidylcholine, reduced glutathione, compound glycyrrhizin, tiopronin and diammonium glycyrrhizinate. All treatment programs lasted for 4 weeks. Results: Magnesium isoglycyrrhizinate had the highest therapeutic effect (9.7) and diammonium gycyrrhizinate had the lowest cost-effectiveness ratio (31.26). Magnesium isoglycyrrhizinate showed effective on 84.55% of patients, which was higher than the other five hepatoprotective drugs. When the threshold value of willingness-to-pay (WTP) was less than 3 229.20 RMB, diammonium glycyrrhizinate was the first choice with the highest cost-effectiveness ratio. When the threshold value of WTP ranged from 3 229.20 RMB to 4 122.67 RMB, reduced glutathione was the first choice with the highest cost-effectiveness ratio. When the threshold value of WTP was over 4 122.67 RMB, magnesium isoglycyrrhizinate was the first choice with the highest cost-effectiveness ratio. This conclusion was proved by one-way sensitivity analysis. Conclusion: The optimal treatment with highest cost-effectiveness ratio should be chosen according to patients' different WTP values. In order to increase the overall society benefit, we suggested that health care institutions should provide subsidies for patients to encourage the use of magnesium isoglycyrrhizinate.%目的:对临床常用治疗药物性肝损伤的保肝药物注射剂进行经济学评价.方法:采用决策树分析模型,率值参数、成本参数、效果参数来源于文献资料、北京市医药阳光采购综合管理平台以及专家讨论意见等.观察对象为6种注射剂:异甘草酸镁、多烯磷脂酰胆碱、还原型谷胱甘肽、复方甘草酸苷、硫普罗宁和甘草酸二铵,观察周期为4周.结果:治疗效果异甘草酸镁最高(9.7),甘草酸二铵成本-效果比最低(31.26);显效率异甘草酸镁最高(84.55%),当患者意愿支付值小于3 229.20元、介于3 229.20元～ 4 122.67元或大于4 122.67元时,最优方案分别为甘草酸二铵、还原型谷胱甘肽、异甘草酸镁.单因素敏感率分析证实这一结果的可靠性.结论:临床医生根据患者的支付意愿来选择最优的治疗方案.医保部门鼓励临床选择异甘草酸镁,并给予选择该药物的患者增加补贴,以提高整体的社会效益.【期刊名称】《中国药物应用与监测》【年(卷),期】2018(015)003【总页数】5页(P131-135)【关键词】药物性肝损伤;保肝药物;药物经济学;决策树模型【作者】田艳平;崔向丽;刘丽宏;张长平【作者单位】首都医科大学附属北京朝阳医院药事部,北京 100020;首都医科大学附属北京佑安医院药学部,北京 100069;首都医科大学附属北京朝阳医院药事部,北京 100020;首都医科大学附属北京朝阳医院药事部,北京 100020;首都医科大学附属北京佑安医院药学部,北京 100069【正文语种】中文【中图分类】R969.4药物性肝损伤（drug-induced liver injury，DILI）是临床常见的药品不良反应之一。
决策树算法在肝癌术后影响预测的应用摘 要：决策树是归纳学习和数据挖掘的重要方法，通常用来形成分类器和预测模型。
随着数据挖掘在医学领域上的广泛应用， 本文对数据挖掘决策树算法原理及构建、 ID3 算法进行介绍，然后将 ID3 算法应用于肝癌病人预后影响中，构造出一棵决策树， 再进行分析，得出预后影响的预测方法。
关键词：数据挖掘 决策树 肝癌 ID3 算法第 2 页，共 13 页Application of Decision Tree for forecasting the effect of Hepatic carcinoma operationAbstract: It’s Decision Tree that is the significant method of generalizing knowledge and mining data for classifier and model prediction. With the Data Mining used widely in the medical field, it will be introducted from the principle and organization of Decision Tree and ID3 algorithms in the essay. Then, we would like to forecast the effect of Hepatic carcinoma operation by constructing and analying Decision Tree with ID3 algorithms. Finally, we can conclude the effective method to slove the problem.Key words: Data Mining Decision Tree Hepatic carcinoma ID3algorithms第 3 页，共 13 页目1. 2.录研究目标 ............................................................................................... 5 分析方法与过程.................................................................................... 52.1. 总体流程 ..................................................................................................................... 5 2.2. 具体步骤 ..................................................................................................................... 6 2.3. 结果分析 ................................................................................................................... 113. 4.结论 .....................................................................................................13 参考文献 ..............................................................................................13第 4 页，共 13 页1. 挖掘目标 挖掘目标目前，癌症已经成为我们生命健康的主要杀手，我国每年新发癌症病例约为 200 万 人，因为癌症死亡人数高达为 140 万；据统计，近年来癌症死亡约占我国城乡居民死亡 构成的 22.32%，即我国每 5 人死亡中，就有一个是死于癌症的。
Logistic回归与决策树在肝癌术后预测分析中的应用探讨徐蕾;贺佳;贺宪民;张智坚【期刊名称】《中华国际医学杂志》【年(卷),期】2003(3)6【摘要】目的探讨Logistic回归与决策树方法在肝癌病人术后预测中的应用分析效果,选择最适合本研究资料的方法.方法采用数据挖掘技术中Logistic回归和决策树CART、C4.5两种算法对1 457例肝癌临床病人术后复发情况建立预测模型,并比较其性能.结果3种算法经适当训练后结果较理想,C4.5算法建立的模型预测准确率:训练集81.48%,验证集80.78%,测试集79.77%;Logistic回归与CART算法略低.结论决策树C4.5算法建立的模型效果较好,可应用于肝癌术后预测分析.【总页数】3页(P497-499)【作者】徐蕾;贺佳;贺宪民;张智坚【作者单位】第二军医大学卫生勤务学系卫生统计学教研室,中国,上海,200433;第二军医大学卫生勤务学系卫生统计学教研室,中国,上海,200433;第二军医大学卫生勤务学系卫生统计学教研室,中国,上海,200433;上海东方肝胆外科医院【正文语种】中文【中图分类】R195.4;R73-31【相关文献】1.决策树模型与logistic回归模型在生活饮用水水质影响因素分析中的应用 [J], 焦莉萍;郭晶晶;杨云云;魏明敏;刘玮;张系忠;沈托;苗美荣2.Logistic回归及决策树模型在高龄剖宫产产妇产后出血影响因素分析中的应用[J], 陈宁静;陈春榕;刘江英3.决策树法和Logistic回归模型在ICU老年患者压疮影响因素中的应用 [J], 李静;李贤;王越;徐文哲;石佳佳;陈会娜4.数据挖掘技术在肝癌术后预测分析中的应用初探 [J], 于长春;贺佳;张智坚;范思昌;陆健;马修强;贺宪民;吴骋5.决策树与Logistic回归模型在老年人社区养老意愿影响因素分析中的应用研究[J], 闫蕊;赵守梅;张馨心;吕雨梅因版权原因，仅展示原文概要，查看原文内容请购买。
