Bayes判别分析在基于儿茶酚胺的阿尔茨海默病预测研究中的应用
利用判别分析方法通过对测量的12个阿尔茨海默氏症(Alzheimer’s disease, AD)患者和12个健康者的尿液样本中儿茶酚胺(Catecholamines, CA)含量的测定及浓度作为训练集建立判别函数,进行疾病的诊断,交叉验证错误率为4.2%。采用随机余下的4个数据带入判别函数,进行预测,结果表明具有很好的预测能力,正确率达到了100%。此方法可以通过测量人体尿液中CA 含量测定及浓度来诊断 AD ,对 AD 的尽早检测和早期治疗非常重要。2组线性判别函数分别为-19.91024+0.21873*E+0.23742*NE+0.11155*DOA+0.41789*L-DOPA-0.12661*DOPAC;-2.24864+0.03070*E+0.04914*NE+0.06892*DOA+0.01704*L-DOPA+0.01598*DOPAC。
Bayes判别分析、阿尔茨海默病(AD)、儿茶酚胺(CA)、生物标记物
R914;O641(药物基础科学)
国家自然科学基金资助项目81102784/H2803
2013-07-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
447-450