跳到主要內容

臺灣博碩士論文加值系統

(44.211.117.197) 您好!臺灣時間:2024/05/22 01:31
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:林柏村
研究生(外文):Po-Tsun Lin
論文名稱:資料採礦技術應用於修正版國際攝護腺症狀量表之量度發展研究
論文名稱(外文):Data Mining Technique in Development of Modified International Prostate Symptom Score Scales
指導教授:謝邦昌謝邦昌引用關係劉志光劉志光引用關係
指導教授(外文):Ben-Chang ShiaChih-Kuang Liu
口試委員:鄭宇庭夏學理
口試委員(外文):Yu-Ting ChengHsueh-Li Hsia
口試日期:2013-06-13
學位類別:碩士
校院名稱:輔仁大學
系所名稱:統計資訊學系應用統計碩士班
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:68
中文關鍵詞:資料採礦International Prostate Symptom ScoreBenign Prostatic HyperplasiaLower Urinary Tracts SymptomsWINFIPSSBPHLUTS
外文關鍵詞:Data MiningInternational Prostate Symptom ScoreBenign Prostatic HyperplasiaLower Urinary Tracts SymptomsWINFIPSSBPHLUTS
相關次數:
  • 被引用被引用:0
  • 點閱點閱:348
  • 評分評分:
  • 下載下載:6
  • 收藏至我的研究室書目清單書目收藏:0
攝護腺肥大為中老年男性普遍容易得到的疾病之一,並且隨著年齡的增長,罹患該病症的機率會逐漸升高,一般採用國際攝護腺症狀(International Prostate Symptom Score-IPSS)量表作為攝護腺肥大症狀嚴重程度之評估量表。但該量表設計內容過於繁瑣冗長且內容模糊不清。因此本研究欲透過蒐集良性攝護腺肥大症合併下泌尿道症狀(BPH/LUTS)病人填寫之IPSS量表以及修正版之WINF量表進行資料的分析。透過降低量表題項維度以及縮減答項尺度的方式,簡化目前的症狀評估量表。本研究之主要目的是透過改進修正版的攝護腺症狀量表之答項尺度,並透過資料採礦技術驗證新修正後症狀量表的可行性。
透過答項尺度的縮減,並藉由資料採礦技術對選定的四種答項組合,進行建模方法的比較。而四種組合分別是:組合一(時間≦1/5、1/5<時間≦1/2、1/2 <時間≦1)、組合二(時間<1/2、時間=1/2、時間>1/2)、組合三(時間=0、0<時間≦1/5、1/5<時間≦1)、組合四(時間=0、0<時間≦1/5、1/5<時間≦1/2、1/2<時間≦1)。結果顯示支援向量機(SVM)法比其他建模方法(KNN演算法、邏輯斯迴歸(LogisticRegression)法、神經網路(Neural Network)法及貝氏網路(Bayesian Network)法)更適合建構此量表資料之分類模型,其精準度為63.56%~97.27%。從不同建模方法下比較四種組合,結果顯示組合二的準確率較精準,為82.53%~97.27%。
透過方法與組合的交叉比較後,得到最佳組合為SVM建模方法下之組合二,其整體準確率為84.76%至97.27%。經過多次驗證模型所得到之結果顯示模型穩定。最終以組合二做為修正後之WINF量表的答項,並可將其用於替代IPSS量表。
Benign prostatic hyperplasia symptoms likely to occur in Middle-aged and older men. With increasing age, the chances of suffering from the disease will gradually rise. Generally using the International Prostate Symptom Scale (IPSS) as the symptoms of prostate enlargement overview of the rating scale. But the IPSS scale is too cumbersome, lengthy design content and the content blurred. Therefore, this study was to collect through benign prostatic hyperplasia with lower urinary tract symptoms (BPH / LUTS) patients completed the IPSS scales and the revision of WINF scales for data analysis. By reduced the scale’s question and the scale’s answer, to simplify the current symptom assessment scale. The purpose of this study is to improve the revision of WINF scale’s answers. And use data mining techniques to verify the feasibility of the new revised WINF scale.
By reduced the answer and used data mining techniques to select the best model and composition. The combination of four kinds of reduced scale items were:combination 1 (the score range : score≦1/5, 1/5<score≦1/2, 1/2 <score≦1), combination 2 (the score range : score<1/2, score=1/2, score>1/2), combination 3 (the score range : score=0, 0<score≦1/5, 1/5<score≦1), and combination 4 (the score range : score=0, 0<score≦1/5, 1/5<score≦1/2, 1/2<score≦1). The results showed that support vector machine (SVM) method than other modeling methods (KNN algorithm, Logistic Regression, Neural Network and Bayesian Network) is more suitable for the construction of this scale data classification model, and its accuracy is 63.56% ~ 97.27%. Compared under different modeling methods from four combinations, the results show the precise combination of two more accurate rate for 82.53% ~ 97.27%.
Through a combination of cross-comparison method, the optimal combination of SVM modeling method under the combination of two, the overall accuracy rate of 84.76 to 97.27 percent.After several validate the model results obtained show the model stability. Eventually combined two of WINF as the revised answer scale items, and can be used to replace the IPSS scale.

目 錄 ....................................... I
表目錄 ...................................... II
圖目錄 ...................................... III
第壹章 緒論 .................................. 1
第一節 研究背景 ........................ 1
第二節 研究動機與目的 ................... 1
第三節 論文架構 ........................ 2
第貳章 文獻回顧 ............................... 4
第一節 李克特量表之概述 ................. 4
第二節 量尺轉換之相關研究 ............... 5
第三節 資料採礦 ....................... 7
第四節 攝護腺及相關病症之介紹 ........... 15
第五節 IPSS 量表之介紹 ................ 23
第六節 IPSS 量表修正之相關研究 ......... 24
第參章 研究方法 ............................. 26
第一節 研究對象與量表設計 .............. 26
第二節 分析方法 ...................... 26
第三節 建模方法 ...................... 30
第四節 模型的驗證與評估 ............... 41
第肆章 實證分析 ............................. 44
第一節 資料準備 ...................... 44
第二節 資料剖析 ...................... 46
第三節 定義各答項尺度組合與信度之驗證 .... 52
第四節 模型評估與驗證 .................. 54
第伍章 結論與建議 ............................ 62
第一節 結論 .......................... 62
第二節 建議 .......................... 63
參考文獻 ................................... 64
附錄 ....................................... 69
中文文獻
IBM SPSS Modeler 15 用戶指南(2012)。北京市:IBM Corporation。
TCOG攝護腺癌研究委員會(2003)。攝護腺(前列腺)癌診治共識。苗栗縣:國家衛生研究院(NHRI)癌症研究組臺灣癌症臨床研究合作組織(TCOG)。
TCOG攝護腺癌研究委員會(2008)。臺灣良性攝護腺(前列腺)肥大症臨床診療指引。苗栗縣:國家衛生研究院。
尹相志(2006)。SQL Server 2005資料採礦聖經。臺北市:學貫出版社。
余民寧(2002)。教育測驗與評量:成就測驗與教學評量(第二版)。臺北市:心理出版社。
吳明隆(2011)。SPSS統計應用學習實務:問卷分析與應用統計(第三版)。新北市:易習圖書出版社。
吳柏林(1994)。模糊統計分析:問卷調查研究之新方向。國立政治大學研究通訊,2,65-80。
吳統雄(1985)。態度與行為研究的信度與效度:理論、應用、反省。民意學術專刊,夏季號,29-53。
風笑天(2002)。社會調查研究方法。北京市:人民大學出版社。
彭曉蘩(2007)。攝護腺疾病。臺北榮民總醫院家庭醫學部衛生教育系列文章。
傳粹馨(1998)。「影響積差相關係數與信度係數之因素」。教育學刊,14,193-206。
傳粹馨(2002)。信度、Alpha 係數與相關議題之研究。教育學刊,18,163-184。
劉志光(2013)。攝護腺肥大症狀新量表--修正之IPSS (WINF)發展與驗證研究。輔仁大學商學研究所博士學位論文,新北市。
謝邦昌、邱志洲(2000)。類神經網路分析(Neural Network Analysis)。臺北市:曉園出版社。
謝邦昌、蘇志雄、鄭宇庭、葉劭緯(2005)。資料採礦與商業智慧-SQL Server 2005。臺北市:鼎茂圖書出版股份有限公司。


英文文獻
Anastasi, Anne (1988). Psychological testing. New York : Macmillan ; London : Collier Macmillan, c1988, (OCoLC)647551652.
Berry, M. J. A., & Linoff, G. S. (1997). Data mining techniques: For marketing, sales, and customer support. NY: John Wiley & Sons, Inc.
Bryman, Alan, & Cramer, Duncan (1997).Quantitative Data Analysis with SPSS for Windows: A guide for social scientists. London: Routledge.
Cover TM, Hart PE (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory 13 (1): 21-27.
Crocker, L., and Algina, J. (1986).Introduction to Classical and Modern Test Theory, Harcourt Brace Jovanovich College Publishers: Philadelphia.
Edward G. Carmines, Richard A. Zeller (1979). Reliability and Validity Assessment.A Sage University Paper.
Fayyad, U. M., Piatetsky, S. G. & Padhraic, S. (1996). Form Data Mining to Knowledge Discovery in Databases. American Association for Artificial Intelligence, 11(5), 20-25.
Frawley, W. J., Paitetsky-Shapiro, G., & Matheus, C. J. (1991). Knowledge discovery in databases: An overview, knowledge discovery in databases. SF:AAAI / MIT Press.
Gardner, P. L. (1995). Measuring attitudes to science: Unidimensionality and internal consistency revisited. Research in Science Education, 25, 283-9.
Grupe, F. H., & Owrang, M. M. (1995). Database mining discovering new knowledge and cooperative advantage. Information systems management, 12, 26-31.
Hall, J., Mani, G., & Barr, D. (1996). Applying computational intelligence to the investment process. In proceedings of CIFER-96: Computational intelligence in financial engineering. NJ: IEEE Press, Piscataway.
Hand, D. H. Mannila, P. Smyth (2001). "Principles of Data Mining". MIT Press, Cambridge, MA. ISBN 0-262-08290-X.
Henson, R. K.(2001). Understanding internal consistency reliability estimates: A conceptual primer on coefficient alpha. Measurement and Evaluation in Counseling and Development, 34, 177-189.
Jose M. Cortina(1993). What Is Coefficient Alpha? An Examination of Theory and Applications. Journal of Applied Psychology, 78, 98-104.
Lim, H. E. (2008). The use of different happiness rating scales: Bias and Comparison Problem?. Social Indicator Research, 87(2), 259-267.
Steinberg, G. D., Carter, B. S., Beaty T.H., Childs, B., & Walsh, P. C.(1990).Family history and the risk of prostate cancer. Prostate, 17, 337-347.
Trevor Hastie, Robert Tibshirani, Jerome Friedman, James Franklin (2001).The Elements of Statistical Learning: Data Mining, Inference, and Prediction.Springer.
Wang Ying-Lun, Wang Man-Qiang & Liu Hai-Wei (2008). A new species of the genus Vivaha Distant (Hemiptera: Derbidae) from China. Entomotaxonomia 30(2): 99-102 [100].
Xitao Fan, Bruce Thompson(2001). Confidence intervals about score reliability coefficients, please: An epm guidelines editorial. Educational and Psychological Measurement, Vol. 61 No. 4, August 2001 517-531.

網路文獻
Mr./Ms. Days–網路,資訊,觀察,生活。KNN演算法。(http://mmdays.wordpress.com/2007/05/16/knn/)。摘錄日期:2013年4月26日。
金字塔能量活水生飲機-鄧美正的部落格。四十歲男人不可不知的事—談攝護腺疾病,由東元綜合醫院泌尿外科戴順慶主任撰寫。(http://mj737626.pixnet.net/blog/post/83606219-四十歲男人不可不知的事)。摘錄日期:2013年5月17日
維基百科。貝氏網路。(http://zh.wikipedia.org/wiki/貝氏網路)。摘錄日期:2013年4月18日。
維基百科。最近鄰居法。(http://zh.wikipedia.org/wiki/最近鄰居法)。摘錄日期:2013年4月26日。
維基百科。攝護腺。(http://zh.wikipedia.org/wiki/攝護腺)。摘錄日期:2013年2月18日。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top