作者：王臻; 李傅冬; 刘碧瑶; 戚小华贝叶斯定理分类判别模型呼吸道传染病
摘要：目的 基于贝叶斯定理建立常见呼吸道传染病的分类判别模型,为传染病暴发疫情调查和实验室检测提供病因线索。方法 通过查阅文献、历史疫情数据和暴发疫情调查报告,收集常见传染病的症状、体征、实验室检测结果、流行病学特征及发病数据。基于朴素贝叶斯分类算法原理,采用SAS 9.1.3软件建立分类判别模型,并分别用2013—2015年浙江省发生的流行性感冒、流行性腮腺炎、水痘和麻疹各2起疫情数据对模型的判别效果进行验证。结果 8起疫情的第一位次判别概率最低为20.00%、最高为100.00%、中位数为53.85%,前三位次判别概率最低为55.00%、最高为100.00%、中位数为98.34%。第一位次判别的灵敏度中位数为53.85%,特异度中位数为100.00%,阳性似然比最小为5.73、最大趋向无穷大;前三位次判别的灵敏度中位数为98.34%,特异度中位数为82.14%,阳性似然比最小为1.26、最大趋向无穷大。结论 贝叶斯分类判别模型适用于常见呼吸道传染病的分类判别,判别效果达到实际工作要求,能够提高呼吸道传染病暴发疫情病因的早期判别能力。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
