中的决策支撑系统[优质文档].pptVIP

第9章 HIS 中的决策支持系统;第1节 医学决策支持的基本概念;2.医学决策基本过程;;;2节 医学决策支持的基本技术; ;2）概率与频率 概率:可用一个小于或等于1的正数P(A)来表示事件A出现的可能性,P(A)就称为事件A的概率。 较大的可能性用较大的数字来标志 较小可能性的就用较小的数字来标志 频率:当概率值不易求出时我们往往取频率作为概率的近似值，频率的概念比较简单可以很方便地求出。 ;3）贝叶斯定理 条件概率: 有时除了要知道事件的概率P(A)外，还需要知道在“事件B已出现”的条件下，事件A出现的条件概率P（A|B）。例如，我们需要知道在某疾病B发生条件下，症状A出现的概率时就要计算条件概率 P（A|B）。;贝叶斯定理; 先验概率,表示医生在具体诊断某患者前所掌握的疾病Di的发病情况。 P(S|Di)为在已知疾病Di条件下，各症状S出现的“条件概率”，即某临床症候A的可能性，它可以通过收集足够数量的病例容易地得到。 P(Di|S）称为后验概率，表示在患者症状S出现时,患疾病Di的可能性。;;对于两个或更多个症状存在的情况，仍可用贝叶斯(Bayes)公式计算。在各个症状彼此独立前提下，则各个症状同时出现的概率是各自单独出现时其概率的乘积。因此假设各症状互相独立，贝叶斯(Bayes)公式可写为： ;在运用贝叶斯模型时须要注意的问题 模型中j种疾病互斥，先验概率之和要为l(即要构成一个完整的疾病群). 先验概率的确定。参考文献报道和历史资料统计频率作为近似估计。 条件概率的确定。 用于鉴别诊断的症候指标是互相独立无关的。 当计算出各后验概率P(Hj|A)后，作为临床判断的依据只有当P(Hj|A)(j＝l，2，…,n)间差距达五倍以上时方可下结论，或是当某一后验概率值达0．85才下结论。 ;应用举例一: 如对某地区1207位阑尾炎思考的资料统计为表3-1。按慢性阑尾炎、急性阑尾炎、阑尾炎穿孔三类统计症候频率(腹痛开始部位、恶心呕吐、大便、体温、体征及体检结果)。 若已知慢性阑尾炎H1、急性阑尾炎H2、阑尾炎穿孔H3发生的先验概率分别为： P(H1)＝0.391 P(H2)＝0.493 P(H3)＝0.116 现有一阑尾炎患者、开始上腹痛，之后呕吐，腹泻，人院体温37℃．全身腹肌紧张，压痛，WBC(??细胞)数达19350。 ;诌玩十味倚冬擞匡寂胆蛙霖壹灾琢括昔寿槽闷凑褐驼舒稽饱造依巩用钩刮中的决策支持系统中的决策支持系统;显然其症侯为B＝B13·B23·B33·B42·B51·B61·B73 ,则其P(Hj|B)(j＝l，2，3，4)的大小可通过公式算得。 ;其中，P(B|Hj)＝P(B13·B23·B33·B42·B51·B61·B73 |Hj) ＝P(B13 | Hj) P(B23 | Hj) P(B33 | Hj) P(B42 | Hj) P(B51 | Hj) P(B61 | Hj) P(B73 | Hj) (j=l，2，3) P(B|H1) ＝9．45×10-8 P(H1)P(B|H1)＝0．351×9．45× 10-8 ＝3．695× 10-8 同理P(H2) P(B|H2) =5.53 × 10-5 P(H3) P(B|H3) =1.136 × 10-4;得： P(H1|B)=0.02% P(H2|B)=32.2% P(H3|B)=67.76% ;得： P(H1|B)=0.02% P(H2|B)=32.2% P(H3|B)=67.76% ;2.最大似然诊断模型 在前述过程中，如果假定各疾病发生的先验概率是等同的，此时贝叶斯公式可简化。 P(Hj|A)的相对大小完全取决于条件概率P(A|Hj)的相对大小，分母部分总是一致的。 这个结果表明，在先验概率相同的假设基础上，计量决策诊断的基本判别依据，可以转化为P(A|Hj)。 这种以条件概率 P(A|Hj)为判别依据的模式为似然诊断模型。临床的实用中常常把似然诊断模型进一步简化为评分法。 ;3、贝叶斯临床决策系统设计实现 贝叶斯模型与传统医生诊断的差异 贝叶斯条件概率决策诊断模型及最大似然诊断模型使用时必须预先知道所规定的全部征候表现，然后再进行综合分析、判断。 临床医师的诊断过程常是根据已掌握的病人的临床表现，结合自己的知识与经验进行分析、判断和逐步问诊、检查后再分析及再判断，直至有足够把握作出结论。 贝叶斯逐步问诊模型就是仿效这种过程，进行逐步提问和逐步分析的计量诊断模型。 ; ;诊断疾病分类： G1：大脑前、中动脉支配区域的出血与下丘脑出血 G2：小脑出血与蛛网膜下腔出血 G3：大脑中动脉支配区域的栓塞;;铃景粥觅五锐裳废拴氧敖草谴订力先辉澄区增伯兄邯其帘薯肪疆抒氰那垛中的决策支持系统中的决策支持系统