导读:本文包含了预测效果论文开题报告文献综述及选题提纲参考文献，主要关键词:本溪组,薄储层,子波分解与重构,属性分析
预测效果论文文献综述
朱望明,薛凤琴,王娟,冯昕鹏,雒文丽[1]（2019）在《强煤层屏蔽下薄储层地震预测技术及效果》一文中研究指出鄂尔多斯盆地东部本溪组主要发育障壁岛砂体,具有"单井产量高,局部发育富集区"的特征,是上古生界重要含气层系之一。本溪组砂体薄,且受到上覆两套强煤层反射的屏蔽影响,地震预测难度大。为提高5～10m薄储层预测精度,在以子波分解与重构为核心的地震数据预处理基础上,综合应用模式识别—波阻抗反演—GeoEast属性分析—AVO分析等技术,形成利用地震资料定性—半定量—定量预测储层厚度及含气性技术系列。应用该技术,平面上精细刻画砂体空间展布形态,解决强煤层屏蔽下本溪组储薄储层预测难题,提升储层预测符合率14个百分点,多口井在本溪组见到高产,揭示出广阔的勘探前景。(本文来源于《2019年油气地球物理学术年会论文集》期刊2019-11-27）
祝刚,李燕[2]（2019）在《流控效果预测与事后分析工具的研究与开发》一文中研究指出本文从中南地区空中交通流量管理工作的实际情况出发,对战术流量管理方案进行记录,分析流量控制方案对受其影响的空域单元的影响和流量管理措施的执行情况,评估流量管理措施的有效性和执行效率,为事后分析和今后改进流量管理措施提供合理的参考依据。本文的研究成果及其工具为空中交通流量管理评估和事后分析提供了一种思路和方法,有助于进一步建设完善中南地区流量管理系统。(本文来源于《民航学报》期刊2019年06期）
李钱玲,甘秀妮,李源,唐玮[3]（2019）在《Autar量表与Caprini评估模型对肿瘤患者PICC相关静脉血栓形成预测效果的对比研究》一文中研究指出目的比较Autar量表与Caprini评估模型对肿瘤患者PICC相关静脉血栓形成的预测效度。方法采用病例对照研究,收集2012—2017年125例行PICC置管肿瘤患者的一般资料、置管资料。将确诊已发生PICC相关静脉血栓的肿瘤患者作为病例组,按照肿瘤类型相同采用1∶4配对方法,选取同期留置但未发生PICC相关静脉血栓的患者作为对照组,使用Autar量表与Caprini评估模型分别对患者进行评分并记录,并分析2个量表的最佳诊断界值。结果 Caprini评估模型最佳诊断界值为7分,灵敏度为0.661,特异度为0.724,曲线下面积为0.763;Autar量表最佳诊断界值为10分,灵敏度为0.642,特异度为0.555,曲线下面积为0.632。结论 Caprini评估模型灵敏度与特异度均高于Autar量表,能够更好地预测肿瘤患者发生PICC相关静脉血栓的风险。(本文来源于《护理学报》期刊2019年22期）
邢丽丽,黄蕾,赵白信,焦方杰[4]（2019）在《超声下卵巢黄体血流分级对输卵管妊娠药物治疗临床效果的预测》一文中研究指出目的:分析经阴道彩色多普勒超声检测卵巢黄体血流分级对输卵管妊娠药物治疗效果预测价值。方法:选择2016年1月-2018年12月本院收治的输卵管妊娠药物治疗患者123例,经阴道彩色多普勒超声检测卵巢黄体血流分级分组,0级组、1级组、2级组及3级组,比较组间药物治疗后不同时间血β-hCG、输卵管妊娠包块下降情况及药物疗效。结果:各组治疗前血β-hCG及输卵管妊娠包块平均直径无差异(P>0.05);治疗后第1、5、7、14d血β-hCG下降幅度2级组和3级组均小于0级组和1级组(P<0.05),0级组与1级组比较无差异(P>0.05);治疗后第5、7、14d输卵管妊娠包块平均直径下降幅度2级组和3级组均小于0级组和1级组(P<0.05),0级组与1级组比较无差异(P>0.05);药物治疗有效率3级组最低(P<0.05),0级组、1级组与2级组无差异(P>0.05);治疗有效患者包块消失及血β-hCG降至正常时间3级组最大(P<0.05),0级组与1级组无差异(P>0.05)。结论:应用经阴道彩色多普勒超声检测卵巢黄体血流可以预测输卵管妊娠药物治疗效果,卵巢黄体血流分级较高者,治疗时间会延长,疗效较差。(本文来源于《中国计划生育学杂志》期刊2019年11期）
王帅,朱晗,曹蕾,黄菲,范磊[5]（2019）在《IL-24对弥漫大B淋巴瘤临床治疗效果的预测价值》一文中研究指出目的:探讨白介素24(interleukin,IL-24)对弥漫大B淋巴瘤临床治疗效果的预测价值。方法:选取82例弥漫大B淋巴瘤初诊患者,患者入院后均接受4个疗程利妥昔单抗联合环磷酰胺+阿霉素+长春新碱+泼尼松(cyclophosphamide,hydroxyldaunorubicin,oncovin,prednisone,CHOP)方案的常规一线治疗,根据病情转归情况分为治疗有效组(完全缓解及部分缓解)和治疗无效组(疾病稳定及疾病进展),同期选取66例健康体检者作为对照。通过ELISA检测受试人群外周血IL-24水平,并采用受试者工作特征(receiver operating characteristic,ROC)曲线评估IL-24对弥漫大B淋巴瘤临床治疗效果的预测价值。结果:治疗前,弥漫大B淋巴瘤患者的IL-24水平较健康体检者显着下降[(41.4±7.3)μg/mL vs.(62.3±9.3)μg/mL,P<0.001];治疗后,治疗有效组患者IL-24水平较治疗前显着增高[(55.0±7.0)μg/mL vs.(46.3±5.3)μg/mL,P<0.001],并且明显高于治疗无效组[(55.0±7.0)μg/mL vs.(36.5±4.2)μg/mL,P<0.001];治疗无效组患者治疗后IL-24水平较治疗前差异无统计学意义(P>0.05)。当取38.8μg/mL作为IL-24最佳临界值时,IL-24预测弥漫大B淋巴瘤患者临床治疗有效的灵敏度为95.65%,特异度为83.33%。结论:IL-24对弥漫大B淋巴瘤患者临床治疗效果具有可靠的预测价值。(本文来源于《南京医科大学学报(自然科学版)》期刊2019年11期）
汪宏莉,陈涛,韩延柏[6]（2019）在《预测60-69岁老年人高血压的肥胖指标筛选与效果评价》一文中研究指出研究目的:描述60-69岁老年人肥胖指标与血压水平的关联,在新肥胖指标和传统肥胖指标中筛选预测老年人高血压的良好肥胖指标、确定切点值并评价预测效果。研究方法:分析2010年和2014年辽宁省国民体质监测点1608名60-69岁老年人(男性为778人,女性为830人)的数据资料。血压标准采用中国高血压防治指南2018,高血压为SBP≥140mm Hg和/或DBP≥90mmHg,正常偏高血压为120≤SBP≤139mm Hg和/或80≤DBP≤89mmHg,正常血压为SBP<120mm Hg和DBP<80mmHg。传统肥胖指标包括:体质指数(BMI)、腰围(WC)、腰臀比(WHR)、锥削度指数(CI)和体格指数(PI);新肥胖指标包括:腰围身高比(WHtR=腰围(cm)/身高(cm))、腹部脂肪指数(AVI=[2×腰围(cm)2+0.7(腰围-臀围)(cm)2]/1000)、身体形态指数(ABSI=(腰围(m)/[BMI(kg/m2)2/3×身高(m)1/2])、身体圆润指数(BRI=364.2-365.5×{1﹣[腰围(m)/2π/0.5×身高(m)]2})、身体脂肪指数(BAI=hip(cm)/身高(m)1.5﹣18)和臀围指数(HI=臀围(cm)×[身高(cm)/166)0.310×(体重(kg)/73)-0.482]。采用受试者工作特征曲线(ROC)评价肥胖指标预测高血压的效果,以约登指数(灵敏度+特异度﹣1)最大确定肥胖指标的切点值。采用二分类logistic回归分析,评价各肥胖指标与高血压的关联强度,前进法选自变量(纳入α=0.05,剔除α=0.06)。研究结果:(1)辽宁省60-69岁老年人高血压率、正常偏高血压率分别为38.6%、44.9%。高血压率和正常偏高血压率,男性为41.5%和43.5%,女性为35.8%和46.3%;男性高血压率高于女性(χ2=5.572,P<0.05)。(2)男、女性老年人BMI、WC、WHtR、AVI、PI、BRI、BAI预测高血压的ROC曲线下面积(AUC)均有统计学意义(均P<0.05)。AUC分别为:BMI(男:0.59,女:0.60)、WC(男:0.58,女:0.62)、WHtR(男:0.58,女:0.62)、AVI(男:0.58,女:0.61)、PI(男:0.59,女:0.60)、BRI(男:0.58,女:0.62)、BAI(男:0.56,女:0.58)。(3)肥胖指标预测高血压的切点值分别为:BMI(男:25.4 kg/m2,女:25.6 kg/m2),WC(男:83. 5cm,女:86.6cm),WHtR(男:0.50,女:0.53),AVI(男:14.3cm2,女:15.2 cm2),PI(男:14.6 kg/m3,女:16.1 kg/m3),BRI(男:3.4,女:4.1)和BAI(男:25.4,女:32.6)。(4)采用logistics回归分析,因变量为是否高血压(1=高血压,0=非高血压)。单变量logistic分析中,分别以BMI、WC、WHtR、AVI、PI、BRI、BAI为自变量,以各指标小于切点值为参照组。结果表明,男性BMI、WC、WHtR、AVI、PI、BRI、BAI切点值以上者高血压的风险分别是其切点值以下者的1.84、1.80、1.89、1.71、1.68、1.90和1.51倍,女性BMI、WC、WHtR、AVI、PI、BRI、BAI、WHR、CI、ABSI切点值以上者高血压的风险分别是其切点值以下者的2.13、2.02、2.30、1.79、1.87、2.18、1.82、1.91、1.99和1.63倍。上述均P<0.01。(5)多变量logistic回归分析中,以BMI、WC、WHtR、AVI、PI、BRI、BAI为自变量,前进法选择自变量。结果表明,男、女性均有BMI和WHtR进入模型,男性BMI≥25.4kg/m2者高血压风险是BMI<25.4kg/m2者的1.53倍,WHtR≥0.50者高血压风险是WHtR<0.50者的1.55倍;女性BMI≥25.6 kg/m2者高血压风险是BMI<25.6kg/m2者的1.62倍,WHtR≥0.53者高血压风险是WHt R<0.53者的1.81倍。上述均P<0.05。(6)采用logistic回归分析,自变量为4个BMI和WHtR组合((-)代表<切点值,(+)代表≥切点值),即BMI(-)WHtR(-)(设为参照组)、BMI(-)WHtR(+)、BMI(+)WHtR(-)、BMI(+)WHtR(+)。结果表明,男性BMI(+)WHtR(+)组高血压风险是参照组的2.33倍(95%CI=1.63-3.34),女性BMI(-)WHtR(+)组、BMI(+)WHtR (+)组高血压风险分别是参照组的1.60倍(95%CI=1.08-2.39)、 2.88倍(95%CI=2.03-4.09)。上述均P<0.05。男性高血压患病率:BMI(+)WHtR(+)组为52.1%,BMI(-)WHtR(-)组为31.8%;女性高血压患病率:BMI(+)WHtR(+)组为48.2%,BMI(-)WHtR(+)组为34.2%,BMI(-)WHtR(-)组为24.5%。研究结论:(1)60-69岁老年人群中,男性BMI、WC、WHtR、AVI、PI、BRI、BAI增加,女性BMI、WC、WHtR、AVI、PI、BRI、BAI、WHR、CI、ABSI增加,均增大高血压发病风险。(2)BMI和WHtR是预测60-69岁老年人高血压的良好肥胖指标。60-69岁老年人预防高血压,男性应控制BMI<25.4kg/m2,WHt R<0.50;女性应控制BMI<25.6 kg/m2,WHt R<0.53。(3)BMI和WHtR结合使用,可提高预测高血压发病风险的效果。在国民体质监测中增加WHtR指标及评价标准,能够在高血压预防中发挥作用。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
刘洋,漆昌柱,贺梦阳,韦晓娜,秦杰[7]（2019）在《视觉运动追踪训练：提高网球运动员知觉预测能力的效果与机制》一文中研究指出知觉预测(perceptual anticipation)是利用不完整信息或先行信息预测未来事件的信息加工过程。网球运动是一项高策略开放性运动技能,对运动员的知觉预测能力要求较高。研究发现,运动领域的知觉预测似乎受与运动专业知识相关的视觉因素控制。当客观环境中运动的物体被个体长时间稳定注意,这时个体的视觉始终追随视觉目标运动,便形成视觉运动追踪。视觉运动追踪则影响着个体的预测性追踪、追赶性眼跳、空间位置和接触时间或碰撞时间(TTC)等涉及运动物体时空特征表征和预测的行为。研究发现,顶尖的精英运动员(elite players)在击球阶段视线会跟踪球更长时间,并且对球以及击球点的注视时间也更长。因此,视觉运动追踪训练可能是提高网球运动员知觉预测能力的有效手段和方法。以往的研究中,虽然对运动员知觉预测和视觉运动追踪进行了深入的研究,找出来了运动专家在知觉预测和视觉运动追踪方面的优势特征以及二者的关系,但在如何利用视觉运动追踪训练培养和提高运动员知觉预测能力的专项心理干预手段以及训练干预效果的神经机制研究还相对较少,值得广大运动心理学工作者进行有针对性的深入探讨研究。为考察视觉运动追踪训练提高网球运动员知觉预测能力的效果与机制。将22名运动等级在二级以上的网球运动员随机分为实验组(男9,女2;平均年龄21.09±2.66岁;平均训练年限8.81±2.04年)和对照组(男9,女2;平均年龄22.00±2.45岁;平均训练年限8.45±1.63年),实验组被试采用课题组前期研发的"视觉运动追踪训练系统v1.0"进行大约20min的视觉运动追踪训练干预(包括平滑运动视觉追踪训练、叁维运动视觉追踪训练和抽象模拟场景视觉追踪训练3种干预模式),而对照组被试不进行任何干预,直接进行知觉预测任务测试。采用时间定格任务,记录2组网球运动员在不同击球时间点(击球后120 ms、240 ms、360 ms)进行知觉预测的行为学指标及事件相关电位(ERP)。结果显示:2组被试判断击球落点的正确率组间主效应显着,实验组判断正确率显着高于对照组,尤其是在击球后360ms时间点,实验组表现的更加优秀;判断反应时时间点主效应显着,各时间点(T1、T2、T3)实验组的判断反应时显着长于对照组;ERP早期成分表明,在击球后360 ms,实验组被试诱发更大的枕区P1;各时间点(T1、T2、T3),枕区P3波幅组别主效应显着,实验组诱发更大的P3。这表明,视觉运动追踪训练能有效提高网球运动员落点判断决策任务的正确率,但不能有效降低判断反应时;视觉运动追踪训练有效增加了网球运动员信息输入早期选择性注意以及认知加工中的心理资源投入,提高网球运动员的专注能力,加快视觉信息加工运动专长的获得。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
何国民[8]（2019）在《BP神经网络预测模型与回归预测模型预测效果比较研究》一文中研究指出研究目的:预测是指在掌握客观对象已知信息的基础上,依照一定的方法与规律对事物的未知信息进行估计与测算。预测时所使用的预测模型多种多样,各种预测模型的预测效果如何,是应用中选择预测模型的重要依据,BP神经网络预测模型、回归预测模型是最为常用的预测模型,本文将对两者的预测原理、实际预测效果进行比较,为预测模型选择提供依据。研究方法:文献资料法、比较分析法、逻辑分析法研究结果:1)BP神经网络预测模型与回归预测模型预测原理比较从预测原理上来看,两个预测模型的区别在于:回归预测模型需人为选择被预测变量与预测变量间的函数形式,函数形式的选择直接影响模型的预测效果。而BP神经网络预测模型则不需人为选择函数形式,它是通过网络的自学习能力,建立预测变量到被预测变量的非线性映射。从BP神经网络预测模型的原理来看,只要建模样本有足够的代表性,利用网络自身的学习功能,可以得到一个预测效果比较好的预测模型。而回归预测模型,除了建模型数据要有代表性外,还需在众多的函数形式中选择一个合适的函数形式,这是一项非常困难的工作,特别是预测变量是多个的时候,更难于确定被预测变量与预测变量间的函数形式,实际运用中,往往使用较为简单的多元线性回归模型作为预测模型,这样就使得预测效果大打折扣。因此,从两个模型的预测原理上来看,BP神经网络预测模型要优于回归预测模型。2)BP神经网络预测模型与回归预测模型预测效果的比较(1)建模型数据。测得27名成年男子的体脂率(Y)、BMI(X1)、胸围(X2)、腰围(X3)、臀围(X4)等指标数据,用其中22个样品作为建模样本,用于建立预测模型,5个样品作为验证样品,用于验证所建预测模型的预测效果。(2)建立回归预测模型。以体脂率为因变量,BMI、胸围、腰围、臀围为自变量,建立对体脂率进行预测的多元线性回归模型,回归分析要求如下:自变量选取方法:逐步回归法变量进入回归方程的标准为:相伴概率≤0.1,变量被剔除回归方程的标准为:相伴概率≥0.15得到回归方程:体脂率=-38.119+0.361×胸围+0.298×腰围(3)建立BP神经网络预测模型。设计如下BP神经网络网络层数:包含1个隐含层的叁层网络。各层神经元数:输入层神经元数为2,隐含层神经元数为12,输出层神经元数为1。传输函数:隐含层选用双曲正切S形函数(tansig),输出层选用纯线性函数(purelin)。网络训练函数:选用动量BP算法函数(traingdm)用Matlab2016a实现上述神经网络,用建模样本对建立的BP神经网络进行训练,得到满足精度要求的网络,训练时应达到的精度设为0.0001,最大迭代次数设为50000。(4)BP神经网络预测模型与回归预测模型预测效果分析。用回归分析所得到的回归方程、训练好的BP神经网络对建模型样本、验证样本的体脂率进行预测,得到各样品的预测值。称预测值与实际值之差为残差,残差的标准差、极差大小反映了预测的精度,是衡量预测模型预测效果的重要标准。用建立的回归预测模型对建模样本进行预测,残差的极差为12.356,标准差为2.858,对验证样本进行预测,残差的极差为3.432,标准差为1.462。用建立的BP神经网络预测模型对建模样本进行预测,残差的极差为3.665,标准差为0.730,对验证样本进行预测,残差的极差为3.387,标准差为1.407。不管是对建模样本的预测,还是对验证样本的预测,BP神经网络预测模型残差的极差、标准差都比回归预测模型的小,这说明BP神经网络预测模型的预测效果比回归预测模型的预测效果要好。研究结论:在预测原理方面,回归预测模型需人为选择被预测变量与预测变量间的函数形式,而BP神经网络预测模型则不需人为选择函数形式,在多变量的情况下,这是一件非常困难的工作,实践中往往使用较为简单的多元线性回归模型作为预测模型,这就使得预测效果大打折扣,因此从理论上说,BP神经网络预测模型要优于回归预测模型。在实际预测效果方面,通过一个实际预测实例,对两者的预测效果进行了对比,结果表明,不管是对建模样本的预测,还是对验证样本的预测,BP神经网络预测模型残差的极差、标准差都比回归预测模型的小,这说明BP神经网络预测模型的预测效果比回归预测模型的预测效果要好。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
邓粮,何海萍,王雪萍,李雪明,苏杏冰[9]（2019）在《不同卒中相关性肺炎预测量表预测缺血性脑卒中患者发生医院获得性肺炎的效果》一文中研究指出目的探讨不同卒中相关性肺炎量表在预测缺血性脑卒中患者医院获得性肺炎中的应用效果。方法收集某二级综合医院2015—2018年入住神经内科的缺血性脑卒中患者病历资料,采用受试者工作特征曲线(ROC)对6个卒中相关性肺炎预测量表在缺血性脑卒中患者医院获得性肺炎中的应用进行分析,评估各预测量表的性能。结果共收集628例患者资料。发生医院获得性肺炎44例(发生率为7.01%),发生卒中相关性肺炎46例(发生率为7.32%)。Kwon等评分量表、Chumbler等评分量表、A2 DS2量表、PANTHERIS量表、ASI-APS量表、ISAN量表的c统计量分别为0.731、0.764、0.729、0.728、0.66、0.778,除ASI-APS量表外,其他5个量表差异均有统计学意义(均P<0.05),但各量表曲线下面积差异无统计学意义(均P>0.05)。各量表医院获得性肺炎预测性能与报道卒中相关性肺炎预测性能对比,Chumbler等评分量表和ISAN量表在预测HAP和SAP中的性能差异较小。结论除ASI-APS量表,其他卒中相关性肺炎预测量表可应用于预测缺血性脑卒中患者医院获得性肺炎。(本文来源于《中国感染控制杂志》期刊2019年10期）
冷凌涵[10]（2019）在《血清PCT对住院危重患者谵妄发病的预测效果分析》一文中研究指出目的探讨血清PCT对住院危重患者谵妄发病的预测效果。方法选取我院重症监护室(ICU)接受治疗的危重患者107例,根据患者住院期间是否发生谵妄分为两组,55例未发生谵妄的患者为对照组,52例发生谵妄的患者为研究组。观察两组血清C-反应蛋白(CRP)、血清降钙素原(PCT)的表达水平;利用多因素Logistic回归模型进行住院危重患者谵妄发病的影响因素分析;对比血清CRP、血清PCT在住院危重患者谵妄诊断中的特异度和敏感性。结果研究组血清CRP、血清PCT的表达水平均高于对照组(P<0.05);血清PCT是住院危重患者发生谵妄的独立危险因素(P<0.05);与血清CRP对比,血清PCT诊断住院危重患者谵妄具有较高的特异度和敏感性(P<0.05)。结论住院危重患者发生谵妄后其血清CRP、血清PCT表达均明显增高,血清PCT是住院危重患者发生谵妄的独立危险因素,血清PCT诊断住院危重患者发生谵妄具有较高的特异度和敏感性。(本文来源于《贵州医药》期刊2019年10期）
预测效果论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文从中南地区空中交通流量管理工作的实际情况出发,对战术流量管理方案进行记录,分析流量控制方案对受其影响的空域单元的影响和流量管理措施的执行情况,评估流量管理措施的有效性和执行效率,为事后分析和今后改进流量管理措施提供合理的参考依据。本文的研究成果及其工具为空中交通流量管理评估和事后分析提供了一种思路和方法,有助于进一步建设完善中南地区流量管理系统。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预测效果论文参考文献
[1].朱望明,薛凤琴,王娟,冯昕鹏,雒文丽.强煤层屏蔽下薄储层地震预测技术及效果[C].2019年油气地球物理学术年会论文集.2019
[2].祝刚,李燕.流控效果预测与事后分析工具的研究与开发[J].民航学报.2019
[3].李钱玲,甘秀妮,李源,唐玮.Autar量表与Caprini评估模型对肿瘤患者PICC相关静脉血栓形成预测效果的对比研究[J].护理学报.2019
[4].邢丽丽,黄蕾,赵白信,焦方杰.超声下卵巢黄体血流分级对输卵管妊娠药物治疗临床效果的预测[J].中国计划生育学杂志.2019
[5].王帅,朱晗,曹蕾,黄菲,范磊.IL-24对弥漫大B淋巴瘤临床治疗效果的预测价值[J].南京医科大学学报(自然科学版).2019
[6].汪宏莉,陈涛,韩延柏.预测60-69岁老年人高血压的肥胖指标筛选与效果评价[C].第十一届全国体育科学大会论文摘要汇编.2019
[7].刘洋,漆昌柱,贺梦阳,韦晓娜,秦杰.视觉运动追踪训练：提高网球运动员知觉预测能力的效果与机制[C].第十一届全国体育科学大会论文摘要汇编.2019
[8].何国民.BP神经网络预测模型与回归预测模型预测效果比较研究[C].第十一届全国体育科学大会论文摘要汇编.2019
[9].邓粮,何海萍,王雪萍,李雪明,苏杏冰.不同卒中相关性肺炎预测量表预测缺血性脑卒中患者发生医院获得性肺炎的效果[J].中国感染控制杂志.2019
[10].冷凌涵.血清PCT对住院危重患者谵妄发病的预测效果分析[J].贵州医药.2019