原文:https://note.youdao.com/s/GED6wise

SAP analysis in the Ohmega software

ohmega software 关于胃食管反流疾病 对 sap的分析方法 分享。
sap 是描述 胃食管反流仪器对患者监测时,出现的症状如:咳嗽 烧心 胸痛 等症状 与反流相关的概率。这个概率大于0.95说明该症状是反流引起的。
sap需借助 Fisher Exact test 分析方法来进行分析。这个方法的表现形式如下表:
C1和C2描述的是两个条件,-C1 -C2 表达的意思就是没有符合C1 C2这两个条件的情况。字母a表示,C1和C2都满足的情况;b表示,C1 -C2表示只满足C1,不满足C2;c表示,C1条件不满足但C2条件满足;d表示,C1 C2条件都不满足的情况次数。这里的A+c应该是等同于a+c的。
有了这个表格,就能计算除C2条件因为C1条件发生的概率也就是sap。
首先计算 p:
然后sap=(1-p)*100%,在这款软件的含义是:如果sap>0.95就说明症状和反流存在关联性。
在计算胃食管反流的时候,我们把C1当作反流,C2当作某种症状。
R是反流英文 Reflux的首字母,这里就代表反流条件,S是症状 Symptoms的首字母这里代表某种症状条件。
S+R+表示既有反流又有症状 ,S-R+表示只有反流没有症状,S+R-表示只有症状没有反流,S-R-表示症状和反流都没有。这里只是很笼统的说一下其大概意思,但是详细定义S+R+这些计算方法如下:
我们是把软件检测时间分成每2分钟一段,然后分成S-和S+及这样分成的每段的无症状情况和有症状情况讨论。先说S-及无症状段情况。
接下图:
R+=3的解释,我的理解是,R1所处的这2分钟段没有出现症状,算一次,R2 和R3所处的段也没有出现症状S,算一次,
R4所处的段也没有,所以总共三次,在计算S-时,是数的段数而不是出现的反流次数。与S+的情况有区别。
R-=5的解释,我的理解是,没有出现竖着的虚线标记的段有5个所以是5次。
如果软件设置了排除进食区域,这种情况如图:
Meal period 的占用部分不算。
S+的情况
For R+S+ and R-S+ we look 2 minutes in front of each symptom. When a start of a reflux is within this two minute period this
period is said to be R+S+ and else it is categorized as R-S+.
我的翻译是,当症状出现了,往症状的出现前的前2分钟找,如果在这段时间内有一次反流就S-R+算一次,如果没有反流就R-S+算一次,需要排除已经算过的反流情况。
R+=3,我的理解是,R1在s1算一次,在s2算一次,但是s1已经算过了,s2那次就不算了。对于S3 有R2和R3两次。所以总共3次。
R-=1,我的理解是,S4前两分钟没有出现反流,所以算一次。
排除进食区域的情况:
R+=2,R1算一次,R3算一次,R2就不算了。
总体来看,就是这样。
但是本来总共只有8个两分钟段,但这里计算得出的总数是12,有些反流是被重复计算了,因为在S-和S+的计算情况不一样造成的,所以
我们要:
S-R+=S-R+ - S+R+及 3-3=0
s-R-=S-R- - S+R-及5-1=4
结果如下表:
但是明显S-R+不应该为0,有一个R4。造成这样的原因是,在算S+R+时,R2和R3所处的段被多算了一次,意思是本来S+R+的段只有2个,但因为S+计算方式不同,所以多算一个。
还有S-R-只有2个,但这里是4,是因为计算症状和反流的时间有重叠,造成了不一致,就多出来了,我觉得从图上看是看不出来的吧。

胃食管反流之 SAP分析( in the Ohmega software)的更多相关文章

  1. SAP分析云及协同计划

    大家好, 我是SAP成都研究院S/4HANA Sales 团队的软件工程师Derek.四年前我从SAP Consulting团队转到SAP Labs从事Sales Analytics相关应用的开发,在 ...

  2. 美国top200药品2

     python机器学习-乳腺癌细胞挖掘(博主亲自录制视频)https://study.163.com/course/introduction.htm?courseId=1005269003&u ...

  3. Configuring SSL for SAP Host Agent on UNIX

    https://help.sap.com/viewer/141cbf7f183242b0ad0964a5195b24e7/114/en-US/8d12f7b9244b44219bd14d619d3a2 ...

  4. Business Process and SAP ERP

    1. Definition of Organisation - Organizations are created entities within and through which people i ...

  5. SAP标准培训课程C4C10学习笔记(一)第一单元

    C4C10:SAP Hybris Cloud for Customer Administration 课程目录: 第一单元是C4C的简介. 作为SAP推出的一个SaaS(Software as a s ...

  6. Redhat下安装SAP的相关

    Red Hat Enterprise Linux 6.x: Installation and Upgrade - SAP Note 1496410 Red Hat Enterprise Linux 7 ...

  7. SAP成都研究院李三郎:SCP Application Router简介

    今天的文章来自李贝宁(Ben),SAP成都研究院的资深程序猿和架构师. 作为成都研究院里同时精通Java, JavaScript和ABAP这三门编程语言的数位同事之一,Ben曾经先后担任了成都CRM ...

  8. ERP_Oracle Erp发展趋势基于SOA电子商务方案

    2014-01-12 Created By BaoXinjian

  9. PA教材提纲 TAW10-1

    Unit1 SAP systems(SAP系统) 1.1 Explain the Key Capabilities of SAP NetWeaver(解释SAP NetWeaver的关键能力) Rep ...

  10. 第二次作业——个人项目实战(Sudoku)

    Github:Sudoku 项目相关要求 利用程序随机构造出N个已解答的数独棋盘 . 输入 数独棋盘题目个数N 输出 随机生成N个 不重复 的 已解答完毕的 数独棋盘,并输出到sudoku.txt中, ...

随机推荐

  1. react native 0.73 配置 react-native-fs

    安装react-native-fs npm npm install react-native-fs --save yarn yarn add react-native-fs 安卓配置 android/ ...

  2. mysql 重新整理——索引优化一个简单的案例 [十一]

    前言 经过了前面的一系列理论,那么用一个例子去看一下吧. 正文 EXPLAIN SELECT t3.emp_no,t3.first_name,(select t4.last_name from tem ...

  3. c# seo 百度sitemap书写

    前言 我们知道对页面百度收录,有两种方式: 1.百度自己抓取. 2.自己提交sitemap让百度来抓取. sitemap 一般的一个业务逻辑是: 生成sitemap xml,然后每隔一段时间更新即可, ...

  4. Flask、Tornado、Nginx搭建Https服务

    其实Flask可以直接用tornado部署就行: # coding=utf-8 from tornado.wsgi import WSGIContainer from tornado.httpserv ...

  5. WIN11 安装 SQL Server 2019,SQLSERVER2022, MYSQL 8.0 ,Docker,Mongodb失败故障分析

    最近研究数据库性能调优遇到各种数据库各种装不上,不知道熬了多少根软白沙,熬了多少颗张三疯,问了多少AI,查了多少网页,熬了两天,终于搞明白了一件事:那就是WIN11 ON ARM (因为拿的是MAC ...

  6. 力扣180(MySQL)-连续出现的数字(中等)

    题目: 编写一个 SQL 查询,查找所有至少连续出现三次的数字. 返回的结果表中的数据可以按 任意顺序 排列. 查询结果格式如下面的例子所示: 解题思路: 原表数据: 方法一: 使用内连接(inner ...

  7. 力扣275(jav&python)-H 指数 II(中等)

    题目: 给你一个整数数组 citations ,其中 citations[i] 表示研究者的第 i 篇论文被引用的次数,citations 已经按照 升序排列 .计算并返回该研究者的 h 指数. h ...

  8. CF1857B Maximum Rounding 题解

    题目描述 给定一个自然数 \(n\),可以对任意一位进行四舍五入,可以进行任意次,求能得到的最大数.(这里的 \(n\) 没有前导零) 思路 首先我们发现,如果我们将其中一位进位了,那后面的所有位都会 ...

  9. 地址标准化服务AI深度学习模型推理优化实践

    简介: 深度学习已在面向自然语言处理等领域的实际业务场景中广泛落地,对它的推理性能优化成为了部署环节中重要的一环.推理性能的提升:一方面,可以充分发挥部署硬件的能力,降低用户响应时间,同时节省成本:另 ...

  10. 自建Kubernetes集群如何使用弹性容器实例ECI

    简介: 虚拟节点(Virtual Node)实现了Kubernetes与弹性容器实例ECI的无缝连接,让Kubernetes集群轻松获得极大的弹性能力,而不必受限于集群的节点计算容量.您可以灵活动态的 ...