医学科研数据挖掘方法--数据分析思路的构建与实例--4,5.ppt

数据分析思路的 构建与实例北京大学医学部流行病学与卫生统计学系 陈大方 博士/教授/博士生导师：+(010)82802644/18600659288 邮箱：dafangchen@决定 论文 水平思路的重要性体现作 者知识 宽度与 深度不怕做不到，就怕想不到如何 获得 创新 思路基于文献阅读基于数据挖掘基于工作基础如何基于数据如何基于数据挖掘挖掘产生文章思路？产生文章思路？群体（个体） 家系一次调查/测量 多时点调查 （重复测量）数据三要素记录记录 （对象）（对象）数据挖掘数据挖掘变量变量 （研究内容）（研究内容）时间时间 （研究设计）（研究设计）观察结局(因变量) 研究因素(自变量) 混杂因素(协变量）连续变量、 分类变量（二分类， 等级变量、无序变量）环境因素、临床指标、遗传易 感性(基因多态性)……思考点Ø从研究变量之间关系角度思考Ø从研究对象构成的角度思考Ø从研究的时间角度思考Ø从以上两个或以上思考芳香烃有机溶剂芳香烃有机溶剂暴露对暴露对 女性生殖结局的影响研究女性生殖结局的影响研究 (NIH Project 1996——2000)(NIH Project 1996——2000)数据挖掘实例课题研究背景芳香烃类有机溶剂在环境中普遍存在， 是一种潜在的生殖毒物，主要包括苯、甲 苯、二甲苯、苯乙稀等。

它在高浓度下对 健康所产生的危害已为国内外较多研究所 证实但是，女性长期暴露于低浓度芳香 烃有机溶剂对生殖结局的影响研究报道较 少研究目的研究目的?了解石油石化工冶炼厂女工芳香烃 有机溶剂等职业有害因素的暴露情 况探讨职业、环境因素暴露，遗传易 感性与女性生殖结局的关系问卷调查 临床体检新婚体检停止避孕分娩妊娠新婚随访新婚日记 每日晨尿暴露评价孕期随访 问卷调查出生记录基本信息基本情况生活习惯一般健康状况疾病史基线职业情况膳食营养月经情况家庭居住检查、检测体格、肝肾血清营养暴露评价β-hcg检测遗传易感性孕期随访新婚随访早孕随访中孕随访基线随访分娩住院记录研究内容I相代谢酶基因 和II相代谢酶基 因，共12个基因 多态性位点p 职业情况 p 膳食营养 p 月经情况 p 家庭居住情 况 p 其他p 血红蛋白 p 铁 p 维生素B6 p 维生素B12 p 叶酸 p 铁蛋白 p 转铁蛋白受 体 p 同型半胱氨 酸p 监测车间内 芳香烃有机 溶剂浓度 p 个体主动采 样泵采样 p 暴露评价问 卷 p 上班时活动 情况2.2.研究对象研究对象 ( (记录记录) )u 1600对在燕山石化工作的新婚体检 对象： Ø 芳香烃有机溶剂暴露组800对 Ø 非暴露组800对3. 3. 研究设计研究设计 ( (时间时间) )前瞻性队列研究设计 （新婚体检---临床分娩或一年）2. 构建研究因素与结局之间关系——思路与内容创新1. 把数据变量进行分类(研究因素/混杂因素/观察结局)3. 初步分析数据——数据预处理、数据基本描述4. 提炼结果，构建文章初步思路5. 深入分析数据——技术与方法创新6. 文章结果——形成文章完整思路文章思路构建步骤初步 构建 论文 思路将数据变 量进行分 类观察结局p 一般人口学特征，如年龄 、性别、职业 p 疾病史 p 芳香烃有机溶剂暴露，如 笨、二甲苯等 p 职业因素，如倒班、噪声 、工作体位 p 生活行为，如吸烟、饮酒 等 p 膳食营养 p 体格检查，如身高、体重 、血压 p 临床生化检查：如肝肾功 能 p 血清营养素，如维生素B6 ，B12，叶酸、铁蛋白， 转铁蛋白受体 p 尿液检测，如β-hcg p 遗传易感性，如CYP、GST研究因素/混杂p 出生结局，如出生体重 、孕周 p 受孕时间 p 早早孕丢失 p 临床怀孕 p 月经功能，如月经周期 、痛经初步 构建 论文 思路构建研究因 素与结局 之间关系p 一般人口学特征，如年龄 、性别、职业 p 疾病史 p 芳香烃有机溶剂暴露，如 笨、二甲苯等 p 职业因素，如倒班、噪声 、工作体位 p 生活行为，如吸烟、饮酒 等 p 膳食营养 p 体格检查，如身高、体重 、血压 p 临床生化检查：如肝肾功 能 p 血清营养素，如维生素B6 ，B12，叶酸、铁蛋白，转 铁蛋白受体 p 尿液检测，如β-hcg p 遗传易感性，如CYP、GSTp 出生结局， 如出生体重 、孕周 p 受孕时间 p 早早孕丢失 p 临床怀孕 p 月经功能， 如月经周期 、痛经î 数据预处理î 数据描述î 单因素分析初步 构建 论文 思路初步 数据 分析初步 构建 论初步 构建 文章 思路提炼 结果1.孕妇混苯化合物暴露对胎儿生长发育的影响。

2.被动吸烟对女性月经功能影响研究 3.北京某石油化工厂女工苯的内暴露研究 4.芳香烃和母亲某些代谢酶基因多态性对新生儿出生身 长的影响 5.微粒体环氧化酶与谷胱甘肽S转移酶的遗传多态性对新 生儿出生体重的影响. 6.早孕期低浓度苯系物暴露对胎儿身长的影响 7.低浓度混苯对女工生殖激素分泌的影响 8.新生儿PON2基因多态性与早产的关系 9.轮班作业女工排卵日前后的夜班次数对妊娠结局的影 响 10.工效学因素对妇女临床受孕时间影响的研究 11.以尿激素标记物探讨职业噪声暴露与纺织女工月经功 能的关系 12.……初步 构建 论文 思路深入 分析 数据初步 构建 论形成 文章 完整 思路文章 结果结果是文章的核心Ø 结果的顺序绝不是按获得数据的先后排列，而是要按企图说明问题的逻辑顺序排列；Ø 不要罗列结果，要分析，结果之间要有逻辑联系；P5P9P7P2P3P10 P8p14P11P1P6被动吸烟受孕时间 早早孕丢失有机溶剂 暴露孕前营养身高体重 指数职业因素 暴露临床怀孕遗传易感性早产月经周期痛经出生体重新生儿身长、头围 胎儿宫内生长发育迟缓 旁氏指数P15P12P13 P4被动吸烟受孕时间 早早孕丢失有机溶剂 暴露孕前营养身高体重 指数职业因素 暴露临床怀孕遗传易感性早产月经周期痛经出生体重新生儿身长、头围 胎儿宫内生长发育迟缓 旁氏指数P7P9P3 P2P1P4P15p13P8P10P5P6P11P12P141.陈大方,刘彤杉,王黎华,黄因敏,赵一鸣,徐希平. 孕妇混苯化合物暴露对胎儿 生长发育的影响[J]. 疾病控制杂志,1997,04:263-266. 2.陈大方,刘彤杉,杨萍,王黎华,黄因敏,赵一鸣,徐希平. 环境与职业因素对胎儿 生长发育的影响[J]. 环境与健康杂志,1998,03:6-8. 3.潘小川,丁辉,韩丽力,王黎华,徐希平. 被动吸烟对女性月经功能影响研究[J]. 卫生研究,1999,01:25-27. 4.朱兰,潘小川,昊昆昱,池频频,王黎华,徐希平. 北京某石油化工厂女工苯的内 暴露研究[J]. 中国公共卫生,1999,10:53-54. 5.陈大方,王晓斌,王朝曦,王黎华,徐希平. 芳香烃和母亲某些代谢酶基因多态性 对新生儿出生身长的影响[J]. 北京医科大学学报,2000,05:450-454. 6.陈大方,王朝曦,王晓斌,王黎华,徐希平. 微粒体环氧化酶与谷胱甘肽S转移酶 的遗传多态性对新生儿出生体重的影响[J]. 环境与健康杂志,2000,03:131-134. 7.陈大方,赵一鸣,臧桐华,王黎华,徐希平. 早孕期低浓度苯系物暴露对胎儿身长 的影响[J]. 疾病控制杂志,2000,02:120-122. 8.陈大方,王晓斌,吴迪,王黎华,徐希平. 细胞色素P450氧化酶MSP1基因对有机 溶剂的易感性与新生儿出生体重的影响[J]. 环境与健康杂志,2001,04:208-211.发表在中华核心期刊文章10.陈海燕,王心如,徐莉春,Lasley BL,Overstreet JW,戴建国,张绮,邢厚恂,杜冰,徐 希平. 低浓度混苯对女工生殖激素分泌的影响[J]. 中华预防医学杂志 ,2001,02:12-15. 11.王守林,陈宇炼,陈海燕,徐莉春,曹晋柱,杜冰,王顶贤,施爱民,徐希平,王心如. 某石化企业和化纤企业女工不良妊娠结局的危险因素分析[J]. 工业卫生与职 业病,2001,03:140-143. 12.梁红业,吴白燕,陈大方,陈栎,徐希平,杨帆,胡海燕. 新生儿PON2基因多态性与 早产的关系[J]. 遗传,2002,05:515-518. 13.李佩芝,方自国,潘小川,王黎华,徐希平. 轮班作业女工排卵日前后的夜班次数 对妊娠结局的影响[J]. 中华劳动卫生职业病杂志,2002,05:52-54. 14.吴白燕,梁红业,陈大方,刘林,杨帆,胡海燕,陈栎,王桂香,徐希平. 新生儿 CYP2E1基因5′端RsaⅠ位点多态性和PON2基因148位点多态性与早产的关 系[J]. 遗传学报,2003,06:577-583. 15.游良雅,潘小川,陈大方,张金良,黄因敏,徐希平,夏桂芳. 苯系混合物对新婚女 工生育功能的影响[J]. 中国公共卫生,2003,07:109-110. 16.倪佳桐,黄爱群,杨帆,刘学,徐希平. 工效学因素对妇女临床受孕时间影响的研 究[J]. 疾病控制杂志,2003,05:420-422. 17.李佩芝,潘小川,徐希平,王黎华. 以尿激素标记物探讨职业噪声暴露与纺织女 工月经功能的关系[J]. 工业卫生与职业病,2004,03:130-135.1.Li S, Fang K, Wang W, Hu Y, Chen D. Gene-environment Interaction among GSTT1, PON2 Polymorphisms and Organic Solvents on Gestational Age in a Chinese Women Cohort. Journal of Assisted Reproduction and Genetics. 2014.31(7):881-888. 2.Ting Wu, Yonghua Hu, Changzhong Chen,Fan Yang, Zhiping Li, Zhian Fang, Lihua Wang, Dafang Chen. Passive smoking, metabolic gene polymorphism and infant birth weight in a prospective cohort of Chinese women. Am J Epidemiol 2007: 166(3):313-322. 3.Xueying Qin, Yiqun Wu, Changzhong Chen, Fan Yang, Zhiping Li, Zhian Fang, Lihua Wang, Yonghua Hu, Dafang Chen. Low organic solvent exposure and combined maternal-infant gene polymorphisms affect gestational age. Occupational and Environmental Medicine, 2008;65(7):482-487. 4.Na Li, Hong Liu, Yonghua Hu, Changzhong Chen,Fan Yang, Zhiping Li, Zhian Fang, Lihua Wang, Dafang Chen. CYP1A1 gene polymorphisms in modifying association between Passive smoking and primary dysmenorrheal. Annals of Epidemiology. 2007：17（11）：882-888.发表在SCI期刊文章6.Xiaobin Wang, Dafang Chen et al, Genetic Susceptibility to B。