医学数据挖掘案例与实践（第2版）

　　基于大数据时代生物医学数据的爆炸式增长，本书从医学科研中的实际问题出发，以案例的形式深入浅出地介绍医学数据挖掘技术，包括决策树模型、支持向量机、随机森林分类、关联规则、贝叶斯网络构建等，并详细介绍数据挖掘软件（SPSS、SAS和R等）的操作步骤，重点突出实用性和可操作性，以期提高读者对医学科研数据的深层次处理与分析的能力。 本书第1版自出版以来，得到了广大医学生和医学工作者的肯定，被很多医学类院校选用为数据挖掘类课程教材。考虑近年来新的医学数据挖掘方法层出不穷，并在临床医学和基础医学研究中有潜在的应用价值，因此本书在第2版中增加了Logistic回归诺莫图的绘制、决策曲线分析、Cox回归的诺莫图绘制、偏AUC分析、Lasso回归、决策树回归、网络Meta分析、偏最小二乘判别分析和系统聚类图的各类图形展示等内容，并仍以案例的形式详细讲解如何应用R软件操作实现。 本书主要取材于编者近年来从事生物医学数据深度挖掘方面的研究与教学工作内容，可作为医学院校本科生及研究生教材，也可作为医学基础及临床科研工作者和相关技术人员科学研究的参考用书。

暂缺《医学数据挖掘案例与实践（第2版）》作者简介

第1章 数据预处理 1

1.1 异常值的常见处理方法 1

1.2 缺失值填补的SPSS软件实现 8

1.3 缺失值填补的R软件实现 12

第2章 多元线性回归分析 17

2.1 多元线性回归的概念 17

2.2 多元线性回归的模型结构 17

2.3 多元逐步线性回归 20

第3章 Logistic回归分析 25

3.1 Logistic回归分析的基本概念 25

3.2 Logistic回归的模型结构 25

3.3 应用实例1：一般资料的Logistic回归 26

3.4 应用实例2：列联表资料的Logistic回归 29

3.5 应用实例3：多项Logistic回归分析 31

3.6 Logistic回归模型的Nomogram图展示 34

3.7 多个Logistic回归模型评价的决策曲线分析法 38

第4章 非线性回归拟合分析 43

4.1 非线性回归基本概念 43

4.2 应用实例1：对新增SARS病例数的预测分析 43

4.3 应用实例2：对累计SARS病例数的预测分析 48

第5章 生存分析 52

5.1 生存分析的基本概念 52

5.2 生存分析的资料特点 52

5.3 生存资料的分析方法 53

5.4 应用实例1：累积生存率的计算 53

5.5 应用实例2：小样本生存率的Kaplan-Meier估计 56

5.6 应用实例3：生存曲线比较的Log-rank检验 59

5.7 应用实例4：Cox回归 63

5.7.1 Cox模型结构与参数估计 64

5.7.2 应用实例：Cox回归分析 64

5.7.3 Cox回归的诺莫图绘制 67

第6章 基于竞争风险模型的生存分析 71

6.1 竞争风险模型 71

6.2 应用实例：竞争风险模型的生存分析 71

第7章 Meta分析 77

7.1 Meta分析概述 77

7.2 Meta分析的方法与步骤 77

7.3 应用实例1：二分类资料的Meta分析 78

7.4 应用实例2：连续资料的Meta分析 86

第8章 剂量-反应模型的Meta分析 91

8.1 剂量-反应关系的数据结构 91

8.2 线性拟合 92

8.3 非线性拟合-三次曲线拟合 94

第9章 决策树模型分析 96

9.1 分类的概念 96

9.2 分类的步骤 96

9.3 分类器性能的评估 97

9.4 决策树分类器简介 97

9.5 应用实例：决策树分类分析 99

9.6 应用实例：决策树回归分析 102

第10章 随机森林法提取特征属性 105

10.1 随机森林方法基本概念 105

10.2 基于平均基尼指数减少量的特征属性选择 105

10.3 应用实例：随机森林法提取特征属性 107

第11章 倾向性得分匹配方法 113

11.1 倾向性得分匹配方法概述 113

11.2 倾向性得分匹配方法的步骤 113

11.3 应用实例：倾向性得分匹配 114

第12章 用广义估计方程分析重复测量的定性资料 121

12.1 广义估计方程的基本概念 121

12.2 广义线性模型的结构 121

12.3 GEE算法 122

12.4 应用实例1：重复测量的实验数据 123

12.5 应用实例2：问卷调查中的多选题数据 124

第13章 基于支持向量机的微阵列数据分类 128

13.1 支持向量机简介 128

13.2 支持向量机的基本原理 128

13.3 应用实例：支持向量机分类 130

第14章 时间序列分析 132

14.1 时间序列分析的基本概念 132

14.2 时间序列分析的主要步骤 132

14.3 应用实例：时间序列分析 133

第15章 路径图分析 138

15.1 路径图分析基本理论 138

15.2 路径图分析的基本步骤 138

15.3 应用实例：路径图分析 139

15.3.1 第一个回归分析 139

15.3.2 第二个回归分析 141

15.3.3 第三个回归分析 142

第16章 主成分分析与因子分析 144

16.1 主成分分析概念 144

16.2 应用实例1：主成分分析 144

16.3 因子分析概念 151

16.4 应用实例2：因子分析 151

第17章 判别分析 156

17.1 判别分析的概念 156

17.2 常用的判别分析方法 156

17.3 判别函数的验证 157

17.4 应用实例：判别分析 157

第18章 聚类分析 166

18.1 聚类分析的概念 166

18.2 K均值聚类法 166

18.3 应用实例1：K均值聚类及可视化 167

18.4 系统聚类法 170

18.5 应用实例2：系统聚类 172

18.6 绘制双向聚类热图 177

第19章 关联规则 180

19.1 关联规则的基本概念 180

19.2 关联规则的质量和重要性 180

19.3 关联规则分析的基本方法 181

19.4 应用实例：关联规则分析 181

第20章 两组ROC曲线下的面积比较 185

20.1 ROC曲线的构建 185

20.2 ROC曲线下面积 186

20.3 两组ROC曲线下面积比较 186

20.4 应用实例：两组ROC曲线下面积比较 186

20.5 偏AUC分析 189

第21章 诊断准确性试验Meta分析 193

21.1 诊断准确性试验Meta分析基本概念 193

21.2 诊断准确性试验Meta分析的相关评价指标 193

21.3 应用实例：诊断准确性试验Meta分析 194

第22章 网络Meta分析 199

22.1 网络Meta分析的概念 199

22.2 基于经典频率派方法的网络Meta分析 200

22.3 基于贝叶斯方法的网络Meta分析 207

第23章 贝叶斯网络分析 216

23.1 贝叶斯网络的概念 216

23.2 应用实例：贝叶斯网络构建 217

第24章 偏最小二乘回归与判别分析 222

24.1 偏最小二乘回归的基本步骤和原理 222

24.2 应用实例：偏最小二乘回归分析 223

24.3 偏最小二乘判别分析 226

第25章 Lasso回归分析 233

25.1 基于Lasso方法的线性回归模型 234

25.2 基于Lasso方法的Logistic回归模型 237

25.3 基于Lasso方法的Cox回归模型 241

参考文献 244

　　

VIII

医学数据挖掘案例与实践（第2版）

　　

IX

目录