一、老年前期人红细胞压积参考值与中国地理因素的关系（论文文献综述）
马瑞飞[1]（2019）在《健康中老年人动脉血二氧化碳分压参考值的地理环境模型预测》文中研究表明动脉血二氧化碳分压（PaCO2）是临床血气分析中的常用指标,其参考值对常见的呼吸系统疾病的诊断以及治疗具有十分重要的作用,比如通过观察临床上慢性阻塞性肺疾病患者的动脉血二氧化碳分压数值大小,可以判断患者呼吸系统的氧合、通气以及酸碱平衡状况。在健康地理学的研究中,动脉血二氧化碳分压参考值的研究主要是通过在不同区域地理环境下的动脉血二氧化碳分压参考值的分布角度展开,而从该角度开展研究国内外还相对较少。此外,国内还缺乏不同地域背景下的健康人群动脉血二氧化碳分压参考值的标准,因此基于地理环境视角进行动脉血二氧化碳分压参考值的分布研究,对建立我国不同地域健康人群的动脉血二氧化碳分压参考值范围以及规范标准具有重要的现实意义。本论文主要研究我国健康中老年人动脉血二氧化碳分压参考值的地理分布规律,并建立适当的健康中年人和老年人动脉血二氧化碳分压参考值的预测模型,为我国健康中年人和老年人的动脉血二氧化碳分压参考值的预测提供科学依据。本研究首先通过文献检索方式收集得到我国不同地区健康中年人（40～59岁）和老年人（>60岁）的实测动脉血二氧化碳分压参考值数据,其中健康中年人5677例,健康老年人5691例。并选取和获得地势、气候和土壤中共20项因子（海拔、经度、纬度、年日照时数、年平均气温、年平均相对湿度、年降水量、气温年较差、年平均风速、砂粒百分率、粉粒百分率、粘粒百分率、土壤pH、土壤盐度、土壤容重、土壤有机质含量、黏土阳离子交换量、粉土阳离子交换量、总碳酸盐含量和总硫酸盐含量）作为地理环境基础数据,结合实测参考值数据进行建模分析:在空间自相关、相关分析和冗余分析的基础上,分别建立健康中年人和老年人PaC02参考值的多元线性回归模型、曲线估计标准差组合模型以及BP神经网络模型,通过统计学评估手段获得每一种模型的最优模型;将如上三种最优模型分别利用平均值法、标准差法、简单加权平均法和预测误差平方和倒数法进行模型组合,通过均方误差（MSE）评价法、误差平方和（SSE）评价法、平均绝对误差（M4E）评价法和平均相对误差（MRE）评价法等四种组合模型评估方法将所得到的四种组合方程进行评估,最终得到健康中年人和老年人PaCO2参考值的最优组合预测模型,该模型方程也是本研究最终得到的PaCO2参考值最优预测方程。通过研究分析,得到的主要结论如下:（1）由相关分析和冗余分析可得到健康中老年人PaCO2参考值与海拔、经度、年平均气温、土壤盐度、土壤有机质含量、年平均风速、年平均相对湿度、总硫酸盐含量和土壤容重等因子相关性较强,而海拔是影响健康中老年人PaCO2参考值最重要的因子。各地理环境因子对健康中年人PaCO2参考值的影响强度从大到小排序为:海拔>有机质含量>年平均气温>经度>盐度>土壤容重>总硫酸盐含量>年平均风速>年平均相对湿度;对健康老年人PaCO2参考值的影响强度从大到小排序为:海拔>经度>年平均气温>有机质含量>盐度>土壤容重>总硫酸盐含量>年平均相对湿度>年平均风速。（2）健康中年人PaCO2参考值的最优预测模型方程为:Y=O.044Y1+0.033 Y2+0.923 Y3健康老年人PaCO2参考值的最优预测模型为:Y=0.2487Y1+0.1379Y2+0.6134Y3其中,Y1为多元线性回归模型预测值,Y2为曲线估计标准差预测模型预测值,Y3为人工神经网络模型预测值。（3）我国健康中老年人PaCO2参考值的整体分布特点为:西南低,西北高,其它地区适中。利用参考值分布图可以直观反映我国不同区域健康中老年人群的PaCO2参考值范围,为相关医学工作者提供了便利。
林宁[2]（2019）在《中国健康成年人血清总胆固醇和甘油三酯的参考值与地理因素的关系》文中研究说明健康成年人血清总胆固醇（TC）和甘油三酯（TG）是临床上重要的血脂检测指标。为了分析以上两项血脂指标与地理环境因素之间的关系,揭示我国健康成年人血清总胆固醇和甘油三酯参考值的地理分异规律,分析地理环境是通过何种方式影响着两项血脂指标。本文使用数理统计和地统计方法,分别建立预测模型,预测出血清总胆固醇和甘油三酯在全国的参考值分布,进行全国尺度上的分析研究。本文搜集了全国29个省级行政区的42477例健康成年人的血清总胆固醇和甘油三酯的实测数据以及全国各县市的空间、气象、土壤数据。然后对数据进行了初步的空间自相关分析和相关分析,得到与血清总胆固醇和甘油三酯指标相关的地理因素指标。选取相关性显着的指标,通过主成分分析、岭回归分析、支持向量机、人工神经网络等方法进行模型构建,建立预测模型。对血清总胆固醇参考值、甘油三酯参考值的各个模型的预测结果进行误差检验评价。选取人工神经网络预测模型作为血清总胆固醇和甘油三酯的最终预测模型。并通过这个模型预测全国2322个县市的血清总胆固醇和甘油三酯的参考值,从而使用克里金插值法绘制中国健康成年人血清总胆固醇和甘油三酯的参考值的趋势图和分布图。经过本文的研究主要得出以下结果和结论:（1）中国健康成年人血清总胆固醇和甘油三酯的指标数据存在空间自相关性,在地理上的空间分布是有规律的。通过相关分析发现:中国健康成年人血清总胆固醇指标数据与纬度、海拔、年日照时数为正相关;与年平均气温、年平均相对湿度、年降水量为负相关。中国健康成年人甘油三酯指标数据与纬度、海拔高度、气温年较差、表土盐分呈显着正相关;与年平均气温、年平均相对湿度、年降水量呈显着负相关。（2）通过模型构建,构建出四种预测模型。然后通过计算模型的MSE、RMSE、MAD、MRE值进行误差检验。经过四个模型的模拟、预测和检验发现人工神经网络模型的MSE、RMSE、MAD、MRE值最小,也就是说人工神经网络预测模型的预测效果最好。故本文选取人工神经网络预测模型为血清总胆固醇和甘油三酯的最终预测模型。（3）选取人工神经网络模型,直接经模型的程序运行得到2322个预测结果。最后通过预测结果绘制中国健康成年人血清总胆固醇和甘油三酯的参考值的趋势图和分布图。从图中可以看出,血清总胆固醇参考值的分布较为连续,青藏高原地区最高,其他地区较低,南部地区最低。甘油三酯参考值的分布也较为连续,分布趋势为西北地区最高,高于全国其他地区,东南沿海地区最低。通过以上的结果和结论可以得出:中国健康成年人血清总胆固醇参考值和中国健康成年人甘油三酯参考值在一定程度上受到各种地理因素的影响。通过研究健康成年人血清总胆固醇和甘油三酯参考值的地理分异规律,可以辅助中国不同地区血脂参考值的制定,可以补充医学上对人血清总胆固醇和甘油三酯参考值地理分布的研究。
葛淼[3]（2009）在《健康人医学参考值与地理因素关系的研究进展》文中研究说明健康人医学参考值一直是国内外研究的热点问题,很多临床医学工作者测定了本地区的医学参考值,并且许多人研究了医学参考值与性别、年龄等的关系。还有一些高原医学工作者也测定了高原地区的医学参考值,并且定性研究了医学参考值与海拔高度的关系。我们应用相关分析、回归分析、GIS、人工神经网络、主成分分析、趋势面分析、综合分析等方法,研究了健康人血液流变学、血液一般检查、血气分析、肺功能等医学参考值与海拔高度、年日照时数、年日照百分率、年平均气温、气温年较差、年平均相对湿度、年降水量、年平均风速等地理因素的关系,揭示出了中国人医学参考值的地理分布规律,为制定中国人医学参考值的标准提供了科学依据。
任中杰,葛淼[4]（2009）在《中年女性红细胞计数正常参考值与地理因素的相关分析》文中研究指明目的:为制定中国中年女性红细胞计数正常参考值的统一标准提供科学依据.方法:收集了中国331个单位用显微镜计数法测定的41003例中年女性红细胞计数正常参考值,运用相关分析和回归分析的方法,研究了其与八个地理因素的关系.结果:发现中年女性红细胞计数正常参考值与中国地理因素之间有很显着的相关关系（F=364.76,P=0.000）.用逐步回归分析的方法推导出了一个回归方程:■=4.184+0.0002421X1-0.02921X4+0.0002582X7+0.08144X8±0.47.结论:如果知道了中国某地的地理因素,就可以用回归方程计算这个地区的红细胞计数正常参考值.依据红细胞计数正常参考值与地理因素的依赖关系,把中国分为八个区.
崔致远[5]（2008）在《血常规正常参考值与地理因素的非线性分析》文中研究指明选题意义:血红蛋白和红细胞计数正常参考值指标在临床中有着至关重要的作用,可以用来确切的反应不同年龄不同性别的人是否有无贫血以及贫血的程度。而血红蛋白和红细胞计数与人们长期生活的地理环境（温度、湿度、海拔、日照、降水量、水质和土壤等）有着密切的关系,本论文研究了不同年龄不同性别的血红蛋白和红细胞计数正常参考值与地理因素的密切关系,揭示其分布规律,为临床的诊断提供可靠的科学依据。研究的理论依据、方法和过程:为探讨各血常规指标正常参考值与所选各种地理因素复杂的关系,本论文通过大量检索文献,以及向有关单位求购的方法,收集了全中国各地区不同年龄不同性别的血红蛋白和红细胞计数正常参考值的医学指标,主要为青年男性血红蛋白正常参考值、老年女性血红蛋白正常参考值、老年男性血红蛋白正常参考值、青年男性红细胞计数正常参考值、青年女性红细胞计数正常参考值、中年男性红细胞计数正常参考值、中年女性红细胞计数正常参考值和老年前期男性红细胞计数正常参考值8项指标。根据国家测绘局数据中心提供的共享资料,国家气象局数据中心提供的共享资料及有关地理着作、词典和相关文献,收集了五项地理因素指标:海拔高度（X1）、年日照时数（X2）、年平均气温（X3）、年平均相对湿度（X4）、年降水量（X5）。对医学指标与这些地理学指标进行了线性和非线性的研究,从而建立它们之间的复杂线性模型和非线性BP神经网络模型。其线性模型主要为因子分析模型和趋势面分析模型,非线性模型为BP神经网络模型。应用以上的模型以及模型中的参数,代入了以选择1288个观测点的相应的地理因素指标,可计算出这1288个地方不同年龄不同性别的血红蛋白和红细胞计数正常参考值,借助GIS空间分析中的地统计分析模块,通过克里格（Kriging）插值法精确的内插出血常规指标正常参考值的地理分布图。研究取得的结论与创新之处:如果知道了中国某地的地理因素,就可用建立模型估算该地区不同年龄不同性别的血红蛋白和红细胞计数正常参考值,从地理分布图也可得到中国任何地方的正常参考值。在应用的三种模型里,发现应用非线性模型得出的精确度是最高的,更能很好地为临床诊断提供依据。本论文研究方法的创新之处在于对不同年龄段不同性别的人的血红蛋白和红细胞计数的正常参考值与地理因素进行了线性及非线性的定量化研究,与过去应用简单的相关分析和回归分析方法相比较,降低了人为的干扰,提高了模拟的精度。以中国整个区域为研究对象,借助GIS空间分析的方法,应用地统计分析模块中的克里格插值法,精确的绘制出正常参考值的趋势分布图。本论文的研究方法和研究成果将丰富临床医学,临床检验学,血液学,医学地理学,环境医学及生理学的内容。
王亚飞,刘新平,葛淼,马建国[6]（2007）在《老年前期男性红细胞压积正常参考值与中国地理因素的岭回归分析》文中指出目的为制定中国老年前期男性红细胞压积正常参考值的统一标准提供科学依据。方法收集了中国270个地区用温氏法（Wintrobe）测定的28,803例健康老年前期男性红细胞压积正常参考值,并对其与地理因素的关系进行了研究。结果发现海拔高度是影响老年前期男性红细胞压积正常参考值最主要的因素,随着海拔高度的逐渐增大,老年前期男性红细胞压积正常参考值也在逐渐地增大,相关性很显着（r=0.898）。用岭回归分析的方法推导出了一个回归方程:Y^=45.76+0.002790X1+0.0008400X2-0.04548X3-0.002060X4+0.0006100X5±4.51。结论如果知道了中国某地的地理因素,就可以用回归方程估算这个地区的老年前期男性红细胞压积正常参考值。依据老年前期男性红细胞压积正常参考值与地理因素的依赖关系把中国分为青藏区,西南区,西北区,东南区,华北区,东北区等六个区。
庹书炜,刘新平,刘倩,葛淼[7]（2006）在《中年男性红细胞压积正常参考值与地理因素的因子分析》文中进行了进一步梳理目的:为制定中国中年男性红细胞压积正常参考值的统一标准提供科学依据．方法:收集了中国380个地区用温氏法（Wintrobe）测定的32475例健康中年男性红细胞压积正常参考值,运用偏相关分析和因子分析对其与海拔高度（x1）,年日照时数（x2）,年平均相对湿度（x3）,年平均气温（x4）,年降水量（x5）的关系进行了研究．结果: 5个地理影响因素值与中年男性红细胞压积正常参考值的偏相关系数分别为: r1,2345=0.651,r2,1345= -0．039,r3,1245=-0．040,r4,1235=-0．281,r5,1234=0．125．运用因子分析将5个地理影响因素综合成两个公共因子F1,F2,并用其得分值代替原始数据推导出一个回归方程: y=48 464+0．1738F1-0.4125F2±4 5％结论:海拔高度是影响中年男性红细胞压积正常参考值的最主要因素．随着海拔高度逐渐增大,中年男性红细胞压积正常参考值也逐渐增大,相关性很显着．如果知道中国某地的地理因素值,可以用公因子的回归方程来估算中国某地的中年男性红细胞压积正常参考值．依据中年男性红细胞压积正常参考值与地理因素的依赖关系把中国分为青藏区,西南区,西北区,东南区,华北区,东北区六个区．
王志奎,刘倩,葛淼[8]（2004）在《老年前期男性红细胞压积正常参考值与环境因素的曲线模型分析》文中指出为制定中国老年前期男性红细胞压积正常参考值的统一标准提供科学依据,收集了中国270个单位用温氏法测定的28803例健康老年前期男性红细胞压积正常参考值,用曲线回归分析的方法研究了其与海拔高度之间的关系.结果发现:随着海拔高度的逐渐增大,老年前期男性红细胞压积正常参考值按指数律也在逐渐的增大,相关性很显着（r=0 901）;推导出了一个曲线回归模型:Y∧=44 8×1 000064x±4 5.如果知道了中国某地的海拔高度,就可以用回归模型估算该地区的老年前期男性红细胞压积正常参考值.依据老年前期男性红细胞压积正常参考值与地理因素的依赖关系把中国分为青藏区、中部区、东部区等3个区.
肖雁飞,葛淼,葛鑫,张健,陈潇潇,吴晓旭[9]（2003）在《老年前期女性血红蛋白正常值与地理因素关系》文中提出为制定中国老年前期女性血红蛋白正常参考值的统一标准提供科学依据 ,文章收集了中国 16 1个单位用氰化高铁血红蛋白 （Hi CN）法测定的 170 19例老年前期女性血红蛋白正常参考值 ,运用相关分析和回归分析的方法 ,研究了其与地理因素的关系 ,发现老年前期女性血红蛋白正常参考值与中国地理因素之间有很显着的相关关系 （F=12 3.0 3） .用逐步回归分析的方法得出回归方程 :^Y=91.8 +0 .0 0 75 4 0 X1 +0 .0 0 5 186 X2 +0 .4 5 4 0 X3- 0 .6 35 0 4 ,Y的预测区间为 [^Y- 15 .7,^Y+15 .7].如果知道了中国某地的地理因素 ,就可以用回归方程估算这个地区的血红蛋白正常参考值 .依据血红蛋白正常参考值与地理因素的依赖关系把中国分为青藏区、西南区、西北区、东南区、华北区、东北区等六个区 .
严艳,葛淼[10]（2001）在《老年前期人红细胞压积参考值与中国地理因素的关系》文中研究指明运用相关分析和回归分析的方法，研究了老年前期人红细胞压积参考值与地理因素的关系．结果在明海拔高度是影响红细胞压积参考值最主要的因素．
二、老年前期人红细胞压积参考值与中国地理因素的关系（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、老年前期人红细胞压积参考值与中国地理因素的关系（论文提纲范文）
（1）健康中老年人动脉血二氧化碳分压参考值的地理环境模型预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 选题内容及研究意义 |
| 1.3.1 血气分析概述 |
| 1.3.2 动脉血二氧化碳分压 |
| 1.3.3 研究意义 |
| 1.4 研究思路与技术路线 |
| 第二章 地理环境因子与PaCO_2参考值数据 |
| 2.1 地理与环境因子数据 |
| 2.1.1 地势因子 |
| 2.1.2 气候因子 |
| 2.1.3 土壤因子 |
| 2.2 中老年人群PaCO_2参考值数据 |
| 2.2.1 样本概况 |
| 2.2.2 质量控制 |
| 第三章 相关性分析 |
| 3.1 空间自相关 |
| 3.1.1 空间自相关概述 |
| 3.1.2 空间自相关分析结果 |
| 3.2 正态性检验 |
| 3.2.1 正态性检验概述 |
| 3.2.2 正态性检验结果 |
| 3.3 相关分析 |
| 3.3.1 相关分析概述 |
| 3.3.2 相关分析结果 |
| 3.4 冗余分析 |
| 3.4.1 冗余分析概述 |
| 3.4.2 冗余分析结果 |
| 3.5 本章小结 |
| 第四章 模型模拟及预测 |
| 4.1 多元线性回归分析 |
| 4.1.1 多元线性回归分析概述 |
| 4.1.2 多元线性回归分析结果 |
| 4.1.3 残差分析 |
| 4.1.4 多重共线性诊断 |
| 4.2 曲线估计与标准差法组合预测 |
| 4.2.1 曲线估计概述 |
| 4.2.2 曲线估计结果 |
| 4.2.3 标准差法组合预测概述 |
| 4.2.4 标准差法组合预测结果 |
| 4.3 人工神经网络分析 |
| 4.3.1 人工神经网络概述 |
| 4.3.2 BP神经网络设计 |
| 4.3.3 BP神经网络模拟结果 |
| 4.4 组合预测模型 |
| 4.4.1 组合预测模型概述 |
| 4.4.2 组合预测模型结果 |
| 4.4.3 模型评价及地区数值模拟 |
| 4.5 本章小结 |
| 第五章 空间分布制图 |
| 5.1 ArcGIS软件简介 |
| 5.2 克里金插值 |
| 5.3 数据的正态性检验 |
| 5.4 空间制图过程与表达 |
| 5.5 本章小结 |
| 第六章 讨论 |
| 6.1 地理环境与医学参考值的关系 |
| 6.2 健康中老年人PaCO_2参考值与地势因子的关系 |
| 6.3 健康中老年人PaCO_2参考值与气候因子的关系 |
| 6.4 健康中老年人PaCO_2参考值与土壤因子的关系 |
| 第七章 结论与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（2）中国健康成年人血清总胆固醇和甘油三酯的参考值与地理因素的关系（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 医学指标简介 |
| 1.2.1 血脂研究现状 |
| 1.2.2 血清总胆固醇(TC) |
| 1.2.3 甘油三酯(TG) |
| 1.3 研究意义 |
| 1.4 研究思路和技术路线 |
| 第2章 资料的选取 |
| 2.1 健康成年人血清总胆固醇和甘油三酯数据的获取 |
| 2.2 中国地理环境状况 |
| 2.2.1 中国地理特征 |
| 2.2.2 中国气候特征 |
| 2.2.3 中国土壤特征 |
| 2.3 地理因素指标选取 |
| 第3章 空间自相关及相关分析 |
| 3.1 空间自相关 |
| 3.1.1 空间自相关概述 |
| 3.1.2 血清总胆固醇的空间自相关结果 |
| 3.1.3 甘油三酯的空间自相关结果 |
| 3.2 相关分析 |
| 3.2.1 相关分析简介 |
| 3.2.2 血清总胆固醇相关分析结果 |
| 3.2.3 甘油三酯相关分析结果 |
| 3.3 本章小结 |
| 第4章 血脂两项指标参考值与地理因素的预测模型 |
| 4.1 多重共线性诊断 |
| 4.1.1 多重共线性简介 |
| 4.1.2 血清总胆固醇组的多重共线性检验 |
| 4.1.3 甘油三酯组的多重共线性检验 |
| 4.2 主成分分析模型 |
| 4.2.1 主成分分析简介 |
| 4.2.2 血清总胆固醇参考值与地理因素的主成分模型 |
| 4.2.3 甘油三酯参考值与地理因素的主成分模型 |
| 4.3 岭回归模型 |
| 4.3.1 岭回归简介 |
| 4.3.2 血清总胆固醇参考值与地理因素的岭回归模型 |
| 4.3.3 甘油三酯参考值与地理因素的岭回归模型 |
| 4.4 人工神经网络模型 |
| 4.4.1 人工神经网络简介 |
| 4.4.2 血清总胆固醇参考值与地理因素的BP神经网络模型 |
| 4.4.3 甘油三酯参考值与地理因素的BP神经网络模型 |
| 4.5 支持向量机 |
| 4.5.1 支持向量机预测方法简介 |
| 4.5.2 血清总胆固醇支持向量回归机预测模型 |
| 4.5.3 甘油三酯支持向量回归机预测模型 |
| 4.6 本章小结 |
| 第5章 预测模型的选取评价 |
| 5.1 预测模型评价方法简介 |
| 5.2 血清总胆固醇预测模型评价及选取 |
| 5.3 甘油三酯预测模型评价及选取 |
| 5.4 本章小结 |
| 第6章 血清总胆固醇和甘油三酯参考值的分布格局 |
| 6.1 空间制图方法简介 |
| 6.2 血清总胆固醇参考值分布格局 |
| 6.3 甘油三酯参考值分布格局 |
| 第7章 讨论与结论 |
| 7.1 中国健康成年人血清总胆固醇与地理因素的关系 |
| 7.2 中国健康成年人甘油三酯与地理因素的关系 |
| 7.3 结论 |
| 第8章 总结与展望 |
| 8.1 创新点 |
| 8.2 不足之处 |
| 8.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间的科研成果 |
（5）血常规正常参考值与地理因素的非线性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 研究背景 |
| 1.1 课题来源 |
| 1.2 国内外研究现状及选题意义 |
| 1.2.1 国内外研究现状 |
| 1.2.2 医学地理学简介 |
| 1.3 血液学简述和发展史 |
| 1.3.1 血液学简述 |
| 1.3.2 血液学发展史 |
| 1.3.2.1 血细胞的发现史 |
| 1.3.2.2 血栓与止血的研究简史 |
| 1.4 红细胞概述 |
| 1.4.1 红细胞简介 |
| 1.4.2 红细胞的功能 |
| 1.4.3 红细胞的生成 |
| 1.4.4 红细胞的更新 |
| 1.4.5 红细胞的形态 |
| 1.4.6 红细胞数 |
| 1.4.7 红细胞计数测定的基本方法 |
| 1.5 血红蛋白概述 |
| 1.5.1 血红蛋白概述 |
| 1.5.2 血红蛋白工作原理 |
| 1.5.3 血红蛋白生理意义 |
| 1.5.4 血红蛋白测定的方法 |
| 1.6 研究方法和成果的创新之处 |
| 第2章 血常规指标正常参考值的资料选取 |
| 2.1 检索方法一 |
| 2.2 检索方法二 |
| 2.3 检索方法三 |
| 2.4 检索结果 |
| 第3章 地理因素指标选取 |
| 3.1 海拔高度 |
| 3.2 年日照时数 |
| 3.3 年平均气温 |
| 3.4 年平均相对湿度 |
| 3.5 年降水量 |
| 第4章 本论文中应用到的相关软件简介 |
| 4.1 SPSS软件简介 |
| 4.2 Matlab软件简介 |
| 4.3 ArcGIS软件简介 |
| 第5章 血常规指标正常参考值与地理因素的相关分析 |
| 5.1 相关分析简介 |
| 5.1.1 相关的概念 |
| 5.1.2 相关的种类 |
| 5.1.3 相关系数的概念及计算公式 |
| 5.1.4 相关系数的性质 |
| 5.1.5 相关系数的特点 |
| 5.2 老年女性血红蛋白正常参考值与地理因素的单相关分析 |
| 5.3 老年男性血红蛋白正常参考值与地理因素的单相关分析 |
| 5.4 青年男性血红蛋白正常参考值与地理因素的单相关分析 |
| 5.5 青年男性红细胞计数正常参考值与地理因素的单相关分析 |
| 5.6 青年女性红细胞计数正常参考值与地理因素的单相关分析 |
| 5.7 中年男性红细胞计数正常参考值与地理因素的单相关分析 |
| 5.8 中年女性红细胞计数正常参考值与地理因素的单相关分析 |
| 5.9 老年前期男性红细胞计数正常参考值与地理因素的单相关分析 |
| 第6章 血常规指标正常参考值与地理因素的因子分析 |
| 6.1 因子分析简介 |
| 6.1.1 因子分析基本思想 |
| 6.1.2 因子分析数学模型 |
| 6.1.2.1 模型(R型) |
| 6.1.2.2 公共因子、因子载荷和变量共同度的统计意义 |
| 6.1.3 因子载荷的估计方法 |
| 6.1.4 因子旋转 |
| 6.2 老年男性血红蛋白正常参考值与地理因素的因子分析 |
| 6.2.1 判断变量能否进行因子分析 |
| 6.2.2 提取公因子 |
| 6.2.3 因子载荷与因子旋转 |
| 6.2.4 因子得分模型和回归预测模型 |
| 6.3 老年女性血红蛋白正常参考值与地理因素的因子分析 |
| 6.3.1 判断变量能否进行因子分析 |
| 6.3.2 提取公因子 |
| 6.3.3 因子载荷与因子旋转 |
| 6.3.4 因子得分模型和回归预测模型 |
| 6.4 老年前期男性红细胞计数正常参考值与地理因素的因子分析 |
| 6.4.1 判断变量能否进行因子分析 |
| 6.4.2 提取公因子 |
| 6.4.3 因子载荷与因子旋转 |
| 6.4.4 因子得分模型和回归预测模型 |
| 第7章 血常规指标正常参考值与地理因素的趋势面分析 |
| 7.1 趋势面分析简介 |
| 7.1.1 趋势面分析原理 |
| 7.1.2 趋势面模型的建立 |
| 7.1.3 拟合优度的计算 |
| 7.1.4 模型的显着性检验 |
| 7.1.5 选择适当阶次的趋势面方程 |
| 7.2 青年男性血红蛋白正常参考值与地理因素的趋势面分析 |
| 7.3 老年女性血红蛋白正常参考值与地理因素的趋势面分析 |
| 7.4 老年前期男性红细胞计数正常参考值与地理因素的趋势面分析 |
| 第8章 血常规指标正常参考值与地理因素的非线性分析 |
| 8.1 BP神经网络的简介 |
| 8.1.1 BP网络理论 |
| 8.1.1.1 BP网络结构 |
| 8.1.1.2 BP网络学习规则 |
| 8.1.1.3 BP网络设计技巧 |
| 8.1.1.4 初始值的选取 |
| 8.2 血常规指标正常参考值的BP神经网络模型 |
| 8.2.1 神经网络的构建 |
| 8.2.2 青年男性红细胞计数的BP神经网络模拟分析 |
| 8.2.3 青年女性红细胞计数的BP神经网络模拟分析 |
| 8.2.4 中年男性红细胞计数的BP神经网络模拟分析 |
| 8.2.5 中年女性红细胞计数的BP神经网络模拟分析 |
| 8.2.6 老年前期男性红细胞计数的BP神经网络模拟分析 |
| 第9章 中国区域地理概况 |
| 9.1 中国区域地理特征概况 |
| 9.2 中国地貌的基本特征 |
| 9.3 中国气候的基本特征 |
| 第10章 绘制血常规指标正常参考值的趋势分布图 |
| 10.1 地统计分析基本原理 |
| 10.2 克里格插值 |
| 10.3 绘制血常规指标正常参考值的趋势分布图 |
| 10.3.1 应用趋势面模型绘制青年男性血红蛋白正常参考值的分布图 |
| 10.3.2 应用趋势面模型绘制老年女性血红蛋白正常参考值的分布图 |
| 10.3.3 应用趋势面模型绘制老年前期男性红细胞计数正常参考值分布图 |
| 10.3.4 应用因子分析模型绘制老年男性血红蛋白正常参考值分布图 |
| 10.3.5 应用因子分析模型绘制老年女性血红蛋白正常参考值分布图 |
| 10.3.6 应用因子分析模型绘制老年前期男性红细胞计数参考值分布图 |
| 10.3.7 应用BP神经网络模型绘制青年男性红细胞计数正常参考值分布图 |
| 10.3.8 应用BP神经网络模型绘制青年女性红细胞计数正常参考值分布图 |
| 10.3.9 应用BP神经网络模型绘制中年男性红细胞计数正常参考值分布图 |
| 10.3.10 应用BP神经网络模型绘制中年女性红细胞计数正常参考值分布图 |
| 10.3.11 应用BP神经网络模型绘制老年前期男性红细胞计数参考值分布图 |
| 第11章 讨论与结论 |
| 11.1 讨论 |
| 11.2 结论 |
| 11.3 本论文存在的问题和今后的研究方向 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（6）老年前期男性红细胞压积正常参考值与中国地理因素的岭回归分析（论文提纲范文）
| 1 资料 |
| 1.1 红细胞压积正常参考值 |
| 1.2 地理资料 |
| 2 结果 |
| 2.1 相关分析 |
| 2.2 回归方程 |
| 3 讨论 |
| 4 分区 |
| 4.1 青藏区 |
| 4.2 西南区 |
| 4.3 西北区 |
| 4.4 东南区 |
| 4.5 华北区 |
| 4.6 东北区 |
（9）老年前期女性血红蛋白正常值与地理因素关系（论文提纲范文）
| 1 资料 |
| 1.1 血红蛋白正常参考值 |
| 1.2 地理资料 |
| 2 相关分析和回归分析 |
| 2.1 相关分析 |
| 2.2 回归方程 |
| 3 讨论 |
| 4 分区 |
| 4.1 青藏区 |
| 4.2 西南区 |
| 4.3 西北区 |
| 4.4 东南区 |
| 4.5 华北区 |
| 4.6 东北区 |
四、老年前期人红细胞压积参考值与中国地理因素的关系（论文参考文献）
- [1]健康中老年人动脉血二氧化碳分压参考值的地理环境模型预测[D]. 马瑞飞. 陕西师范大学, 2019(01)
- [2]中国健康成年人血清总胆固醇和甘油三酯的参考值与地理因素的关系[D]. 林宁. 陕西师范大学, 2019(06)
- [3]健康人医学参考值与地理因素关系的研究进展[J]. 葛淼. 国外医学(医学地理分册), 2009(02)
- [4]中年女性红细胞计数正常参考值与地理因素的相关分析[J]. 任中杰,葛淼. 生物数学学报, 2009(01)
- [5]血常规正常参考值与地理因素的非线性分析[D]. 崔致远. 陕西师范大学, 2008(06)
- [6]老年前期男性红细胞压积正常参考值与中国地理因素的岭回归分析[J]. 王亚飞,刘新平,葛淼,马建国. 中国血液流变学杂志, 2007(03)
- [7]中年男性红细胞压积正常参考值与地理因素的因子分析[J]. 庹书炜,刘新平,刘倩,葛淼. 生物数学学报, 2006(02)
- [8]老年前期男性红细胞压积正常参考值与环境因素的曲线模型分析[J]. 王志奎,刘倩,葛淼. 西南师范大学学报(自然科学版), 2004(03)
- [9]老年前期女性血红蛋白正常值与地理因素关系[J]. 肖雁飞,葛淼,葛鑫,张健,陈潇潇,吴晓旭. 山西大学学报(自然科学版), 2003(04)
- [10]老年前期人红细胞压积参考值与中国地理因素的关系[J]. 严艳,葛淼. 生物数学学报, 2001(04)