年6月17日星期四，北京协和医学院护理学院的研究生活动在八大处校区教室顺利举行。本次学习活动由两部分组成，第一部分由中国医学科学院医学信息研究所李姣教授讲授《医学数据挖掘研究设计》。第二部分由研究生冯婷、熊东东、刘鑫、徐舒慧、黎珍、魏丹、姜懿珊7位同学组成的学习小组分享《结构方程模型的原理及操作》。
01医学数据挖掘研究设计
在此次讲座中，李姣教授与我们分享了三部分内容，什么是数据挖掘？医学数据挖掘研究设计要点包括哪些？谁是下一代的数据科学家？
■什么是数据挖掘？
数据挖掘是目的性导向的学科，目的是从数据中获取知识，进而支持决策。凡是有目的的探索数据中隐含的规律和知识的活动都可以称为数据挖掘。数据挖掘包括几大要素：挖掘数据中隐含的规律和知识；是一种探索性的活动，过程艰苦，结果不可预料；是有目的的活动，数据挖掘的方向是有由业务需求所引领的，需要确定一个科学的、可控的目标。
■医学数据挖掘研究设计要点包括哪些？
医学数据挖掘研究设计包括5大要点：问题描述、数据收集、工具遴选、结果分析、结果解读。数据挖掘的主要分类算法包括决策树、人工神经网络、贝叶斯网络、支持向量机等。数据挖掘可以应用在医学的各个领域，如辅助临床诊断、进行健康管理等。随着人工智能的不断发展，现在还能够实现各种技术性的预判，医院管理中，对患者的活动区域进行自动识别，护士会收到提醒，然后根据系统推荐的最短路线找到这位病人。
■谁是下一代的数据科学家？
李姣教授指出，要成为数据科学家、成为解决问题的人，需要掌握基本的数据处理、编写程序、算法应用的技能，能够形式化表达问题（problemformulization）花费时间去“读懂”数据，而不要一拿到数据就直接使用花哨的算法。除了掌握扎实的专业知识外，还需要培养软技能，拥有开放的心态，持续学习，不钻牛角尖，灵活思考。最后，非常重要的一点是要成为提问者，像个孩子充满好奇心，做一位有道德感的数据科学家。
02结构方程模型的原理及操作
■在第二部分结构方程的原理及操作介绍中，冯婷婷同学从结构方程模型的概述展开，并结合案例对探索性因子分析、验证性因子分析、路径分析等进行了实际操作演示。
■结构方程模型是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，也称为协方差结构分析。它是综合运用多元回归分析、路径分析和验证型因子分析等方法而形成的一种统计数据分析工具。目前广泛应用于心理学、经济学、社会学和行为科学等领域。
■在详细介绍结构方程模型的基本概念、基本原理、应用步骤、优点及局限性之后，学习小组利用案例向大家实际演示了探索性因子分析、验证性因子分析、路径分析等三个方面的内容。
探索性因子分析是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。验证性因子分析则是确认数据的模型是否为研究者所预期的形式，具有理论检验与确认的功能。
■路径分析是结构方程模型的一种形式，用于描述多个变量的前后因果关系，处理的变量关系更加复杂。路径分析是多元回归分析模型的拓展，可以同时包含几个回归模型（如一元和多元线性回归方程），解决传统回归模型只能分析单个因变量的局限。
■通过此次介绍和操作演示，希望同学们对结构方程模型有一个初步的认识，并能在今后的学习、研究中加以应用。
图文：级研究生黎万汇、魏丹、徐佳佳
编辑：胡宇乐、姜懿珊
指导老师：李姣教授、汪健老师
预览时标签不可点收录于话题#个上一篇下一篇转载请注明：http://www.baoshijiec.com/ylls/9889.html
