衛(wèi)生統(tǒng)計(jì)學(xué)的概念范文

導(dǎo)語：如何才能寫好一篇衛(wèi)生統(tǒng)計(jì)學(xué)的概念，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：鋯石；U－Pb年代學(xué)；f同位素；麻粒巖相變質(zhì)作用；下地殼；幕式生長；前寒武紀(jì)；華北克拉通

中圖分類號(hào)：P5883 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：672－656（202）04－000－11

0引言

大陸地殼的形成一般歸結(jié)為2個(gè)典型的板塊構(gòu)造位置，即活動(dòng)大陸邊緣和板內(nèi)［］。其中，板內(nèi)的大陸生長與地幔柱的巖漿板底墊托作用或巖漿底侵作用（magmatic underplating）有關(guān)，而板緣的大陸生長則主要通過俯沖增生和弧陸碰撞來實(shí)現(xiàn)的。而且，會(huì)聚大陸邊緣通常被認(rèn)為是下地殼增生（包括幔源巖漿板底墊托作用和俯沖增生）的主要場所［2］。然而，很少有實(shí)例是來自活動(dòng)大陸邊緣的下地殼包體［2－3］。

麻粒巖包體和麻粒巖地體（尤其是高壓麻粒巖）通常被認(rèn)為是透視下地殼的窗口［2］。高壓麻粒巖通常被認(rèn)為代表高級(jí)的變基性巖，并以單斜輝石+斜長石+石榴子石+石英等礦物組合為主要特征［4－6］， 至于其他次要礦物如角閃石和藍(lán)晶石等是否出現(xiàn)，取決于水活度和全巖成分［7］。高壓麻粒巖不同于榴輝巖的是其礦物組合中含有斜長石和（或）貧硬玉分子的單斜輝石，而中壓麻粒巖不同于高壓麻粒巖的主要特征是其礦物組合中含有斜方輝石，但是高壓麻粒巖在峰期之后減壓過程中可能會(huì)形成以后成合晶冠狀體形式存在的斜方輝石［7］。高壓麻粒巖出露相當(dāng)廣泛，從古元古代（如華北恒山雜巖［8］）到新生代（如喜馬拉雅山脈）的諸多大陸碰撞造山帶中均有報(bào)道。前人研究結(jié)果顯示，當(dāng)變質(zhì)溫度超過800 ℃時(shí)，變質(zhì)壓力可能超過4 GPa［5］，這意味著加厚地殼（或俯沖地殼）的下部經(jīng)歷了高溫作用。另外，高壓麻粒巖有時(shí)也與中溫榴輝巖共生，如華力西造山帶［9］。在特定地帶鑒定出高壓麻粒巖有助于對(duì)涉及大陸碰撞及相關(guān)過程中下地殼演化的認(rèn)識(shí)，而對(duì)高壓麻粒巖相變質(zhì)作用的巖石學(xué)觀察和年代學(xué)測定對(duì)理解變質(zhì)作用和下地殼演化之間的關(guān)系至關(guān)重要。但是，獲得精確的高壓麻粒巖相變質(zhì)作用的時(shí)代往往比較困難。這種困難主要來自于后期多階段變質(zhì)作用疊加以及相關(guān)過程導(dǎo)致的礦物間同位素體系（尤其是Sm－Nd和Rb－Sr）的重置或不平衡，因此影響了對(duì)巖石的形成過程和構(gòu)造背景的認(rèn)識(shí)。

在過去的20年里，眾多研究者對(duì)華北克拉通前寒武紀(jì)變質(zhì)基底和下地殼包體巖石開展了大量的巖石學(xué)、構(gòu)造地質(zhì)學(xué)、地球化學(xué)和地質(zhì)年代學(xué)研究，并在其形成和演化上獲得了若干重要進(jìn)展，進(jìn)一步將華北克拉通變質(zhì)基底劃分為東部陸塊、西部陸塊及分割東部和西部陸塊的中部造山帶［0－］。目前就東、西部陸塊沿中部造山帶在大約85 Ga完成克拉通拼合已經(jīng)達(dá)成共識(shí)［0－7］。拼合完成之后，在6～85 Ga期間，克拉通內(nèi)部和邊緣經(jīng)歷了一系列的拉張和裂谷事件，形成了伴隨有鎂鐵質(zhì)巖漿群侵位的拗拉槽和邊緣裂谷盆地，發(fā)育有斜長巖輝長巖紋長二長巖環(huán)斑花崗巖套和A型花崗巖，以及超鉀火山巖的噴發(fā)［7－22］。值得注意的是，目前已報(bào)道的古元古代高壓麻粒巖相變質(zhì)作用主要來自于中部造山帶［8，0－3，23］，而東部陸塊僅在膠東和信陽地區(qū)見有零星報(bào)道［24］。此外，對(duì)華北克拉通古元古代高壓麻粒巖相變質(zhì)作用的構(gòu)造背景還存在2種不同的解釋：一種觀點(diǎn)認(rèn)為這些高壓麻粒巖形成于東、西部陸塊拼合的碰撞造山環(huán)境中［8，－4］；另一種觀點(diǎn)則認(rèn)為它們是古元古代地幔柱活動(dòng)的產(chǎn)物［8－20，24］。存在爭議的一個(gè)重要原因是對(duì)高壓麻粒巖相變質(zhì)作用缺少直接的巖石學(xué)和年代學(xué)觀察，尤其是在華北克拉通東南緣或東部陸塊的南部。目前，在所研究的區(qū)域，僅見高壓麻粒巖相變質(zhì)作用的巖石學(xué)證據(jù)和模糊的（晚）古元古代年齡的分開報(bào)道。最近，Xu等在徐州—宿州地區(qū)發(fā)現(xiàn)了榴輝巖（類）捕虜體，認(rèn)為它們是華北克拉通鎂鐵質(zhì)下地殼在大約220 Ma時(shí)構(gòu)造加厚形成的［25－27］。

關(guān)于華北克拉通的形成與演化，雖然受到廣泛關(guān)注并日益引起國內(nèi)外研究者的興趣，但是大部分研究都集中于華北克拉通內(nèi)部、北部和東、西陸塊結(jié)合帶或中部造山帶，而東南緣下地殼的形成與演化研究則顯得較薄弱。華北克拉通東南緣出露的變質(zhì)基底（五河變質(zhì)雜巖）和下地殼包體巖石無疑為這一研究提供了極好的天然實(shí)驗(yàn)室。最近的研究結(jié)果顯示，五河變質(zhì)雜巖中的變基性巖經(jīng)歷了80～90 Ga的高壓麻粒巖相變質(zhì)作用［28－29］。徐州—宿州一帶中生代侵入體中包體的巖石學(xué)、年代學(xué)和巖石地球化學(xué)研究也表明，這些包體大部分形成于24～25 Ga并經(jīng)過大約8 Ga高壓麻粒巖相變質(zhì)作用［25－29］。但是，有關(guān)研究區(qū)下地殼巖石的成因、形成與演化仍是亟待解決的重要科學(xué)問題。

為了更好地了解華北克拉通東南緣前寒武紀(jì)地殼（尤其是下地殼）的形成和演化過程，筆者根據(jù)近年來對(duì)蚌埠地區(qū)出露的前寒武紀(jì)變質(zhì)基底和宿州附近夾溝中生代閃長斑巖中捕虜體的研究成果和進(jìn)展，結(jié)合研究區(qū)已發(fā)表的相關(guān)資料，總結(jié)了華北克拉通東南緣前寒武紀(jì)幕式地殼生長和多期變質(zhì)作用與改造的巖石學(xué)和年代學(xué)證據(jù)。

地質(zhì)背景

華北克拉通是世界上最古老的克拉通之一，保留有大于36 Ga的古老地殼物質(zhì)殘留［30］。地理位置上，華北克拉通西接祁連造山帶，北鄰天山—內(nèi)蒙—大興安嶺造山帶；在南端，秦嶺—大別—蘇魯造山帶把華北克拉通和揚(yáng)子克拉通分開（圖［26］）。基于年代學(xué)、巖石組合、構(gòu)造演化和P－T－t軌跡的不同，將華北克拉通劃分為東部陸塊、西部陸塊及夾于其中的中部造山帶［8，0，9，3］。筆者研究的蚌埠和徐州—宿州地區(qū)位于華北克拉通東部陸塊的東南緣，距蘇魯造山帶西端的郯—廬斷裂帶以西約00 km，距大別造山帶北端約300 km （圖）。區(qū)內(nèi)變形的新元古代和古生代蓋層，以及晚太古代到古元古代的變質(zhì)基底侵入有大量小的中生代侵入體（如夾溝、班井和利國巖體；圖）。這些中生代侵入體主要由閃長質(zhì)和二長閃長質(zhì)斑巖組成。研究區(qū)的前寒武紀(jì)變質(zhì)基底主要出露在蚌埠地區(qū)（常稱為“五河變質(zhì)雜巖”或“五河群”［32］），并且被中生代含石榴子石花崗巖所侵入［圖2（a）］；而中生代侵入體中含有大量下地殼或幔源包體或捕虜體［25－26，29，33－34］ ［圖2（b）］的徐州—宿州地區(qū)則無變質(zhì)基底出露。近期研究表明，變質(zhì)基底出露區(qū)（荊山、懷遠(yuǎn)和鳳陽等地）發(fā)育的含石榴子石花崗巖主要是由華南三疊紀(jì)俯沖陸殼巖石在59 Ma左右發(fā)生部分熔融形成的［35－36］。

研究區(qū)變質(zhì)基底的巖石類型主要有（含石榴）斜長角閃巖、榴閃巖、石榴麻粒巖和片麻巖等；下地殼包體的巖石類型主要有（含石榴）斜長角閃巖、榴閃巖、石榴角閃石巖、石榴麻粒巖、含石榴角閃斜長片麻巖和花崗片麻巖等。此外，包體中還有含尖晶石石榴單斜輝石巖、含金云母單斜輝石巖和含尖晶石二輝石巖等形成于古生代（（393SymbolqB@ 7）Ma）的幔源巖石，指示北秦嶺向東延伸到華北克拉通東南緣（至少到安徽宿州地區(qū)）以及在華北克拉通與揚(yáng)子克拉通之間存在一個(gè)已消失的新元古代洋殼［33］。

研究區(qū)前寒武紀(jì)變質(zhì)基底巖石（五河變質(zhì)雜巖），主要出露于“蚌埠隆起”區(qū)（如荊山、懷遠(yuǎn)和鳳陽等地），巖石類型主要有含石榴斜長角閃巖、榴閃巖、石榴麻粒巖和片麻巖等。石榴斜長角閃巖呈構(gòu)造巖塊或條帶狀產(chǎn)于不純的大理巖中［29，34－36］，兩者之間呈構(gòu)造接觸關(guān)系，反映了它們?cè)瓗r的不同以及可能具有不同的演化歷史，它們的原巖分別為巖漿巖和沉積巖。石榴斜長角閃巖（如樣品07FY0）主要由石榴子石、斜長石和角閃石以及少量單斜輝石、榍石和微量金紅石等礦物組成（圖3（a）、（c）［29］）。石榴子石在成分上是均一的，為鐵鋁榴石鎂鋁榴石鈣鋁榴石固溶體，錳含量較低。斜長石有3種產(chǎn)出形式：以包裹體形式產(chǎn)于石榴子石中；以后成合晶形式與綠角閃石共生；以基質(zhì)形式產(chǎn)出。富鈦的棕色角閃石通常以包裹體形式產(chǎn)于斜長石［圖3（b）［29］］或基質(zhì)中，TiO2含量（質(zhì)量分?jǐn)?shù)，后文同）高達(dá)

382%；而產(chǎn)于基質(zhì)中或與斜長石共生產(chǎn)于后成合晶中［圖3（c）］的綠色角閃石幾乎不含Ti。基質(zhì)中殘留的單斜輝石為透輝石。榴閃巖［圖3（d）、（e）］主要由石榴子石、角閃石、斜長石和石英等組成，石榴子石在成分上相對(duì)均一，類似于樣品07FY0的石榴子石組成；角閃石有2期，分別為早期的棕色高鈦角閃石和晚期的綠色低鈦角閃石，這些特征暗示榴閃巖樣品也經(jīng)歷了類似的高壓麻粒巖相變質(zhì)作用及后期變質(zhì)作用疊加。石榴麻粒巖的主要礦物組合為石榴子石+單斜輝石+斜長石+角閃石［圖3（f）］，這種礦物組合指示其經(jīng)歷了高壓麻粒巖相變質(zhì)作用［4－6］。

研究區(qū)下地殼包體的巖石類型很豐富，如（含石榴）斜長角閃巖、榴閃巖、石榴角閃石巖、石榴麻粒巖、含石榴角閃斜長片麻巖和花崗片麻巖等（圖4［29，33］）。其中，石榴斜長角閃巖（如樣品07JG2）主要組成礦物為石榴子石、斜長石、角閃石、金紅石、石英以及少量單斜輝石［圖4（b）、（d）、（e）］。石榴子石晶體在尺度上為毫米級(jí)別，成分相對(duì)均一，為鐵鋁榴石鎂鋁榴石鈣鋁榴石固溶體。斜長石有3種產(chǎn)出形式：以包裹體形式產(chǎn)于石榴子石中；以后成合晶形式與單斜輝石和（或）角閃石共生；以基質(zhì)形式產(chǎn)出。大部分金紅石已退變?yōu)殁佽F礦，單斜輝石被以角閃石+斜長石組成的后成合晶結(jié)構(gòu)所替代［圖4（d）、（e）］。有時(shí)可見裂隙中鉀長石等礦物的分布［圖4（b）］，可能指示晚期的溶體交代作用結(jié)果。

石榴麻粒巖（如樣品07JG4、08JG5）主要組成礦物為石榴子石、斜長石、角閃石、單斜輝石、石英、金紅石、榍石和少量綠泥石［圖4（a）、（f）～（h）］。單斜輝石為透輝石，有2種產(chǎn)出形式：與金紅石和石英共生，以包裹體的形式產(chǎn)出于石榴子石和榍石中；以殘晶形式與斜長石和角閃石共生產(chǎn)于后成合晶中。透輝石局部被綠泥石所交代［圖4（f）］。含有金紅石和角閃石針狀出溶體的單斜輝石有時(shí)含有角閃石退變邊［圖4（g）］。石榴子石的典型特征是含有定向的針狀金紅石出溶體［圖4（g）］，成分上類似于樣品07JG2的石榴子石。長石主要以基質(zhì)或后成合晶形式存在［圖4（f）］?；|(zhì)中的金紅石部分被鈦鐵礦所替代。

含石榴角閃斜長片麻巖（如樣品07JG32）［圖4（c）］主要礦物組合為石榴子石+斜長石+角閃石+金紅石，金紅石部分退變?yōu)殁佽F礦，石榴子石被斜長石+角閃石后成合晶所環(huán)繞。此外，石榴角閃石巖的主要組成礦物為石榴子石、角閃石、金紅石［圖4（i）］：石榴子石有2期，包括具有針狀金紅石出溶體的早期石榴子石和晚期深色石榴子石；角閃石也有2期，分別為早期的褐色富鐵、高鈦角閃石和晚期的綠色低鈦角閃石。

不同樣品中的角閃石是按照Leake等的分類方案［37］來命名的。棕褐色、富TiO2角閃石為韭閃石和鐵質(zhì)韭閃石，而綠色、低TiO2的角閃石為鎂質(zhì)綠鈉閃石和淺閃石［圖3（b）、（e），圖4（i）］。表明這2類角閃石分別形成于不同的變質(zhì)條件下，如麻粒巖相和角閃巖相條件下，因?yàn)榍叭搜芯恳炎C明角閃石中Ti含量隨變質(zhì)程度的增加而升高［6，38］。這種差別也得到了巖相學(xué)證據(jù)的支持：綠角閃石產(chǎn)出于后成合晶中，而棕褐色角閃石以包裹體形式產(chǎn)出。有些樣品中含有較多的富鈦角閃石，可能反映了它們不同的原巖成分。根據(jù)電子探針成分分析，不同類型的角閃石可能形成于不同的變質(zhì)條件下（圖5［39］），`這進(jìn)一步證明本區(qū)下地殼巖石經(jīng)歷了多期變質(zhì)疊加與改造過程。

綜上所述，無論是變質(zhì)基底還是下地殼包體巖石，它們大多數(shù)（除下地殼上部的巖石以外）都含有石榴子石、單斜輝石、金紅石、斜長石和石英等峰期礦物組合，指示形成于高壓（大約 GPa）麻粒巖相條件下［40］。另外，這些樣品缺少諸如藍(lán)晶石和硅線石之類的富鋁礦物相，表明其原巖為巖漿巖而非沉積巖成因［4］?；谏鲜鲲@微結(jié)構(gòu)觀察和礦物之間的關(guān)系，至少可以區(qū)分出峰期高壓麻粒巖相（石榴子石+斜長石+單斜輝石+石英+金紅石±富鈦角閃石）變質(zhì)礦物組合，以及后期角閃巖相（斜長石+綠角閃石+鈦鐵礦+榍石）和綠片巖相（綠泥石+方解石+磁鐵礦）等退變質(zhì)礦物組合。因此，研究區(qū)前寒武紀(jì)變質(zhì)基底巖石以及大多數(shù)下地殼包體巖石所經(jīng)歷的最高變質(zhì)條件為高壓麻粒巖相。礦物組合與初步的溫壓計(jì)算結(jié)果表明，高壓麻粒巖相變質(zhì)階段溫度和壓力分別為800 ℃～860 ℃和0～2 GPa［29］。但是，由于緩慢冷卻，尤其是可能經(jīng)歷了緩慢折返作用的巖石（如樣品07FY0），而導(dǎo)致礦物的Fe－Mg交換或重置［42］，所計(jì)算的溫度有可能代表高壓麻粒巖相變質(zhì)階段的最小估計(jì)值［43］。

3幕式地殼生長與多期改造的年代學(xué)和f同位素證據(jù)

由于受到后期多階段變質(zhì)作用疊加的影響，Sm－Nd和Rb－Sr同位素體系發(fā)生了重置和（或）礦物之間的同位素不平衡，往往難以準(zhǔn)確測定不同變質(zhì)階段的時(shí)代，而鋯石無疑是理想的定年礦物。鋯石是一種難熔礦物，具有很低的Pb擴(kuò)散速率［44］，因而高級(jí)變質(zhì)巖中鋯石常常能保留多期次的巖漿作用和變質(zhì)作用記錄［45－49］。因此，鋯石的原位U－Pb定年是獲得經(jīng)歷過復(fù)雜演化過程和多期變質(zhì)作用巖石可靠時(shí)代的有效方法。但是，由于物理化學(xué)條件變化和每期變質(zhì)時(shí)間長短的不同，導(dǎo)致早期的鋯石結(jié)構(gòu)發(fā)生改變和（或）新的鋯石生長，從而造成高級(jí)變質(zhì)巖中的鋯石結(jié)構(gòu)顯示較大的變化性和復(fù)雜性［50］。鋯石中的變質(zhì)礦物包裹體能把年代學(xué)結(jié)果和變質(zhì)作用直接聯(lián)系起來，而對(duì)于那些反映巖石復(fù)雜的巖漿和變質(zhì)作用歷史的環(huán)帶鋯石所表現(xiàn)出的諸如不規(guī)則邊界、不同的核幔邊區(qū)域之類的復(fù)雜結(jié)構(gòu)可以通過陰極發(fā)光（CL）圖像揭示出來［5－52］。此外，鋯石的Lu－f同位素體系優(yōu)于其U－Pb體系，通常能抵抗后期蝕變和改造作用的影響［44，53－54］，能保存近于初始的f同位素比值，并可以用來示蹤巖石成因和源區(qū)研究［55－56］。

因此，單顆粒鋯石U－Pb和Lu－f 同位素的聯(lián)合分析數(shù)據(jù)已被證明能提供有關(guān)巖漿和變質(zhì)事件以及巖石成因和殼幔演化的可靠詳細(xì)信息［53－55，57－65］。正如前文所述，華北克拉通是一個(gè)古老的克拉通并經(jīng)歷了復(fù)雜的演化過程，為此，筆者根據(jù)最新研究成果以及已發(fā)表的有關(guān)華北克拉通東南緣變質(zhì)基底和下地殼包體的鋯石U－Pb年代學(xué)和Lu－f 同位素?cái)?shù)據(jù)，探討了研究區(qū)前寒武紀(jì)下地殼的形成和演化過程。

根據(jù)鋯石陰極發(fā)光圖像（圖6［29，33－34］）可以看出，研究區(qū)前寒武紀(jì)下地殼包體巖石經(jīng)歷了復(fù)雜的巖漿熱事件和多期變質(zhì)作用，大多數(shù)鋯石顯示核幔邊結(jié)構(gòu)，包括典型的巖漿鋯石核和具有石榴子石+單斜輝石+金紅石+斜長石等高壓麻粒巖相礦物組合的8～9 Ga變質(zhì)鋯石［29，33］以及具有高的Ti溫度（大于800 ℃）的248～249 Ga麻粒巖相變質(zhì)鋯石［34］。鋯石U－Pb年齡結(jié)果統(tǒng)計(jì)（圖7）顯示，研究區(qū)經(jīng)歷了25～26、2 Ga的巖漿熱事件以及25～26、2、8～9 Ga以及390、76 Ma的變質(zhì)事件。其中，形成于25～26 Ga的下地殼巖石包括2類：一類是經(jīng)歷了2 Ga和（或）8～9 Ga高壓麻粒巖相變質(zhì)作用以及390、76 Ma的變質(zhì)改造，而且可能是因?yàn)檫@類巖石位于下地殼下部，在2 Ga時(shí)靠近俯沖帶，因而遭受大洋俯沖與變質(zhì)作用的強(qiáng)烈影響而造成Pb同位素均一化，形成了具有與約2 Ga島弧巖石一致的高放射成因Pb同位素組成；另一類巖石則形成于255～264 Ga，可能因處于下地殼上部而僅遭受了248～249 Ga麻粒巖相變質(zhì)作用，但沒有2 Ga和（或）8～9 Ga變質(zhì)疊加的巖石學(xué)和年代學(xué)記錄，表現(xiàn)為典型的前寒武紀(jì)下地殼巖石特點(diǎn)的低放射成因Pb同位素組成［34］。此外，強(qiáng)烈的約8 Ga高壓麻粒巖相變質(zhì)作用可能是由于幔源巖漿底侵于下地殼底部而導(dǎo)致大規(guī)模地殼加熱和增厚引起的，這也與該時(shí)期華北克拉通存在廣泛的拉張、裂谷作用以及相關(guān)的鎂鐵質(zhì)巖漿侵位等相吻合［8，20－2，29］。

鋯石的f同位素分析（圖8［33］）指示，研究區(qū)前寒武紀(jì)下地殼經(jīng)歷了25 Ga和2 Ga的巖漿熱事件。鑒于這2期鋯石的ε-f（t）中有一部分樣品為明顯的正值（如5～2），反映它們的原巖來自于新生地殼，結(jié)合其原巖性質(zhì)和地球化學(xué)特點(diǎn)，指示它們的巖石成因與2期俯沖增生事件有關(guān)［33］。此外，27～28 Ga的繼承鋯石U－Pb年齡（圖7）和鋯石f模式年齡［33－34］暗示研究區(qū)可能還存在更老的地殼物質(zhì)或更早的地殼生長時(shí)期，這尚需進(jìn)一步的研究。

4結(jié)語

（）華北克拉通東南緣前寒武紀(jì)下地殼的巖石組成復(fù)雜，反映一個(gè)不同形成時(shí)代和不同成因并經(jīng)過多期不同程度變質(zhì)作用與改造的形成、演化過程。

（2）華北克拉通東南緣在前寒武紀(jì)發(fā)生過幕式地殼生長，至少包括25～26 Ga和2 Ga這2期俯沖增生和約8 Ga的垂向增生過程。由f模式年齡和繼承鋯石限定的27～28 Ga可能代表另一期地殼生長時(shí)間。

（3）華北克拉通東南緣前寒武紀(jì)下地殼巖石至少經(jīng)歷過25～26、2、8～9 Ga以及390、76 Ma等多期構(gòu)造熱事件和不同程度的變質(zhì)交代與改造，造成巖石中某些元素和同位素特征發(fā)生變異。

篇2

一、學(xué)習(xí)衛(wèi)生統(tǒng)計(jì)學(xué)的目的不明確

隨著社會(huì)進(jìn)步和醫(yī)學(xué)科學(xué)的發(fā)展，要做好預(yù)防保健工作，醫(yī)學(xué)工作者必須經(jīng)常深入現(xiàn)場進(jìn)行調(diào)查研究，了解人群的健康狀況，發(fā)現(xiàn)存在的問題，并根據(jù)工作的需要開展相應(yīng)的研究工作，如今學(xué)科之間相互滲透，相互交叉的趨勢日益明顯，如今的就業(yè)市場迫切需要高素質(zhì)的復(fù)合人才，所以醫(yī)學(xué)工作者應(yīng)具備統(tǒng)計(jì)研究設(shè)計(jì)的能力。而有些醫(yī)學(xué)生以為在醫(yī)學(xué)院校學(xué)習(xí)的目的就是治病救人，從而忽略本課程的學(xué)習(xí)。

二、醫(yī)學(xué)統(tǒng)計(jì)理論復(fù)雜

醫(yī)學(xué)統(tǒng)計(jì)學(xué)的主要內(nèi)容是數(shù)理統(tǒng)計(jì)計(jì)算，公式多，計(jì)算繁瑣，前后知識(shí)聯(lián)系緊密，整體跨度大，加上易產(chǎn)生歧義的名詞較多，易出現(xiàn)理解上的盲點(diǎn)，致使學(xué)生學(xué)習(xí)有畏難情緒，易半途而廢。

三、教學(xué)課時(shí)安排不足

中等職業(yè)教育中醫(yī)學(xué)統(tǒng)計(jì)非考試課，課時(shí)少，學(xué)生自主學(xué)習(xí)不足，降低學(xué)習(xí)效率。

四、教學(xué)方法單一，照本宣科

青年教師因?yàn)榻虒W(xué)經(jīng)驗(yàn)不足，教學(xué)方法單一，刻板，且與學(xué)生互動(dòng)少，課堂情緒調(diào)控較差，學(xué)生提不起學(xué)習(xí)的熱情，缺乏對(duì)本學(xué)科的興趣。有些老師語速過快，高估了學(xué)生接收信息和消化信息的能力。

總結(jié)以上教學(xué)中存在的問題，為改進(jìn)教學(xué)方法，提高學(xué)生學(xué)習(xí)效果，筆者總結(jié)出以下幾點(diǎn)。

（1）激發(fā)學(xué)生學(xué)習(xí)一門課程的興趣的關(guān)鍵就是強(qiáng)調(diào)其學(xué)習(xí)的重要性，從而充分激發(fā)學(xué)生學(xué)習(xí)的興趣和動(dòng)力。統(tǒng)計(jì)學(xué)是幫助人們分析信息，達(dá)到去偽存真、去粗取精、正確認(rèn)識(shí)世界的一種重要手段，開展統(tǒng)計(jì)工作，首先要進(jìn)行統(tǒng)計(jì)設(shè)計(jì)，這本身就是很具有創(chuàng)造性和藝術(shù)性的工作，親自揭開世界的面紗，透過事物的表面看本質(zhì)，是教會(huì)學(xué)生認(rèn)識(shí)問題、分析問題和解決問題的方法學(xué)，會(huì)令學(xué)生終身受益。

（2）中等職業(yè)學(xué)校的學(xué)生普遍數(shù)學(xué)基礎(chǔ)差，所以一翻開書本看見大堆的字母公式，就會(huì)產(chǎn)生畏難情緒，加之醫(yī)學(xué)統(tǒng)計(jì)的結(jié)果需要一定的醫(yī)學(xué)基礎(chǔ)知識(shí)和臨床知識(shí)相輔助，而課程安排往往將衛(wèi)生統(tǒng)計(jì)學(xué)與臨床課平行進(jìn)行，此時(shí)學(xué)生還不能靈活掌握及運(yùn)用醫(yī)學(xué)知識(shí)，這就更增加了統(tǒng)計(jì)學(xué)學(xué)習(xí)的難度。所以，在講課中，可以采用案例導(dǎo)入式教學(xué)，既能理解強(qiáng)化醫(yī)學(xué)知識(shí)，又能引出相關(guān)統(tǒng)計(jì)理論和方法，幫助學(xué)生形成知識(shí)網(wǎng)絡(luò)，讓多學(xué)科知識(shí)相鋪相成，降低理解的難度，從而激發(fā)學(xué)生的學(xué)習(xí)興趣，建立自信心，調(diào)動(dòng)學(xué)生學(xué)習(xí)的主動(dòng)性，同時(shí)注意向?qū)W生詳細(xì)解釋說明新出現(xiàn)的名詞概念。

（3）增加衛(wèi)生統(tǒng)計(jì)學(xué)的課時(shí)安排，讓知識(shí)更好的承前啟后。

篇3

對(duì)學(xué)生不感興趣的原因進(jìn)行調(diào)查，有152人（85.4%）認(rèn)為預(yù)防醫(yī)學(xué)課程理論內(nèi)容枯燥；有141人（79.2%）認(rèn)為衛(wèi)生統(tǒng)計(jì)學(xué)抽象、難懂不愿學(xué)習(xí)；有55人（30.9%）認(rèn)為所學(xué)內(nèi)容與專業(yè)無關(guān)；有76人（42.7%）認(rèn)為該課程為考查課，不予重視。

2對(duì)目前教學(xué)的建議

目前，我?！额A(yù)防醫(yī)學(xué)》課程的教學(xué)情況為：衛(wèi)生統(tǒng)計(jì)學(xué)部分理論20學(xué)時(shí)，實(shí)驗(yàn)（通過計(jì)算器進(jìn)行）20學(xué)時(shí)；流行病理論32學(xué)時(shí)，實(shí)驗(yàn)16學(xué)時(shí)；衛(wèi)生學(xué)（環(huán)衛(wèi)、營養(yǎng)）共理論16學(xué)時(shí)，實(shí)驗(yàn)4學(xué)時(shí)。通過本次問卷調(diào)查，結(jié)果顯示：有86%的學(xué)生認(rèn)為應(yīng)該將《預(yù)防醫(yī)學(xué)》課程由考查課改為考試課，這樣可加大學(xué)生學(xué)習(xí)的重視程度；有94.3%的學(xué)生認(rèn)為統(tǒng)計(jì)學(xué)實(shí)習(xí)應(yīng)改用計(jì)算機(jī)，通過統(tǒng)計(jì)軟件來完成數(shù)據(jù)分析；有43%的學(xué)生認(rèn)為應(yīng)增加統(tǒng)計(jì)學(xué)理論學(xué)時(shí)教學(xué)；31%的學(xué)生認(rèn)為應(yīng)增加流行病學(xué)理論的教學(xué)，有28%的學(xué)生認(rèn)為應(yīng)增加衛(wèi)生學(xué)理論教學(xué)。說明較多學(xué)生對(duì)目前的《預(yù)防醫(yī)學(xué)》教學(xué)的方式、內(nèi)容、方法等存在不滿，需要探索新的、能提高學(xué)生興趣的教學(xué)方式。

3實(shí)驗(yàn)組學(xué)生學(xué)習(xí)效果評(píng)價(jià)

必要開設(shè)預(yù)防醫(yī)學(xué)綜合性實(shí)驗(yàn)項(xiàng)目；有94.2%的學(xué)生認(rèn)為通過SPSS統(tǒng)計(jì)軟件的學(xué)習(xí)可以加強(qiáng)統(tǒng)計(jì)學(xué)部分基本概念和方法的理解，有助于理解統(tǒng)計(jì)分析方法的條件，并希望以后繼續(xù)學(xué)習(xí)SPSS軟件；67.4％的學(xué)生認(rèn)為目前的學(xué)時(shí)數(shù)不夠；有97.7%的同學(xué)對(duì)補(bǔ)充內(nèi)容的學(xué)習(xí)感興趣；并與以往的教學(xué)方式相比，更喜歡后者。

4討論

現(xiàn)代醫(yī)學(xué)的目標(biāo)是培養(yǎng)適應(yīng)社會(huì)新形勢發(fā)展需要的高質(zhì)量、實(shí)用型醫(yī)務(wù)人才，這就要求醫(yī)學(xué)教育必須適應(yīng)現(xiàn)代醫(yī)學(xué)的發(fā)展需要，在醫(yī)學(xué)教育中加強(qiáng)預(yù)防戰(zhàn)略。教育部曾指出“加強(qiáng)對(duì)非預(yù)防醫(yī)學(xué)專業(yè)預(yù)防醫(yī)學(xué)教學(xué)”；同時(shí)在“面向21世紀(jì)高等教育改革”中專門設(shè)立非預(yù)防醫(yī)學(xué)專業(yè)預(yù)防醫(yī)學(xué)教育教學(xué)改革項(xiàng)目。通過幾年的實(shí)踐，許多學(xué)校認(rèn)為在醫(yī)學(xué)教育中必須加強(qiáng)預(yù)防戰(zhàn)略的教育，并從多方面采取措施（如改變課程設(shè)置，增加預(yù)防醫(yī)學(xué)課時(shí)數(shù)等），而且結(jié)合社區(qū)醫(yī)學(xué)教學(xué)進(jìn)行社會(huì)實(shí)踐活動(dòng)。

既可使學(xué)生形成大衛(wèi)生觀念，增強(qiáng)預(yù)防意識(shí)，又能培養(yǎng)學(xué)生預(yù)防思想與獨(dú)立工作能力。本次研究表明，臨床醫(yī)學(xué)專業(yè)學(xué)生對(duì)《預(yù)防醫(yī)學(xué)》課程不怎么感興趣，一是由于理論太枯燥，教學(xué)方法有待改進(jìn)；二是統(tǒng)計(jì)學(xué)與流行病學(xué)內(nèi)容相對(duì)抽象、很難理解。但是，這兩點(diǎn)是預(yù)防醫(yī)學(xué)課程的自身特點(diǎn)，和醫(yī)學(xué)基礎(chǔ)課中《醫(yī)用物理學(xué)》等有著共性，關(guān)鍵在于，在教學(xué)中我們?cè)撊绾翁岣邔W(xué)生對(duì)這門課程的興趣，增加課程的趣味性。本研究中，學(xué)生對(duì)學(xué)習(xí)SPSS軟件很感興趣、熱情很高，如果在醫(yī)學(xué)統(tǒng)計(jì)學(xué)理論教學(xué)中，加入SPSS軟件有可能改善理論教學(xué)的枯燥效果，提高學(xué)生對(duì)知識(shí)的實(shí)際運(yùn)用能力。在以往的教學(xué)中我們多以教師講授為主，學(xué)生被動(dòng)接受，課堂互動(dòng)較少。

篇4

關(guān)鍵詞：預(yù)防醫(yī)學(xué)；本科生；MOOC教學(xué)模式

MOOC（MassiveOpenOnlineCourse）的中文全稱為“大規(guī)模開放式在線課程”，又稱為“慕課”，是一種面向社會(huì)大眾的免費(fèi)開放式網(wǎng)絡(luò)課程，通過在線教學(xué)方式教學(xué)資源，嵌入課程測試對(duì)學(xué)生的學(xué)習(xí)成果進(jìn)行檢驗(yàn)，并且注重交流互動(dòng)，全面及時(shí)地向教師反饋學(xué)生的學(xué)習(xí)情況［1］。MOOC教學(xué)模式的概念由加拿大學(xué)者DaveCormier和BryanAlexander在2008年首次聯(lián)合提出［2］。2012年MOOC在全世界引起廣泛關(guān)注，被稱為“慕課元年”，涌現(xiàn)出了當(dāng)今最為知名的三大平臺(tái)：Udacity、Coursera、EdX，并稱為MOOC的“三駕馬車”，在教育領(lǐng)域產(chǎn)生了深遠(yuǎn)的影響。2013年是中國的“慕課元年”，我國的高等學(xué)府也陸續(xù)加入了國際MOOC領(lǐng)域，構(gòu)建了MOOC平臺(tái)向世界開課［3］。MOOC的出現(xiàn)也給醫(yī)學(xué)教育帶來了發(fā)展契機(jī)，然而在我國醫(yī)學(xué)教育領(lǐng)域，目前MOOC尚處于初步階段，在預(yù)防醫(yī)學(xué)專業(yè)課程中MOOC的比例更少。因此MOOC與預(yù)防醫(yī)學(xué)教育的結(jié)合還面臨著許多挑戰(zhàn)，本文將對(duì)MOOC在預(yù)防醫(yī)學(xué)中的應(yīng)用進(jìn)行探討。

1MOOC教學(xué)模式和預(yù)防醫(yī)學(xué)專業(yè)應(yīng)用現(xiàn)況

MOOC教學(xué)模式主要分為兩類：cMOOC和xMOOC，cMOOC以“連接主義”學(xué)習(xí)理論為教育基礎(chǔ)，作為大學(xué)活動(dòng)的一部分運(yùn)行于開放資源學(xué)習(xí)平臺(tái)，是強(qiáng)調(diào)同伴學(xué)習(xí)的教學(xué)模式；xMOOC體現(xiàn)“行為主義”學(xué)習(xí)理論，是將高校提供的課程視頻在私人企業(yè)擁有的網(wǎng)絡(luò)運(yùn)營平臺(tái)上運(yùn)行，并與學(xué)習(xí)者和高校建立合約和商業(yè)關(guān)系的教學(xué)模式［4］。MOOC教學(xué)模式不拘泥于授課時(shí)間和地點(diǎn)，靈活性較大，課程往往是經(jīng)過精心設(shè)計(jì)的精品課程，可以完整系統(tǒng)地實(shí)現(xiàn)課堂教學(xué)、學(xué)習(xí)進(jìn)程、師生互動(dòng)、提交作業(yè)、效果測試、成績?cè)u(píng)估等過程，只要擁有一臺(tái)可以上網(wǎng)的計(jì)算機(jī)，任何感興趣的學(xué)生都能夠零成本或低成本獲得優(yōu)質(zhì)的教學(xué)資源［5］，因此在一定程度上緩解了教育資源分配不均的問題。MOOC教學(xué)模式注重在線互動(dòng)，將傳統(tǒng)的授課式課堂向以學(xué)生為主體的課堂傾斜，學(xué)生與教師、學(xué)生與學(xué)生之間可以隨時(shí)進(jìn)行雙向在線交流，MOOC的整個(gè)學(xué)習(xí)過程是個(gè)性化的，學(xué)生可定制個(gè)性化的學(xué)習(xí)內(nèi)容，并自主選擇學(xué)習(xí)時(shí)間、學(xué)習(xí)進(jìn)度和學(xué)習(xí)方式［6］。在醫(yī)學(xué)領(lǐng)域，率先開啟MOOC在特定行業(yè)領(lǐng)域應(yīng)用先河的中國醫(yī)學(xué)教育MOOC聯(lián)盟于2014年3月29日正式成立。目前作為醫(yī)學(xué)教育重要部分之一的預(yù)防醫(yī)學(xué)課程雖然在MOOC平臺(tái)上還未被廣泛普及，但是我國一些名校已經(jīng)在MOOC平臺(tái)上推出了預(yù)防醫(yī)學(xué)相關(guān)課程，“中國大學(xué)MOOC”平臺(tái)上復(fù)旦大學(xué)推出了《預(yù)防醫(yī)學(xué)》，中山大學(xué)推出了《醫(yī)學(xué)統(tǒng)計(jì)學(xué)》，Coursera平臺(tái)上北京大學(xué)推出了《流行病學(xué)基礎(chǔ)》、《醫(yī)學(xué)統(tǒng)計(jì)學(xué)與SPSS軟件》，南京大學(xué)推出了《營養(yǎng)與健康》。此外，中南大學(xué)推出了《食物營養(yǎng)與食品健康》、武漢大學(xué)推出了《營養(yǎng)學(xué)》、北京師范大學(xué)推出了《環(huán)境污染事件與應(yīng)急響應(yīng)》等，這些課程資源均可供學(xué)習(xí)者免費(fèi)學(xué)習(xí)［7］。但在“中國醫(yī)學(xué)教育MOOC聯(lián)盟官方平臺(tái)”上，尚未有相關(guān)課程。目前，推出的這些預(yù)防醫(yī)學(xué)MOOC課程主要針對(duì)高校的在讀學(xué)生，且課程內(nèi)容較分散，尚未形成完整的教學(xué)體系［6］。

2MOOC教學(xué)模式在預(yù)防醫(yī)學(xué)教育中的優(yōu)勢

預(yù)防醫(yī)學(xué)是醫(yī)學(xué)院校學(xué)生的必修課，涉及流行病學(xué)、醫(yī)學(xué)統(tǒng)計(jì)學(xué)、職業(yè)衛(wèi)生與職業(yè)醫(yī)學(xué)、環(huán)境衛(wèi)生學(xué)、營養(yǎng)與食品衛(wèi)生學(xué)、兒童少年衛(wèi)生學(xué)、衛(wèi)生毒理學(xué)與衛(wèi)生化學(xué)等課程，知識(shí)面較廣且內(nèi)容較多，某些課程如衛(wèi)生統(tǒng)計(jì)學(xué)等的理論又比較抽象，學(xué)生較難理解。傳統(tǒng)的教學(xué)方式主要是以教師為中心的灌輸式教學(xué)［8］，并以課堂講授內(nèi)容為主進(jìn)行記憶，此方式雖有利于教師對(duì)課堂的管理，但缺乏對(duì)學(xué)生創(chuàng)造性、自學(xué)能力的培養(yǎng)，學(xué)生在有限的學(xué)時(shí)內(nèi)需要吸收大量知識(shí)點(diǎn)，短時(shí)間內(nèi)難以理解和掌握，較難調(diào)動(dòng)學(xué)習(xí)積極性，學(xué)生學(xué)習(xí)興趣不高。若將MOOC應(yīng)用于預(yù)防醫(yī)學(xué)教學(xué)，則能夠在一定程度上彌補(bǔ)傳統(tǒng)教學(xué)方式的不足。針對(duì)預(yù)防醫(yī)學(xué)知識(shí)點(diǎn)龐雜的特點(diǎn)，MOOC可以將每一章內(nèi)容切割成微視頻的形式［9］，使每個(gè)教學(xué)視頻不冗長且內(nèi)容精煉，更符合學(xué)生的認(rèn)知規(guī)律。而且預(yù)防醫(yī)學(xué)課程對(duì)科學(xué)思維和創(chuàng)新能力有一定的要求，教師在課堂上傳授的往往是較為基礎(chǔ)的知識(shí)，這些知識(shí)點(diǎn)較為陳舊，而在MOOC視頻中加入科研進(jìn)展等內(nèi)容則可以讓學(xué)生了解最為前沿的知識(shí)［10］。有相關(guān)研究通過實(shí)驗(yàn)對(duì)比傳統(tǒng)授課式教學(xué)（Lecture－basedLearning，LBL）和MOOC教學(xué)模式來評(píng)價(jià)MOOC教學(xué)模式在預(yù)防醫(yī)學(xué)教學(xué)中的實(shí)施效果，結(jié)果顯示MOOC教學(xué)組總評(píng)成績明顯高于LBL組，表明了MOOC教學(xué)模式有利于提高教學(xué)質(zhì)量并具有培養(yǎng)學(xué)生的創(chuàng)新思維的優(yōu)勢［11］。MOOC還能夠兼顧不同預(yù)防醫(yī)學(xué)課程的特點(diǎn)，以預(yù)防醫(yī)學(xué)的骨干學(xué)科之一的醫(yī)學(xué)統(tǒng)計(jì)學(xué)為例，該課程學(xué)習(xí)的根本是理解概念與實(shí)踐，由于醫(yī)學(xué)統(tǒng)計(jì)學(xué)的概念較為抽象且需要進(jìn)行邏輯推理，學(xué)生若不思考和理解概念，而是機(jī)械記憶則會(huì)感到該課程較難掌握［12］。學(xué)生在MOOC平臺(tái)上進(jìn)行學(xué)習(xí)則可以根據(jù)自身接受知識(shí)的情況選擇學(xué)習(xí)進(jìn)度，做到因人而異，加深對(duì)概念的理解。利用計(jì)算機(jī)學(xué)習(xí)統(tǒng)計(jì)軟件同樣是醫(yī)學(xué)統(tǒng)計(jì)學(xué)課程的重要內(nèi)容，學(xué)生常不能記牢軟件操作過程，錄制MOOC平臺(tái)上機(jī)實(shí)習(xí)視頻課程之后學(xué)生可以反復(fù)播放學(xué)習(xí)，不需要教師重復(fù)授課，有利于學(xué)生查缺補(bǔ)漏、鞏固記憶。除了在高校開展MOOC課程之外，MOOC還可供社會(huì)中公共衛(wèi)生從業(yè)人員、非專業(yè)人員或其他感興趣的學(xué)生進(jìn)行課程的學(xué)習(xí)。疾控中心、科研院所等公共衛(wèi)生從業(yè)人員能夠通過MOOC及時(shí)簡便地更新他們的知識(shí)體系，醫(yī)院、基層衛(wèi)生服務(wù)機(jī)構(gòu)等非專業(yè)人員及其他業(yè)余人員則能夠從MOOC課程得到他們感興趣的和想了解的知識(shí)點(diǎn)［6］.

3MOOC教學(xué)模式在預(yù)防醫(yī)學(xué)教育中面臨的挑戰(zhàn)

雖然MOOC教學(xué)模式具有一定的優(yōu)勢，但在我國預(yù)防醫(yī)學(xué)教育領(lǐng)域中MOOC仍面臨著巨大的挑戰(zhàn)。其一，我國MOOC教學(xué)模式在預(yù)防醫(yī)學(xué)領(lǐng)域的應(yīng)用尚處于初步階段，MOOC平臺(tái)中的預(yù)防醫(yī)學(xué)課程十分缺乏，且這些課程針對(duì)的受眾并不廣泛，目前多為在校學(xué)生［6］，因此亟待大規(guī)模、高質(zhì)量的全國預(yù)防醫(yī)學(xué)課程資源的共享。其二，盡管MOOC教學(xué)模式具有互動(dòng)性的特征，也進(jìn)行了教學(xué)情景模擬，但是大多數(shù)的MOOC仍然是遠(yuǎn)程教學(xué)，缺少傳統(tǒng)課堂教師言傳身教的體驗(yàn)［6］，學(xué)習(xí)者對(duì)學(xué)習(xí)內(nèi)容的掌握不牢固，而且預(yù)防醫(yī)學(xué)不同的課程之間具有相類似的特點(diǎn)，它們均是實(shí)踐性與應(yīng)用性很強(qiáng)的學(xué)科，課程中非常重要的實(shí)驗(yàn)課等內(nèi)容是需要教師親自指導(dǎo)的，因此尚不適合直接與MOOC相結(jié)合。其三，在MOOC平臺(tái)的學(xué)習(xí)過程需要更多的自主性學(xué)習(xí)，因?yàn)槿鄙賯鹘y(tǒng)課堂的束縛，學(xué)習(xí)者專注持久的學(xué)習(xí)時(shí)間不容易得到保證，導(dǎo)致MOOC課程注冊(cè)學(xué)習(xí)的人數(shù)往往很多，但是完成率較低，教學(xué)計(jì)劃常不能按時(shí)完成［13］。其四，MOOC對(duì)授課教師的挑戰(zhàn)不小，醫(yī)學(xué)院校教師平日的工作任務(wù)普遍較為繁重，因此錄制課程視頻及后期在平臺(tái)的操作對(duì)教師協(xié)調(diào)時(shí)間和精力的要求很高，而且課程視頻需要精心制作，不僅需要投入大量的人力、物力、財(cái)力，同時(shí)對(duì)教師授課水平也提出了不小的要求，需要教師不斷進(jìn)行創(chuàng)新、探索和改進(jìn)［14］。其五，MOOC平臺(tái)公布的課程視頻向公眾免費(fèi)開放，涉及到相應(yīng)的版權(quán)保障等相關(guān)問題［6］。

4MOOC教學(xué)模式在預(yù)防醫(yī)學(xué)專業(yè)課程應(yīng)用的實(shí)施方案

對(duì)于MOOC面臨的挑戰(zhàn)和不足，MOOC教學(xué)模式在預(yù)防醫(yī)學(xué)領(lǐng)域的應(yīng)用還應(yīng)繼續(xù)加強(qiáng)和優(yōu)化。在MOOC對(duì)我國教育模式的不斷沖擊和教學(xué)方式改革的重要影響下，有關(guān)部門可以牽頭組織打造系統(tǒng)全面的預(yù)防醫(yī)學(xué)精品課程，召集高校、科研院所或疾控中心等單位有經(jīng)驗(yàn)的教師，在全民范圍內(nèi)免費(fèi)開放并做好相關(guān)宣傳工作，增加大眾對(duì)MOOC教學(xué)模式的知曉率，從而鼓勵(lì)所有感興趣的學(xué)習(xí)者注冊(cè)學(xué)習(xí)。由于預(yù)防醫(yī)學(xué)課程中實(shí)踐內(nèi)容的局限性，MOOC并不能完全取代傳統(tǒng)的預(yù)防醫(yī)學(xué)教學(xué)模式，因此可以將MOOC與傳統(tǒng)課堂學(xué)習(xí)相結(jié)合，教師提前錄制教學(xué)視頻，學(xué)生課前進(jìn)行自學(xué)和小組討論對(duì)內(nèi)容進(jìn)行理解，課堂上師生交流學(xué)習(xí)成果，教師通過學(xué)生的成果匯報(bào)進(jìn)行引導(dǎo)和教授，此方式被稱為“翻轉(zhuǎn)課堂”［14］。以衛(wèi)生毒理學(xué)為例，傳統(tǒng)毒理學(xué)實(shí)驗(yàn)教學(xué)以驗(yàn)證性實(shí)驗(yàn)和示教性實(shí)驗(yàn)為主，存在實(shí)驗(yàn)內(nèi)容陳舊、學(xué)生缺乏綜合性分析、基礎(chǔ)理論與實(shí)踐脫節(jié)等不足，而僅依靠MOOC的遠(yuǎn)程教學(xué)則存在教師無法直接指導(dǎo)學(xué)生操作的弊端。因此可以將實(shí)驗(yàn)原理和實(shí)驗(yàn)流程錄制成MOOC視頻課程供學(xué)生預(yù)習(xí)觀看，使學(xué)生提前熟悉實(shí)驗(yàn)操作步驟，從而縮短實(shí)驗(yàn)課堂教學(xué)時(shí)間、增加教師糾正學(xué)生操作和分析點(diǎn)評(píng)實(shí)驗(yàn)結(jié)果的時(shí)間。教師還可以在MOOC課程中增加科研創(chuàng)新性實(shí)驗(yàn)和綜合性實(shí)驗(yàn)，學(xué)生根據(jù)理論知識(shí)自行選定實(shí)驗(yàn)內(nèi)容，此過程將有利于培養(yǎng)學(xué)生的創(chuàng)新思維［10］。而對(duì)于流行病學(xué)來說，案例分析是其教學(xué)的重要內(nèi)容，但學(xué)生常常在課堂上才接觸到案例，因此短時(shí)間內(nèi)無法將實(shí)際問題考慮全面，如果教師課前在MOOC平臺(tái)公布案例相關(guān)內(nèi)容，學(xué)生就可以在課前進(jìn)行分析思考，課堂上便能夠加深討論交流的深度，教師也能夠有更多的時(shí)間進(jìn)行點(diǎn)評(píng)、小組討論、答疑解惑和知識(shí)拓展等內(nèi)容。此外，預(yù)防醫(yī)學(xué)的實(shí)踐內(nèi)容還可以引入大規(guī)模開放在線實(shí)驗(yàn)室（MassiveOpenOnlineLabs，MOOL）的課程安排［6］。針對(duì)課程完成率低的問題，MOOC平臺(tái)可以引入學(xué)分獎(jiǎng)懲機(jī)制，并頒發(fā)得到相關(guān)部門認(rèn)可的證書來促使學(xué)生高效利用時(shí)間，鼓勵(lì)學(xué)生進(jìn)行實(shí)名注冊(cè)，將課程分為不同的部分，學(xué)生完成每一部分之后獲取一定的學(xué)分，在獲取所有完整的學(xué)分并通過所有的測驗(yàn)考核之后才能獲得證書。在醫(yī)學(xué)院校中，同樣可以將部分課程的學(xué)分分配給MOOC課程，由于預(yù)防醫(yī)學(xué)課程包括理論和實(shí)踐課程，成績?cè)u(píng)定需要進(jìn)行綜合評(píng)定，為了更加全面客觀地反映學(xué)生的學(xué)習(xí)情況，教師可以在線布置階段性課后測驗(yàn)，并將測驗(yàn)分?jǐn)?shù)以一定比例納入學(xué)生綜合成績的評(píng)價(jià)中，用多元化評(píng)價(jià)機(jī)制來激發(fā)學(xué)生對(duì)課程學(xué)習(xí)的興趣和積極性。MOOC平臺(tái)還可以開發(fā)相應(yīng)的移動(dòng)客戶端并建立相應(yīng)的交流微信群來加強(qiáng)課程的互動(dòng)性，手機(jī)客戶端能夠使MOOC課程的學(xué)習(xí)更為快捷方便，微信交流群可以使師生之間隨時(shí)在線交流互動(dòng)、答疑解惑，學(xué)生之間也可以通過微信群進(jìn)行互相監(jiān)督，探討遇到的問題［6］。

5結(jié)語

MOOC的出現(xiàn)為預(yù)防醫(yī)學(xué)教育領(lǐng)域提供了多元化的教學(xué)模式，彌補(bǔ)了傳統(tǒng)授課方式的不足，使預(yù)防醫(yī)學(xué)教育更為靈活，并且能夠在社會(huì)范圍內(nèi)共享優(yōu)質(zhì)教育資源，具有明顯的優(yōu)勢。雖然MOOC在預(yù)防醫(yī)學(xué)領(lǐng)域的應(yīng)用處于剛剛起步的階段，仍舊面臨著挑戰(zhàn)和困難，但是隨著對(duì)MOOC平臺(tái)進(jìn)一步的調(diào)整和不斷的完善，MOOC教學(xué)模式在預(yù)防醫(yī)學(xué)教育中的應(yīng)用將會(huì)逐漸成熟，在社會(huì)范圍內(nèi)吸引更多感興趣的學(xué)習(xí)者加入，具有更加廣闊的應(yīng)用前景。

參考文獻(xiàn)：

［1］李詩竹，呂曉華，張曉玲．慕課———公共衛(wèi)生碩士培養(yǎng)的新模式［J］．現(xiàn)代預(yù)防醫(yī)學(xué)，2015，42（20）：3834－3836．

［2］于琦，賀培風(fēng)，袁永旭，等．MOOC的發(fā)展及其對(duì)醫(yī)學(xué)高等教育的啟示［J］．中華醫(yī)學(xué)圖書情報(bào)雜志，2014，23（7）：8－12．

［3］秦君．慕課教學(xué)模式的SWOT分析［J］．中國教育技術(shù)裝備，2015（8）：111－112．

［4］斯蒂芬•哈格德，王保華，何欣蕾．慕課正在成熟［J］．教育研究，2014（5）：92－99．

［5］尹德偉．MOOC對(duì)高等醫(yī)學(xué)教育的影響［J］．廣西廣播電視大學(xué)學(xué)報(bào)，2014，25（2）：31－33．

［6］陳仁杰．淺談MOOC在我國公共衛(wèi)生繼續(xù)教育中的應(yīng)用［J］．衛(wèi)生職業(yè)教育，2016，34（14）：27－29．

［7］唐娟，趙申武．MOOC優(yōu)質(zhì)教學(xué)資源在高專《預(yù)防醫(yī)學(xué)》課程中的應(yīng)用初探［J］．科技視界，2016（9）：95－127．

［8］劉殿武，牛玉杰，陳潛，等．預(yù)防醫(yī)學(xué)專業(yè)教學(xué)改革的實(shí)踐與效果［J］．河北醫(yī)科大學(xué)學(xué)報(bào)，2005，26（6）：230－231．

［9］張揚(yáng)．實(shí)驗(yàn)教學(xué)中引入“慕課”教學(xué)方式改革的SWOT分析［J］．實(shí)驗(yàn)室科學(xué)，2016，19（1）：122－124．

［10］段軍超，荊黎，楊曼，等．淺析MOOC在衛(wèi)生毒理學(xué)教學(xué)中的應(yīng)用［J］．醫(yī)學(xué)教育管理，2016，2（S1）：113－114．

［11］宓偉，石塔拉，尹淑英，等．MOOC教學(xué)新模式在預(yù)防醫(yī)學(xué)教學(xué)中的實(shí)施效果分析［J］．中國高等醫(yī)學(xué)教育，2015（8）：13－14．

［12］陳雅，鄧青，姚佳紅．淺析醫(yī)學(xué)統(tǒng)計(jì)學(xué)教學(xué)改革的必要性及措施［J］．中國衛(wèi)生統(tǒng)計(jì)，2009，26（3）：317．

［13］呂若然，高建華．網(wǎng)絡(luò)教學(xué)在公共衛(wèi)生專業(yè)中的SWOT分析［J］．衛(wèi)生軟科學(xué)，2016，30（1）：57－59．

篇5

張 歡

[摘 要]流行病學(xué)是各類醫(yī)學(xué)院校必不可少的課程。然而學(xué)生對(duì)流行病學(xué)的學(xué)習(xí)往往不夠重視，缺乏學(xué)習(xí)流行病學(xué)的熱情和主動(dòng)性。鑒于流行病學(xué)課程的重要性及目前流行病學(xué)教學(xué)效果欠佳的問題，提倡流行病學(xué)教師采用有效措施提高學(xué)生的學(xué)習(xí)興趣和學(xué)習(xí)主動(dòng)性，加強(qiáng)學(xué)生流行病學(xué)思維能力的培養(yǎng)，重視流行病學(xué)資料分析方法的教學(xué)。此外，注重網(wǎng)絡(luò)學(xué)習(xí)材料的收集和利用，并適當(dāng)開展雙語教學(xué)等對(duì)提高流行病學(xué)教學(xué)效果也有幫助。

[

關(guān)鍵詞 ]流行病學(xué)；教學(xué)效果；學(xué)習(xí)興趣；思維

中圖分類號(hào)：G642.3文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1671-0568(2014)35-0040-03

基金項(xiàng)目：本文系國家自然科學(xué)基金青年科學(xué)基金項(xiàng)目“漢族人群Corin蛋白與高血壓發(fā)病關(guān)系的研究” (編號(hào)：81302499)、中國博士后科學(xué)基金特別資助項(xiàng)目“CORIN基因多態(tài)性與Corin水平及高血壓的關(guān)聯(lián)研究” (編號(hào)：2014T70547)的成果。

流行病學(xué)是研究疾病和健康狀態(tài)在人群中的分布及其影響因素，借以制訂和評(píng)價(jià)預(yù)防、控制和消滅疾病及促進(jìn)健康的策略和措施的科學(xué)。 近年來公共衛(wèi)生事件頻發(fā)，且傳染病的發(fā)病率和死亡率顯著下降，而心腦血管病、糖尿病和癌癥等慢性非傳染性疾病的威脅不斷增加。如何更好地應(yīng)用流行病學(xué)原理和方法來預(yù)防和控制慢性病和公共衛(wèi)生事件的危害，是各級(jí)衛(wèi)生行政部門和醫(yī)療衛(wèi)生機(jī)構(gòu)面臨的重大課題。流行病學(xué)的重要性使之成為了各類醫(yī)學(xué)院校必不可少的課程。

由于課程多、學(xué)習(xí)任務(wù)重，同時(shí)對(duì)課程重要性不夠了解，醫(yī)學(xué)院中非預(yù)防專業(yè)的學(xué)生對(duì)流行病學(xué)的學(xué)習(xí)往往不夠重視。很多學(xué)校的流行病學(xué)教材和教師的授課教學(xué)模式比較單一，也使得學(xué)生缺乏學(xué)習(xí)流行病學(xué)的熱情和主動(dòng)性。此外，為了適應(yīng)慢性病患病率不斷上升的公共衛(wèi)生新形勢，流行病學(xué)的教學(xué)內(nèi)容及教學(xué)方法需要不斷更新和改進(jìn)。筆者根據(jù)近年參與流行病學(xué)教學(xué)工作的體會(huì)，談?wù)劶訌?qiáng)流行病學(xué)課程教學(xué)的方法和策略。

一、提高學(xué)生興趣

流行病學(xué)教學(xué)大多采取大班上課方式，教師講解，學(xué)生被動(dòng)性接受，學(xué)習(xí)興趣不高。由于大多數(shù)的流行病學(xué)教學(xué)內(nèi)容是理論性的概念，邏輯嚴(yán)密、抽象，不如臨床醫(yī)學(xué)等課程那么形象生動(dòng)，學(xué)生的學(xué)習(xí)興趣不高，課堂互動(dòng)性比較少。單向灌輸式教學(xué)方式使流行病學(xué)理論與防病實(shí)踐嚴(yán)重脫節(jié)，學(xué)生只能被動(dòng)接受。同時(shí)，根深蒂固的重治療、輕預(yù)防的思想和現(xiàn)實(shí)也對(duì)學(xué)生有所影響，使得學(xué)生對(duì)今后在實(shí)際工作中是否有機(jī)會(huì)進(jìn)行流行病相關(guān)的研究及工作缺乏信心。

學(xué)生作為教學(xué)活動(dòng)的直接感受者，其興趣直接影響學(xué)習(xí)的效果，可以針對(duì)不同的教學(xué)內(nèi)容設(shè)置不同的教學(xué)方法。通過典型實(shí)例討論，啟發(fā)學(xué)生思考，讓學(xué)生認(rèn)識(shí)到流行病學(xué)的重要性和實(shí)用性，從而促使學(xué)生自發(fā)學(xué)習(xí)。例如，講述病因推斷時(shí)，可以SARS為例，讓學(xué)生自己討論怎樣提出病因和驗(yàn)證病因，讓學(xué)生對(duì)病因推斷的基本步驟有深刻的體會(huì)。在實(shí)驗(yàn)流行病學(xué)中，可以從科研設(shè)計(jì)的角度來講解，讓臨床專業(yè)的學(xué)生認(rèn)識(shí)到即使是臨床醫(yī)生進(jìn)行療效評(píng)價(jià)，也離不開流行病的原理和方法，從而意識(shí)到流行病學(xué)課程的重要性。讓學(xué)生積極參與課堂教學(xué)的全過程，真正體現(xiàn)“以學(xué)生為主體的課堂教學(xué)模式”。同時(shí)開設(shè)“第二課堂”，組織課外興趣小組，在教師的指導(dǎo)下對(duì)引起社會(huì)廣泛關(guān)注的公共衛(wèi)生問題進(jìn)行課題設(shè)計(jì)和調(diào)查等活動(dòng)，并指導(dǎo)學(xué)生撰寫調(diào)查報(bào)告等；鼓勵(lì)學(xué)生參與教師的課題研究，從文獻(xiàn)檢索、課題設(shè)計(jì)、現(xiàn)場調(diào)查或?qū)嶒?yàn)到資料整理、數(shù)據(jù)統(tǒng)計(jì)分析和論文撰寫等，學(xué)生在進(jìn)一步理論聯(lián)系實(shí)際的同時(shí)也提高了科研能力。

此外，利用多媒體的“多樣性、交互性、集成性”等特點(diǎn)．針對(duì)教學(xué)重點(diǎn)和難點(diǎn)，結(jié)合經(jīng)典的流行病學(xué)研究案例，制作形象生動(dòng)、實(shí)踐性強(qiáng)的多媒體課件，可以達(dá)到活躍課堂氣氛、激發(fā)學(xué)生學(xué)習(xí)興趣、加深學(xué)生對(duì)理論知識(shí)的理解的目的。

二、加強(qiáng)流行病學(xué)思維

流行病學(xué)是一門科研方法學(xué)，它的重要基礎(chǔ)是邏輯學(xué)和概率論，在教學(xué)中要特別注意培養(yǎng)學(xué)生的邏輯思維方式和從群體角度思考問題的概率論思想，這一點(diǎn)在病因?qū)W研究中尤為重要。 網(wǎng)但是長期以來，流行病學(xué)教學(xué)以單向灌輸式教學(xué)方式為主，偏重基本概念、基本原理方法教學(xué)，對(duì)流行病學(xué)思維尤其是以預(yù)防為主的思維能力培養(yǎng)不足，導(dǎo)致流行病學(xué)教學(xué)中理論與防病實(shí)踐嚴(yán)重脫節(jié)，學(xué)生只能被動(dòng)接受。這在很大程度上壓抑和束縛了學(xué)生的創(chuàng)造性思維，使流行病學(xué)的應(yīng)用性無法得到充分體現(xiàn)，學(xué)生缺乏將來在疾病控制實(shí)踐中獨(dú)立解決問題的能力。因此，加強(qiáng)流行病學(xué)思維能力的培養(yǎng)非常重要，其中包括宏觀（群體）、對(duì)比、概率統(tǒng)計(jì)、多病因論及預(yù)防為主的流行病學(xué)思維方式與觀點(diǎn)。

流行病學(xué)是從群體的角度宏觀地觀察一個(gè)人群的疾病發(fā)生情況、健康狀況和公共衛(wèi)生問題，其原理是在個(gè)體中看來是偶發(fā)事件，但在群體中是有規(guī)律性的。在流行病學(xué)定義中，有兩個(gè)相當(dāng)重要的概念，即“群體”與“分布”。這兩個(gè)概念正是流行病學(xué)中宏觀思維方式的體現(xiàn)。流行病學(xué)正是通過宏觀的人群調(diào)查，了解疾病在不同人群、時(shí)間、地區(qū)的分布狀況，并根據(jù)分布狀況去追溯造成分布不同的原因，從而達(dá)到控制疾病之目的。吸煙與肺癌的研究，F(xiàn)rarningham心血管疾病流行病學(xué)研究等，都是應(yīng)用宏觀思維方法的典范。以吸煙與肺癌關(guān)系的研究為例，從個(gè)體的角度看，并非每一個(gè)吸煙者都患肺癌，也并非每一個(gè)肺癌患者都吸煙；從群體的角度來看，肺癌患者吸煙的比例顯著高于非肺癌者，吸煙者中肺癌的發(fā)病率與病死率也顯著高于非吸煙者，因而吸煙是肺癌的危險(xiǎn)因素。通過實(shí)例使學(xué)生逐漸理解和接受流行病學(xué)的宏觀（群體）思維方式。

在流行病學(xué)研究中自始至終應(yīng)貫徹對(duì)比的思想。只有通過對(duì)比調(diào)查、對(duì)比分析，才能從中發(fā)現(xiàn)疾病發(fā)生的原因或線索，而且這種對(duì)比必須堅(jiān)持可比性原則。經(jīng)典的分析性流行病學(xué)研究方法，如病例對(duì)照研究、隊(duì)列研究均設(shè)立對(duì)照組，應(yīng)用對(duì)比的思維方式檢驗(yàn)病因假設(shè)或?qū)梢傻牟∫蚧蛭ｋU(xiǎn)因素進(jìn)行研究，通過比較分析這一科學(xué)嚴(yán)密的病因邏輯思維推論過程來判定結(jié)果。

流行病學(xué)的病因是概率論的病因， “能引起人群發(fā)病概率升高的因素即為流行病學(xué)的病因”。這些因素實(shí)際上指的是疾病的危險(xiǎn)因素，研究疾病的危險(xiǎn)因素比研究直接的病因在疾病預(yù)防中的意義更大。在進(jìn)行群體間比較時(shí)多使用發(fā)病率、死亡率等頻率指標(biāo)，而不是用絕對(duì)數(shù)來表示。例如，人們不能因看到某個(gè)吸煙的人已經(jīng)活到100歲或某個(gè)不吸煙的人也得了肺癌而否認(rèn)吸煙是肺癌的一個(gè)重要病因，而應(yīng)當(dāng)從概率論的角度認(rèn)識(shí)吸煙者比不吸煙者患肺癌的危險(xiǎn)要高出多少倍。通過流行病學(xué)調(diào)查發(fā)現(xiàn)某些疾病在某一地區(qū)具有某些特征的人群中比其他人群的發(fā)病率更高．則可認(rèn)為這類人發(fā)生該病的危險(xiǎn)更大。這種對(duì)某病的高危人群的確定，就是應(yīng)用概率統(tǒng)計(jì)的思維方式來實(shí)施的。

流行病學(xué)病因研究認(rèn)為許多疾病并非由單一的、特異的病因引起，而是遺傳與環(huán)境等多種因素長期綜合作用的結(jié)果。影響人體健康的因素本身就是多維的，因而應(yīng)當(dāng)用三維或多維的思維方式去貫徹和解決人類的健康問題。

流行病學(xué)的根本任務(wù)之一是查明病因并預(yù)防、控制和消滅疾病，包括無病時(shí)預(yù)防使其不發(fā)生，發(fā)生后使其得到控制、減輕甚至消除，即可根據(jù)疾病自然史的不同階段。采取相應(yīng)措施來阻止疾病的發(fā)生、發(fā)展或惡化，這就是疾病的“三級(jí)預(yù)防”及“預(yù)防為主”的指導(dǎo)思想。使學(xué)生盡快樹立“預(yù)防為主”的專業(yè)理念，體會(huì)臨床學(xué)習(xí)的意義，提高學(xué)生的自主學(xué)習(xí)能力和實(shí)踐操作能力。

三、流行病學(xué)資料分析方法

預(yù)防醫(yī)學(xué)課程中的醫(yī)學(xué)統(tǒng)計(jì)學(xué)和流行病學(xué)方法，與醫(yī)學(xué)科研密切相關(guān)，對(duì)培養(yǎng)學(xué)生的創(chuàng)新能力至關(guān)重要。這兩門課程在教學(xué)過程中也往往需要進(jìn)行有機(jī)結(jié)合。傳統(tǒng)流行病學(xué)教學(xué)中，學(xué)生很難在短時(shí)間內(nèi)將醫(yī)學(xué)統(tǒng)計(jì)學(xué)方法和流行病學(xué)資料處理結(jié)合起來，因而很難理解和樹立流行病學(xué)概率論的觀點(diǎn)。適時(shí)地鞏固學(xué)生的統(tǒng)計(jì)學(xué)思維，提高學(xué)生對(duì)醫(yī)學(xué)數(shù)據(jù)的分析能力并將其與流行病學(xué)知識(shí)融會(huì)貫通，對(duì)醫(yī)學(xué)統(tǒng)計(jì)學(xué)教學(xué)和流行病學(xué)教學(xué)，都是很有幫助的。

運(yùn)用計(jì)算器手工運(yùn)算各項(xiàng)指標(biāo)，回答思考題，這是大多數(shù)學(xué)校采用的教學(xué)模式。但僅以計(jì)算器進(jìn)行數(shù)據(jù)分析并不能解決所有流行病學(xué)資料分析問題。如流行病學(xué)病因研究最常用的回歸分析，就無法在課堂上用計(jì)算器完成。 。目前，幾乎所有流行病學(xué)的調(diào)查數(shù)據(jù)資料分析工作都要借助于統(tǒng)計(jì)軟件，單純由計(jì)算器進(jìn)行資料分析的教學(xué)與實(shí)際工作脫節(jié)，已不符合現(xiàn)代流行病學(xué)的教學(xué)和工作的需要。因此，應(yīng)在保留少量計(jì)算器手工計(jì)算方法以加深理解的基礎(chǔ)上，將EpiData和sPss等國際權(quán)威的統(tǒng)計(jì)分析軟件應(yīng)用于流行病學(xué)教學(xué)中。

EpiData是專為流行病學(xué)調(diào)查而設(shè)計(jì)的軟件，它與其他軟件相比更符合流行病學(xué)工作對(duì)數(shù)據(jù)錄入與管理的要求，所以在流行病學(xué)研究與實(shí)踐中極為常用。EpiData軟件是一款免費(fèi)的數(shù)據(jù)錄入和數(shù)據(jù)管理軟件，簡單易學(xué)，數(shù)據(jù)錄入界面直觀，操作簡便，實(shí)用性強(qiáng)，具備強(qiáng)大的數(shù)據(jù)錄入、數(shù)據(jù)核查、數(shù)據(jù)轉(zhuǎn)化功能及雙份錄入及一致性檢驗(yàn)的功能。 流行病學(xué)實(shí)習(xí)課的實(shí)例中，數(shù)據(jù)多是經(jīng)過整理加工的，往往實(shí)習(xí)課結(jié)束后，學(xué)生對(duì)相關(guān)研究問題依然沒有理解和體會(huì)，流行病學(xué)實(shí)習(xí)課的教學(xué)目的沒能達(dá)到。在教學(xué)中應(yīng)用EpiData等軟件處理真實(shí)數(shù)據(jù)可以幫助學(xué)生更深入地了解流行病學(xué)數(shù)據(jù)資料。SPSS軟件是專門為統(tǒng)計(jì)而開發(fā)的軟件，統(tǒng)計(jì)方法較齊全，一般用于大型統(tǒng)計(jì)，是當(dāng)今國際流行的優(yōu)秀統(tǒng)計(jì)分析軟件之一，是醫(yī)學(xué)科研工作的得力助手。sPss軟件界面友好，統(tǒng)計(jì)功能強(qiáng)大，操作簡單易學(xué)，目前已在各大院校醫(yī)學(xué)統(tǒng)計(jì)學(xué)教學(xué)中廣泛應(yīng)用。

蘇州大學(xué)流行病與衛(wèi)生統(tǒng)計(jì)教研室教師有多年從事實(shí)驗(yàn)教學(xué)的經(jīng)驗(yàn)，參與過多次大型流行病學(xué)調(diào)查，有豐富的流行病學(xué)資料分析經(jīng)驗(yàn)。預(yù)防醫(yī)學(xué)專業(yè)本科生醫(yī)學(xué)統(tǒng)計(jì)學(xué)課程和流行病學(xué)課程均開設(shè)了實(shí)習(xí)課，且統(tǒng)計(jì)學(xué)課程在先，學(xué)生具備了使用統(tǒng)計(jì)學(xué)軟件的能力。在流行病學(xué)實(shí)驗(yàn)課中使用統(tǒng)計(jì)軟件進(jìn)行資料分析，使流行病學(xué)資料分析與統(tǒng)計(jì)學(xué)理論及軟件的使用進(jìn)行對(duì)接并加以綜合運(yùn)用，更能體現(xiàn)出流行病學(xué)與衛(wèi)生統(tǒng)計(jì)學(xué)的緊密聯(lián)系，使實(shí)踐教學(xué)更具有針對(duì)性和現(xiàn)實(shí)性。

四、豐富學(xué)習(xí)材料

教科書是教學(xué)的核心材料，但廣義的教材可以是傳授知識(shí)、技能和思想的所有教學(xué)材料。廣義教材既包括教科書、教學(xué)實(shí)習(xí)指導(dǎo)，也包括學(xué)術(shù)專著、期刊文獻(xiàn)、教學(xué)幻燈片、音像資料、計(jì)算機(jī)輔助教學(xué)課程軟件等。當(dāng)前網(wǎng)絡(luò)已經(jīng)成為大學(xué)生獲取專業(yè)知識(shí)的重要途徑，流行病學(xué)課程教學(xué)應(yīng)該充分利用網(wǎng)絡(luò)資源，豐富學(xué)生的學(xué)習(xí)材料。這樣不僅可以提高學(xué)生的學(xué)習(xí)興趣和通過網(wǎng)絡(luò)獨(dú)立獲取流行病學(xué)知識(shí)的能力，也使學(xué)生切身感受流行病學(xué)在社會(huì)生活中的實(shí)際應(yīng)用。

世界衛(wèi)生組織(WHO)網(wǎng)站和美國疾病預(yù)防控制中心(CDC)網(wǎng)站是提供流行病學(xué)實(shí)習(xí)的理想網(wǎng)站，可為流行病學(xué)學(xué)習(xí)和研究提供良好的素材。WHO從1995年起通過“The world heal山report”年度全球健康評(píng)估報(bào)告，報(bào)告有英文、中文、阿拉伯文等版本，內(nèi)容覆蓋了流行病學(xué)的大部分領(lǐng)域。美國CDC wonder是美國CDC建立的數(shù)據(jù)檢索系統(tǒng)，可提供多種疾病的流行病學(xué)信息、統(tǒng)計(jì)數(shù)據(jù)、實(shí)驗(yàn)數(shù)據(jù)和研究進(jìn)展。通過這些網(wǎng)站，學(xué)生可以了解世界各國的疾病負(fù)擔(dān)和疾病預(yù)防控制策略，并可以從流行病學(xué)研究實(shí)例中學(xué)習(xí)調(diào)查研究的方法。這些實(shí)例來自于疾病防治的實(shí)際工作，與學(xué)生的生活及將來的工作崗位關(guān)系密切，更容易激發(fā)學(xué)習(xí)的興趣。

隨著信息技術(shù)和教育理念的發(fā)展，越來越多的組織或個(gè)人在互聯(lián)網(wǎng)上共享教學(xué)資源，如全球健康網(wǎng)絡(luò)超級(jí)課程。 網(wǎng)該網(wǎng)絡(luò)課程匯聚了來自全球174個(gè)國家的56000名專業(yè)學(xué)者，目前收集了這些學(xué)者制作的5710份與全球健康和預(yù)防有關(guān)的Powerpoint講稿，構(gòu)建成一個(gè)基于互聯(lián)網(wǎng)的開放的教學(xué)講稿庫，供全球相關(guān)領(lǐng)域的教師和學(xué)生免費(fèi)使用。又如，美國加州大學(xué)洛杉磯分校流行病學(xué)系的Frerichs教授建立的快速流行病學(xué)調(diào)查的課程網(wǎng)頁。該網(wǎng)站除課程的PowerPoint講稿、配套的講解錄音外，還包括推薦閱讀材料、統(tǒng)計(jì)軟件及其使用說明、練習(xí)用數(shù)據(jù)庫和課后作業(yè)等，成為一套非常完整的教學(xué)材料。此外，還應(yīng)充分利用精品課程網(wǎng)站開展網(wǎng)絡(luò)補(bǔ)充教學(xué)，如國家精品課程資源網(wǎng)和流行病學(xué)精品課程網(wǎng)等。

五、嘗試雙語教學(xué)

當(dāng)前流行病學(xué)研究飛速發(fā)展，國際交流合作日趨頻繁。如何培養(yǎng)具有國際合作意識(shí)、國際交流與競爭能力的公共衛(wèi)生專業(yè)人才是目前高等醫(yī)學(xué)教育中的一個(gè)重要課題，而實(shí)施雙語教學(xué)正是適應(yīng)高等教育國際化趨勢的發(fā)展需要，也是培養(yǎng)這類外向型人才的重要途徑。預(yù)防醫(yī)學(xué)本科生學(xué)習(xí)流行病學(xué)及相應(yīng)的實(shí)習(xí)課程時(shí)大多已經(jīng)通過了大學(xué)英語四級(jí)或六級(jí)考試，具備較好的英語基礎(chǔ)，這時(shí)合理地安排雙語教學(xué)，有助于將學(xué)生的英語學(xué)習(xí)從公共英語轉(zhuǎn)移到專業(yè)英語上來，切實(shí)提高學(xué)生的英語應(yīng)用能力。

合適的外文教學(xué)資料是流行病學(xué)雙語教學(xué)實(shí)施的必要條件，獲得外文教學(xué)材料的途徑可以是直接購買或復(fù)印合適的原版教材和參考書。此外，通過互聯(lián)網(wǎng)收集教學(xué)材料是一個(gè)獲得雙語教學(xué)材料的有效途徑。美國匹茲堡大學(xué)的Supercourse以虛擬圖書館的形式為全世界從事流行病學(xué)教學(xué)的人提供了一個(gè)交流的平臺(tái)，目前其中含有來自174個(gè)國家的5710個(gè)講稿。 網(wǎng)世界衛(wèi)生組織和美國疾病預(yù)防控制中心官方網(wǎng)站的各種年報(bào)等材料也經(jīng)常被流行病學(xué)教研室教員用來作為雙語教學(xué)的背景參考資料。英國Dundee大學(xué)研制的流行病學(xué)互動(dòng)教學(xué)軟件Studying Popula-tions ProWam也深受好評(píng)。該軟件是一個(gè)計(jì)算機(jī)輔助的流行病學(xué)方法學(xué)習(xí)軟件包，其中包含了80多個(gè)關(guān)于流行病學(xué)基本概念的交互式練習(xí)和模擬，適合所有健康科學(xué)工作者使用，包括醫(yī)學(xué)專業(yè)本科生和碩士生、公共衛(wèi)生工作者及臨床醫(yī)生。在國外一些大型公共衛(wèi)生或流行病學(xué)學(xué)術(shù)會(huì)議中，如美國公共衛(wèi)生年會(huì)等，一些大學(xué)、研究所、出版社、公司等都會(huì)提供電子版或紙制的宣傳材料，其中不乏流行病學(xué)專業(yè)期刊，健康教育短片、美國疾病預(yù)防控制中心的工作介紹、國外大學(xué)公共衛(wèi)生學(xué)院的介紹等。這些都屬于流行病學(xué)雙語教學(xué)資料的收集范圍，有利于我們及時(shí)地了解國外的流行病學(xué)教學(xué)的動(dòng)態(tài)。另外，通過直接使用英文版的疾病數(shù)據(jù)分析軟件(sPss，SAS，Epi Info)來提高學(xué)生的專業(yè)外語運(yùn)用和理解能力也是加強(qiáng)雙語教學(xué)的有效辦法。

篇6

關(guān)鍵詞：醫(yī)學(xué)統(tǒng)計(jì)學(xué)；非預(yù)防專業(yè)；實(shí)驗(yàn)教學(xué)；改革

中圖分類號(hào)：G642.0 文獻(xiàn)標(biāo)志碼：A ？搖文章編號(hào)：1674-9324（2014）03-0036-02

醫(yī)學(xué)統(tǒng)計(jì)學(xué)是基于概率論和數(shù)理統(tǒng)計(jì)的基本原理和方法，為研究醫(yī)學(xué)領(lǐng)域中數(shù)據(jù)的收集、整理和分析的一門應(yīng)用性學(xué)科[1]。該學(xué)科不僅能夠培養(yǎng)醫(yī)學(xué)生的科學(xué)邏輯思維，對(duì)提高學(xué)生分析問題、解決問題的能力也具有重要意義，更為學(xué)生今后的臨床實(shí)踐和科研工作打下必要的統(tǒng)計(jì)學(xué)基礎(chǔ)。實(shí)驗(yàn)課是醫(yī)學(xué)統(tǒng)計(jì)學(xué)教學(xué)的重要組成部分，要想引導(dǎo)學(xué)生將統(tǒng)計(jì)學(xué)理論與醫(yī)學(xué)臨床和科研聯(lián)系起來，調(diào)動(dòng)學(xué)生的學(xué)習(xí)興趣和靈活運(yùn)用理論知識(shí)的能力，實(shí)驗(yàn)教學(xué)有著不可替代的作用。為此，我們結(jié)合實(shí)際教學(xué)工作中的體會(huì)，對(duì)非預(yù)防醫(yī)學(xué)專業(yè)本科生統(tǒng)計(jì)學(xué)實(shí)驗(yàn)教學(xué)內(nèi)容和方法提出一些改革與實(shí)踐的思路，以期提高實(shí)驗(yàn)教學(xué)效果，加強(qiáng)學(xué)生綜合運(yùn)用統(tǒng)計(jì)學(xué)知識(shí)的能力。

一、非預(yù)防醫(yī)學(xué)本科生醫(yī)學(xué)統(tǒng)計(jì)實(shí)驗(yàn)教學(xué)中存在的問題

我國高等醫(yī)學(xué)院校已將醫(yī)學(xué)統(tǒng)計(jì)學(xué)作為必修課列入各專業(yè)本科生的教學(xué)計(jì)劃中。非預(yù)防醫(yī)學(xué)本科生的統(tǒng)計(jì)學(xué)教學(xué)總時(shí)數(shù)一般為32學(xué)時(shí)左右，實(shí)驗(yàn)課時(shí)多為10個(gè)學(xué)時(shí)，相對(duì)比較緊張。而統(tǒng)計(jì)學(xué)的原理知識(shí)較多，理論課時(shí)難以壓縮，因此對(duì)于實(shí)驗(yàn)課時(shí)無法增加，限制了實(shí)驗(yàn)教學(xué)內(nèi)容和方法上的改革，影響實(shí)驗(yàn)教學(xué)效果。目前國內(nèi)絕大部分醫(yī)科院校開設(shè)的醫(yī)學(xué)統(tǒng)計(jì)學(xué)實(shí)習(xí)課基本上是“習(xí)題課”[2]，在實(shí)習(xí)課上教師以書后的練習(xí)或是實(shí)習(xí)指導(dǎo)冊(cè)上的習(xí)題為主，把每道題涉及到的理論知識(shí)再給學(xué)生強(qiáng)調(diào)一遍，學(xué)生利用計(jì)算器套用書上例題的解題步驟及公式進(jìn)行統(tǒng)計(jì)運(yùn)算，下課后交作業(yè)，教師根據(jù)學(xué)生作業(yè)給予一個(gè)分?jǐn)?shù)作為平時(shí)成績。由于所做習(xí)題大多是經(jīng)過收集、整理好的現(xiàn)成資料，學(xué)生只需著眼于對(duì)結(jié)果的分析，而不必注重統(tǒng)計(jì)設(shè)計(jì)、資料的收集與整理。這樣常造成學(xué)生上課的積極性不高，毫無興趣，學(xué)生為了拿到一個(gè)好的平時(shí)成績，甚至互相抄襲作業(yè)，更有甚者，后面批次的學(xué)生來上課之前就已經(jīng)把作業(yè)做好了。老師在批改作業(yè)的時(shí)候難以衡量學(xué)生對(duì)知識(shí)的掌握程度，往往每個(gè)學(xué)生的作業(yè)分?jǐn)?shù)都相差不大，但是在考試中遇到同樣的題型甚至原題，仍然有很多學(xué)生無從下手，亂用統(tǒng)計(jì)方法的情況比比皆是。這種單一的傳統(tǒng)實(shí)驗(yàn)課教學(xué)模式，忽視學(xué)生統(tǒng)計(jì)思維和科研素質(zhì)的培養(yǎng)以及解決實(shí)際醫(yī)學(xué)問題能力的訓(xùn)練，從而導(dǎo)致學(xué)生的統(tǒng)計(jì)理論水平與實(shí)踐能力脫節(jié)的突出矛盾。傳統(tǒng)的教學(xué)模式造成了學(xué)生對(duì)只知其一不知其二，一遇到實(shí)際問題就無從解決。

二、實(shí)驗(yàn)教學(xué)內(nèi)容的改革

傳統(tǒng)的習(xí)題很難調(diào)動(dòng)學(xué)生的積極性，加之醫(yī)學(xué)生要從醫(yī)學(xué)課程長期訓(xùn)練的形象思維轉(zhuǎn)向醫(yī)學(xué)統(tǒng)計(jì)學(xué)所需的邏輯思維能力，而且在統(tǒng)計(jì)學(xué)理論教學(xué)中，偏重于用教材上典型例子進(jìn)行單個(gè)統(tǒng)計(jì)學(xué)方法的講解，而忽視不典型實(shí)例及多種統(tǒng)計(jì)學(xué)方法之間互相聯(lián)系的講解[3]。學(xué)生用統(tǒng)計(jì)學(xué)知識(shí)解決實(shí)際問題時(shí)缺乏系統(tǒng)性，在碰到不典型實(shí)例時(shí)，學(xué)生誤用、濫用統(tǒng)計(jì)學(xué)方法在所難免。目前國內(nèi)醫(yī)學(xué)院校的醫(yī)學(xué)統(tǒng)計(jì)學(xué)專業(yè)都提供統(tǒng)計(jì)咨詢服務(wù)項(xiàng)目，利用統(tǒng)計(jì)咨詢積累的不典型案例和綜合分析實(shí)例或?qū)鴥?nèi)外公開發(fā)表的醫(yī)學(xué)論文中的經(jīng)典研究實(shí)例進(jìn)行重新整合作為實(shí)習(xí)教學(xué)內(nèi)容，要注意與醫(yī)學(xué)實(shí)際聯(lián)系，如果能夠做到對(duì)于不同的醫(yī)學(xué)專業(yè)采用不同的實(shí)習(xí)內(nèi)容，更能夠提高學(xué)生的學(xué)習(xí)興趣。教學(xué)的重點(diǎn)放在研究設(shè)計(jì)類型和統(tǒng)計(jì)方法的活學(xué)活用，這樣可以加深對(duì)基本理論的理解，也可以做到以后在醫(yī)學(xué)臨床實(shí)踐中學(xué)以致用。

三、實(shí)驗(yàn)教學(xué)方法的改革

1.以問題為中心，小組討論為主的實(shí)習(xí)教學(xué)方法。傳統(tǒng)的實(shí)習(xí)教學(xué)模式難以激發(fā)學(xué)生自我分析問題、解決問題的潛力，難以提高學(xué)生的學(xué)習(xí)興趣，而基于問題，小組討論的教學(xué)形式將學(xué)生和教師緊密聯(lián)系在一起，共同參與其中，增加了學(xué)生和教師的互動(dòng)。在教學(xué)過程中學(xué)生作為學(xué)習(xí)的主體，教師除了指導(dǎo)學(xué)生對(duì)難點(diǎn)、重點(diǎn)的把握上，教師更重要的是如何利用小組討論充分地調(diào)動(dòng)學(xué)生積極思考，使學(xué)生勇于表達(dá)自己的觀點(diǎn)，這就向老師提出了更加全面的挑戰(zhàn)，老師不僅僅是傳授知識(shí)，對(duì)如何組織課堂，調(diào)動(dòng)學(xué)生的積極性，培養(yǎng)學(xué)生的科研思維也有了更高的要求。學(xué)生通過這種形式的討論和辨析，引導(dǎo)學(xué)生思考、促進(jìn)邏輯思維發(fā)展，從而達(dá)到正確掌握統(tǒng)計(jì)學(xué)基本概念和方法，并能靈活運(yùn)用的目的。同時(shí)，通過討論與交流也能鍛煉學(xué)生的溝通能力和團(tuán)隊(duì)合作的意識(shí)，教師的自身素質(zhì)和能力也得到了鍛煉和提高。

2.引用統(tǒng)計(jì)軟件提高學(xué)生數(shù)據(jù)分析能力。醫(yī)學(xué)統(tǒng)計(jì)學(xué)是一門方法型學(xué)科，統(tǒng)計(jì)學(xué)應(yīng)從數(shù)據(jù)技巧轉(zhuǎn)向數(shù)據(jù)分析的訓(xùn)練[4]，21世紀(jì)是信息化的時(shí)代，利用計(jì)算器進(jìn)行數(shù)據(jù)分析的實(shí)驗(yàn)教學(xué)方法已不能適應(yīng)當(dāng)前教學(xué)形勢和醫(yī)學(xué)科研發(fā)展的需要。在帶教期間，學(xué)生的教學(xué)效果反饋意見中有三分之一的學(xué)生希望在實(shí)驗(yàn)課中能介紹SPSS等統(tǒng)計(jì)軟件的應(yīng)用。醫(yī)學(xué)統(tǒng)計(jì)學(xué)教學(xué)應(yīng)盡快利用計(jì)算機(jī)和統(tǒng)計(jì)軟件等先進(jìn)教學(xué)手段進(jìn)行實(shí)習(xí)，統(tǒng)計(jì)軟件的運(yùn)用，軟件應(yīng)當(dāng)考慮易于學(xué)生操作和掌握的、現(xiàn)行廣泛應(yīng)用的，如SPSS（Statistical Package forSocial Science，社會(huì)科學(xué)統(tǒng)計(jì)軟件包），它是非統(tǒng)計(jì)專業(yè)人員應(yīng)用最多的統(tǒng)計(jì)分析軟件，也是國際醫(yī)學(xué)期刊引用最多的統(tǒng)計(jì)軟件[5]。在實(shí)習(xí)中要求學(xué)生能掌握軟件的基本操作技能和統(tǒng)計(jì)分析能力，要將實(shí)習(xí)內(nèi)容和軟件教學(xué)需求相結(jié)合。由于軟件的方便快捷、準(zhǔn)確高效，節(jié)省了大量時(shí)間，這就有利于我們把實(shí)習(xí)重放在何種情況下，采用何種統(tǒng)計(jì)方法，及對(duì)所得結(jié)果如何進(jìn)行解釋上，同時(shí)在軟件實(shí)習(xí)作業(yè)要求學(xué)生按照計(jì)算器實(shí)習(xí)的要求不僅寫出完整的統(tǒng)計(jì)過程，還要寫出分析思路，包括資料的類型、設(shè)計(jì)類型、適用條件等。這樣就彌補(bǔ)了學(xué)生不用計(jì)算器之后對(duì)檢驗(yàn)過程、步驟的生疏。

3.充分利用網(wǎng)絡(luò)資源，開辟實(shí)驗(yàn)教學(xué)的新途徑。隨著網(wǎng)絡(luò)科技的日益發(fā)展，互聯(lián)網(wǎng)在“90后”的大學(xué)生中廣泛普及，利用互聯(lián)網(wǎng)對(duì)醫(yī)學(xué)統(tǒng)計(jì)學(xué)知識(shí)的普及與傳播作用也日漸突出。實(shí)驗(yàn)教學(xué)課時(shí)緊，內(nèi)容綜合性強(qiáng)，想要達(dá)到預(yù)期的教學(xué)效果，提高學(xué)習(xí)效率，網(wǎng)絡(luò)資源的利用是現(xiàn)代化教學(xué)手段的一個(gè)重要因子。全國大部分高校都建立了教學(xué)網(wǎng)絡(luò)平臺(tái)，學(xué)生和老師利用最多的就是用此平臺(tái)做一些日常性的工作，比較學(xué)生選課、查看成績，老師查課表、錄入成績等。而此平臺(tái)在輔助教學(xué)、提高學(xué)生知識(shí)水平方面的功能突顯不足，源于教師建設(shè)不足，學(xué)生利用率低。因此教學(xué)網(wǎng)絡(luò)輔助平臺(tái)的共享性、教師和學(xué)生的互動(dòng)性等優(yōu)點(diǎn)無從彰顯。在實(shí)驗(yàn)教學(xué)過程中我們尋找到了一條更快捷、學(xué)生接受程度高的網(wǎng)絡(luò)輔助教學(xué)途徑——百度貼吧，利用這一交流平臺(tái)，免除了登陸學(xué)校教學(xué)網(wǎng)絡(luò)平臺(tái)的繁瑣程序，不僅可以在電腦上實(shí)現(xiàn)快捷登陸，隨著智能手機(jī)的推廣應(yīng)用，學(xué)生只需在手機(jī)上下載一個(gè)貼吧的APP，即可實(shí)現(xiàn)一鍵登陸。為了提高學(xué)生的自學(xué)能力，促進(jìn)學(xué)生的專業(yè)交流，我們?cè)谫N吧中不斷更新上傳一些優(yōu)秀的醫(yī)學(xué)統(tǒng)計(jì)學(xué)網(wǎng)站、醫(yī)學(xué)統(tǒng)計(jì)學(xué)論壇和實(shí)驗(yàn)教學(xué)所需的統(tǒng)計(jì)軟件的教程等資源。通過平臺(tái)互動(dòng)，能及時(shí)了解學(xué)生需求和教學(xué)需求，教師和學(xué)生都能夠從中受益，從而提高教學(xué)質(zhì)量。

四、改革實(shí)驗(yàn)考核方式

教學(xué)內(nèi)容、教學(xué)方法與手段的改革是否有效，改進(jìn)和加強(qiáng)實(shí)驗(yàn)考核是統(tǒng)計(jì)學(xué)實(shí)驗(yàn)教學(xué)的重要環(huán)節(jié)和手段。單憑實(shí)驗(yàn)報(bào)告考核計(jì)分的方法很難達(dá)到預(yù)期的教學(xué)目的，學(xué)生解決實(shí)際問題的能力難以得到鍛煉和提高，另一方面，教師單憑實(shí)驗(yàn)報(bào)告很難區(qū)分學(xué)生的學(xué)習(xí)態(tài)度和能力強(qiáng)弱，使得成績好的學(xué)生在實(shí)驗(yàn)課上動(dòng)力不足，成績差的學(xué)生容易投機(jī)取巧，出現(xiàn)大部分同學(xué)吃“大鍋飯”的現(xiàn)象。2012年我們對(duì)護(hù)理專業(yè)統(tǒng)計(jì)學(xué)實(shí)驗(yàn)教學(xué)進(jìn)行了實(shí)驗(yàn)考核，取得了良好效果。根據(jù)教學(xué)大綱的要求，由教研室全體教師集體備課，擬出8套互不重復(fù)的綜合試卷，考試內(nèi)容以實(shí)習(xí)內(nèi)容為主，加強(qiáng)題型的綜合性，以開卷形式難易程度基本相當(dāng)，每個(gè)考場使用不同的試卷，以A、B卷形式交叉發(fā)卷實(shí)現(xiàn)考試的公平性?？荚囈蚤_卷形式，允許學(xué)生帶課本，但不能帶其他參考資料，考核成績占總成績的20%，實(shí)習(xí)作業(yè)占10%。這種考核方式能夠比較真實(shí)地反映出學(xué)生的學(xué)習(xí)情況與實(shí)際水平，對(duì)教學(xué)很有幫助，更富針對(duì)性，使實(shí)驗(yàn)考核成為檢驗(yàn)實(shí)驗(yàn)教學(xué)效果的一種有效手段。現(xiàn)在，隨著教學(xué)需求的發(fā)展，我們?cè)谠械膶?shí)驗(yàn)考核的基礎(chǔ)上，增加SPSS統(tǒng)計(jì)軟件上機(jī)操作考核，它是實(shí)驗(yàn)教學(xué)改革的一個(gè)重要手段，是檢驗(yàn)學(xué)生是否能將統(tǒng)計(jì)軟件運(yùn)用于解決實(shí)際問題的一個(gè)重要途徑。把考核重點(diǎn)放在學(xué)生運(yùn)用基礎(chǔ)知識(shí)和基本技能解決實(shí)際問題的能力。同時(shí)根據(jù)不同專業(yè)類別、不同要求，建立不同的考核題庫，制定相應(yīng)的統(tǒng)計(jì)學(xué)實(shí)驗(yàn)課程考核與評(píng)價(jià)方法。

教學(xué)改革是每一位教師教學(xué)生涯中永恒的話題，教學(xué)改革的最終目的就是為了讓學(xué)生能夠?qū)W到、學(xué)懂、學(xué)以致用。要想轉(zhuǎn)變醫(yī)學(xué)統(tǒng)計(jì)學(xué)實(shí)驗(yàn)教學(xué)的現(xiàn)狀，調(diào)動(dòng)學(xué)生學(xué)習(xí)的積極性，提高學(xué)生運(yùn)用統(tǒng)計(jì)學(xué)解決醫(yī)學(xué)實(shí)際問題的能力，這就要求教師在教學(xué)過程中，教學(xué)方法、教學(xué)手段不僅要與時(shí)俱進(jìn)，自身的知識(shí)水平也要與時(shí)俱進(jìn)。轉(zhuǎn)變思想，不斷更新觀念，在實(shí)踐中探索更加完善和合適的教學(xué)方法以期提高教學(xué)質(zhì)量。

參考文獻(xiàn)：

[1]孫振球，徐勇勇.醫(yī)學(xué)統(tǒng)計(jì)學(xué)[M].北京：人民衛(wèi)生出版社，2002.

[2]楊巧媛.醫(yī)學(xué)統(tǒng)計(jì)學(xué)實(shí)驗(yàn)教學(xué)方法的改革與探索[J].實(shí)用預(yù)防醫(yī)學(xué)，2005，12（1）：202-203.

篇7

 

2011年2月，國務(wù)院學(xué)位委員會(huì)進(jìn)行了學(xué)科調(diào)整，統(tǒng)計(jì)學(xué)完全從數(shù)學(xué)和經(jīng)濟(jì)學(xué)中獨(dú)立出來，上升為一級(jí)學(xué)科，設(shè)在理學(xué)門類中，編號(hào)為0714。統(tǒng)計(jì)學(xué)上升為一級(jí)學(xué)科后，下設(shè)的二級(jí)學(xué)科包括數(shù)理統(tǒng)計(jì)學(xué)、社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)學(xué)、生物衛(wèi)生統(tǒng)計(jì)學(xué)、金融統(tǒng)計(jì)、風(fēng)險(xiǎn)管理和精算學(xué)、應(yīng)用統(tǒng)計(jì)學(xué)。統(tǒng)計(jì)學(xué)上升為一級(jí)學(xué)科對(duì)統(tǒng)計(jì)學(xué)專業(yè)的教學(xué)帶來巨大影響。

 

同時(shí)，隨著大數(shù)據(jù)時(shí)代的到來，使得傳統(tǒng)的統(tǒng)計(jì)數(shù)據(jù)收集、處理與分析方法面臨新的挑戰(zhàn)，從而推動(dòng)統(tǒng)計(jì)學(xué)的發(fā)展進(jìn)入了一個(gè)全新的階段。在統(tǒng)計(jì)學(xué)上升為一級(jí)學(xué)科以及大數(shù)據(jù)時(shí)代已經(jīng)到來的大背景下，統(tǒng)計(jì)學(xué)專業(yè)的課程教學(xué)也面臨著新的挑戰(zhàn)，需要進(jìn)一步改革與調(diào)整。

 

一、大數(shù)據(jù)時(shí)代的到來

 

(一)大數(shù)據(jù)的生成

 

伴隨著人類對(duì)客觀世界各領(lǐng)域數(shù)字化程度的不斷提高，每天都有大量的數(shù)據(jù)產(chǎn)生，并且其產(chǎn)生的速度也越來越快。這些數(shù)據(jù)來源廣泛，其中最主要的來源有：科學(xué)研究(如天文學(xué)、生物學(xué)、高能物理等實(shí)驗(yàn)數(shù)據(jù))、社交網(wǎng)絡(luò)、電子商務(wù)、物聯(lián)網(wǎng)、移動(dòng)通信等。

 

(二)大數(shù)據(jù)的定義

 

為了應(yīng)對(duì)數(shù)據(jù)大規(guī)模增長帶來的機(jī)遇和挑戰(zhàn)，美國《Nature》雜志在2008年9月4日率先提出了“大數(shù)據(jù)”的概念。國際數(shù)據(jù)中心IDC 是研究大數(shù)據(jù)及其影響的先驅(qū)，在2011年的報(bào)告中定義了大數(shù)據(jù)：“大數(shù)據(jù)技術(shù)描述了一個(gè)技術(shù)和體系的新時(shí)代， 被設(shè)計(jì)于從大規(guī)模多樣化的數(shù)據(jù)中通過高速捕獲、發(fā)現(xiàn)和分析技術(shù)提取數(shù)據(jù)的價(jià)值”。但是大數(shù)據(jù)是一個(gè)新興而且內(nèi)涵不斷發(fā)展的概念，尚沒有統(tǒng)一公認(rèn)的定義，只能從其特點(diǎn)上加以認(rèn)識(shí)。

 

(三)大數(shù)據(jù)的特點(diǎn)

 

與傳統(tǒng)數(shù)據(jù)相比，大數(shù)據(jù)的特征可以用五個(gè)“V”來表示，即Volume(容量大)、Variety(種類多)、Velocity(時(shí)效性強(qiáng))、Value(價(jià)值高)、Visualization(可視化呈現(xiàn))。大數(shù)據(jù)容量大是個(gè)相對(duì)的概念，受時(shí)間、行業(yè)和數(shù)據(jù)類型等因素的影響;種類多是指數(shù)據(jù)集的結(jié)構(gòu)異質(zhì)性，科技進(jìn)步導(dǎo)致了結(jié)構(gòu)化、半結(jié)構(gòu)、非結(jié)構(gòu)化數(shù)據(jù)的日益增多;時(shí)效性強(qiáng)是指大數(shù)據(jù)被生成、處理、移動(dòng)的速度相當(dāng)快，是區(qū)別于傳統(tǒng)數(shù)據(jù)最顯著的特征，這也增加了對(duì)即時(shí)分析、加工數(shù)據(jù)的需求;價(jià)值高是指大數(shù)據(jù)潛在的高價(jià)值能為評(píng)價(jià)和決策提供依據(jù)?？梢暬谴髷?shù)據(jù)分析的關(guān)鍵步驟，是對(duì)有價(jià)值信息加以提煉并顯示的過程。

 

(四)大數(shù)據(jù)的應(yīng)用

 

大數(shù)據(jù)具有5Vs(Volume、Velocity、Variety、Value、Veracity)特點(diǎn)，蘊(yùn)含著巨大的社會(huì)價(jià)值、經(jīng)濟(jì)價(jià)值和科研價(jià)值，已引起了產(chǎn)業(yè)界、學(xué)術(shù)界、政府部門和其他組織的高度關(guān)注和重視。

 

近年來，世界發(fā)達(dá)國家相繼布局大數(shù)據(jù)戰(zhàn)略，諸如聯(lián)合國“數(shù)據(jù)脈動(dòng)”計(jì)劃、美國大數(shù)據(jù)戰(zhàn)略、英國“數(shù)據(jù)權(quán)”運(yùn)動(dòng)，大力推動(dòng)大數(shù)據(jù)發(fā)展和應(yīng)用。大數(shù)據(jù)已納入我國國家發(fā)展戰(zhàn)略，國務(wù)院2015年8月31日印發(fā)了《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》的通知(國發(fā)[2015]50號(hào))，指出：“大數(shù)據(jù)成為推動(dòng)經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的新動(dòng)力，大數(shù)據(jù)成為重塑國家競爭優(yōu)勢的新機(jī)遇，大數(shù)據(jù)成為提升政府治理能力的新途徑。以數(shù)據(jù)流引領(lǐng)技術(shù)流、物質(zhì)流、資金流、人才流，將深刻影響社會(huì)分工協(xié)作的組織模式，促進(jìn)生產(chǎn)組織方式的集約和創(chuàng)新。探索發(fā)揮大數(shù)據(jù)對(duì)變革教育方式、促進(jìn)教育公平、提升教育質(zhì)量的支撐作用”

 

二、大數(shù)據(jù)給傳統(tǒng)統(tǒng)計(jì)學(xué)帶來的沖擊

 

(一)數(shù)據(jù)收集方法上

 

不同于傳統(tǒng)的調(diào)查抽樣方法獲取數(shù)據(jù)，大數(shù)據(jù)的收集來源渠道通常為現(xiàn)代網(wǎng)絡(luò)渠道，如互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等。不同的數(shù)據(jù)源的數(shù)據(jù)采集需要專用數(shù)據(jù)采集技術(shù)， 如包含格式文本、圖像和視頻的網(wǎng)站數(shù)據(jù)，通常需要web爬蟲技術(shù)。

 

(二)數(shù)據(jù)存儲(chǔ)上

 

大數(shù)據(jù)的存儲(chǔ)不同于傳統(tǒng)的數(shù)據(jù)存儲(chǔ)方式，有固定的格式和結(jié)構(gòu)，對(duì)于大數(shù)據(jù)的數(shù)據(jù)庫來說，可以直接將所探測到的信號(hào)自動(dòng)容納到其中;大數(shù)據(jù)需要有先進(jìn)的存儲(chǔ)設(shè)備，傳統(tǒng)的存儲(chǔ)設(shè)備已經(jīng)不能容納如此大量的數(shù)據(jù)。

 

(三)數(shù)據(jù)分析上

 

傳統(tǒng)的統(tǒng)計(jì)分析方法，難以勝任對(duì)非結(jié)構(gòu)化的大數(shù)據(jù)的分析。當(dāng)前大數(shù)據(jù)分析技術(shù)的研究可以分為6個(gè)重要方向：結(jié)構(gòu)化數(shù)據(jù)分析、文本數(shù)據(jù)分析、多媒體數(shù)據(jù)分析、web數(shù)據(jù)分析、網(wǎng)絡(luò)數(shù)據(jù)分析和移動(dòng)數(shù)據(jù)分析。

 

(四)數(shù)據(jù)展示上

 

數(shù)據(jù)可視化的目標(biāo)是以圖形方式清晰有效地展示數(shù)據(jù)的信息。一般來說，圖表和地圖可以幫助人們快速理解信息。但是，當(dāng)數(shù)據(jù)量增大到大數(shù)據(jù)的級(jí)別，傳統(tǒng)的電子表格等技術(shù)已無法處理海量數(shù)據(jù)。大數(shù)據(jù)的可視化展示需要專業(yè)的軟件來完成。

 

三、大數(shù)據(jù)時(shí)代統(tǒng)計(jì)學(xué)專業(yè)教學(xué)改革

 

大數(shù)據(jù)時(shí)代的到來對(duì)統(tǒng)計(jì)學(xué)也帶來了新的機(jī)遇和挑戰(zhàn)，特別是大數(shù)據(jù)對(duì)于數(shù)據(jù)分析人才產(chǎn)生了巨大需求，同時(shí)也要求統(tǒng)計(jì)專業(yè)學(xué)生掌握更為復(fù)雜統(tǒng)計(jì)軟件的編程和操作。大數(shù)據(jù)背景下，統(tǒng)計(jì)學(xué)要適應(yīng)新的形勢，需要對(duì)課程教學(xué)進(jìn)行有針對(duì)性的改革。

 

(一)大數(shù)據(jù)時(shí)代統(tǒng)計(jì)學(xué)專業(yè)畢業(yè)生就業(yè)方向定位

 

大數(shù)據(jù)時(shí)代的到來，使各行各業(yè)，包括政府、企業(yè)、個(gè)人都希望能從大數(shù)據(jù)這座金礦中挖掘出對(duì)自己有價(jià)值的金子，從而增加了對(duì)統(tǒng)計(jì)專業(yè)畢業(yè)生的需求。一直以來，我國統(tǒng)計(jì)工作領(lǐng)域主要是政府統(tǒng)計(jì)、部門統(tǒng)計(jì)、民間統(tǒng)計(jì)。傳統(tǒng)意義上，政府及各個(gè)部門是統(tǒng)計(jì)學(xué)學(xué)生就業(yè)的首選。然而，隨著大數(shù)據(jù)時(shí)代的來臨，越來越多的畢業(yè)生選擇發(fā)展空間更為廣闊的民間統(tǒng)計(jì)。民間統(tǒng)計(jì)相對(duì)于政府統(tǒng)計(jì)來說，涉及范圍十分廣泛，包括各類統(tǒng)計(jì)咨詢公司、統(tǒng)計(jì)調(diào)查公司、統(tǒng)計(jì)研究院等，介于市場和企業(yè)、行業(yè)之間。民間統(tǒng)計(jì)的發(fā)展前景十分廣闊，可以預(yù)見，隨著大數(shù)據(jù)時(shí)代的來臨，統(tǒng)計(jì)學(xué)作用的提高，民間統(tǒng)計(jì)必會(huì)成為統(tǒng)計(jì)專業(yè)畢業(yè)生選擇就業(yè)的主要渠道之一。

 

(二)大數(shù)據(jù)時(shí)代統(tǒng)計(jì)學(xué)專業(yè)課程設(shè)置改革

 

大數(shù)據(jù)時(shí)代，在對(duì)統(tǒng)計(jì)數(shù)據(jù)分析人才需求增加的同時(shí)，也對(duì)統(tǒng)計(jì)專業(yè)畢業(yè)生的大數(shù)據(jù)處理能力提出了更高的要求，這就需要統(tǒng)計(jì)學(xué)專業(yè)在課程設(shè)置上，增加大數(shù)據(jù)處理與分析方法課程，如《大數(shù)據(jù)分析方法》、《數(shù)據(jù)挖掘》等，培養(yǎng)學(xué)生能夠使用專業(yè)統(tǒng)計(jì)軟件(R/SAS/Python)進(jìn)行大數(shù)據(jù)的挖掘、清洗、分析等。

 

(三)大數(shù)據(jù)時(shí)代統(tǒng)計(jì)學(xué)專業(yè)學(xué)生實(shí)踐能力培養(yǎng)改革

 

在課堂教學(xué)之外，通過廣泛舉辦大數(shù)據(jù)技術(shù)創(chuàng)新大賽、大數(shù)據(jù)技術(shù)創(chuàng)新與創(chuàng)業(yè)大賽、數(shù)據(jù)挖掘挑戰(zhàn)賽，支持學(xué)生成立大數(shù)據(jù)研究協(xié)會(huì)，舉辦大數(shù)據(jù)相關(guān)講座論壇等方式，增強(qiáng)學(xué)生分析和處理大數(shù)據(jù)的能力。另外，還要加強(qiáng)校外大數(shù)據(jù)實(shí)踐教學(xué)基地建設(shè)，通過與通信、互聯(lián)網(wǎng)、電子商務(wù)等企業(yè)大數(shù)據(jù)開發(fā)中心以及大數(shù)據(jù)研究咨詢機(jī)構(gòu)合作，為學(xué)生提供給更多的實(shí)習(xí)、實(shí)踐機(jī)會(huì)。

 

四、總結(jié)

 

總之，面對(duì)大數(shù)據(jù)時(shí)代的到來，統(tǒng)計(jì)學(xué)專業(yè)需要積極改革與調(diào)整課程的設(shè)置，注重學(xué)生實(shí)踐能力的培養(yǎng)，以適應(yīng)各行各業(yè)對(duì)大數(shù)據(jù)分析與挖掘人才的需求。

 

作者簡介：

篇8

關(guān)鍵詞：熵；熵權(quán)TOPSIS；乳腺癌

一、引言

熵是熱力學(xué)中的一個(gè)名詞，在信息論中又稱為平均信息量，它是信息無序度的度量，信息熵越大，信息的無序度越高，其信息的效用值越?。环粗?，信息熵越小，信息的無序度越小，信息的效用值越大。因此，在綜合評(píng)估中，通常運(yùn)用信息熵評(píng)估系統(tǒng)信息的有序程度及信息的效用值。同時(shí)最大熵技術(shù)也廣泛應(yīng)用于多目標(biāo)決策問題各評(píng)價(jià)指標(biāo)權(quán)重的確定[1]?；诖耍疚陌鸯嘏c多目標(biāo)評(píng)價(jià)方法TOPSIS結(jié)合來分析乳腺癌候選基因與乳腺癌易感性之間強(qiáng)弱的評(píng)價(jià)值，進(jìn)而綜合考慮定性和定量因素，并最終給出了分析結(jié)果，為進(jìn)一步發(fā)現(xiàn)乳腺癌候選基因提供了理論依據(jù)。

二、熵、熵權(quán)TOPSIS方法

空間統(tǒng)計(jì)學(xué)中，距離綜合評(píng)價(jià)法是一種以空間統(tǒng)計(jì)學(xué)為基礎(chǔ)的分析方法，它是通過將統(tǒng)計(jì)數(shù)據(jù)轉(zhuǎn)化為多維坐標(biāo)系中的點(diǎn)，在空間中確定出參考點(diǎn)，即最優(yōu)樣本點(diǎn)和最劣樣本點(diǎn)，然后計(jì)算各樣本點(diǎn)到參考點(diǎn)的距離來分析評(píng)價(jià)的方法。具體計(jì)算步驟如下。

1.對(duì)數(shù)據(jù)的初步分析處理。假設(shè)用P個(gè)指標(biāo)對(duì)n個(gè)數(shù)據(jù)進(jìn)行評(píng)價(jià)，先構(gòu)造原始數(shù)據(jù)，

X′=（X1′，X2′，X3′…XP′）=（ XIJ′）n*p

并對(duì)數(shù)據(jù)進(jìn)行處理，進(jìn)行指標(biāo)同向化，將逆指標(biāo)、適度指標(biāo)轉(zhuǎn)為正指標(biāo)后得到矩陣：

X′=（X1，X2，X3…XP）=（ XIJ′）n*p i=1…n；j=1…p。

2.無量綱化。為消除量綱，并在數(shù)量上統(tǒng)一，TOPSIS法使用無量綱化公式

yij=

得到無量綱矩陣

Y′=（Y1′，Y2′，Y3′…YP′）

3.確定權(quán)重，構(gòu)造加權(quán)數(shù)據(jù)矩陣。傳統(tǒng)的TOPSIS法在確定評(píng)價(jià)指標(biāo)的權(quán)重時(shí)，一般采用專家意見調(diào)查法或?qū)哟畏治龇ǖ确椒?，這些方法存在著較大的主管因素，不同的人對(duì)各個(gè)指標(biāo)的重要度有不同的評(píng)價(jià)。因此，本文采用熵的概念來確定評(píng)價(jià)指標(biāo)的權(quán)重，從而避免主觀因素的影響。

熵值法是根據(jù)各指標(biāo)的觀測值所提供信息量的大小來確定權(quán)重的方法。數(shù)據(jù)分布越分散，其不準(zhǔn)確性也越大。當(dāng)系統(tǒng)可能處于N種不同狀態(tài)，每種狀態(tài)出現(xiàn)的概率為批pi時(shí)，該系統(tǒng)的熵為

e=-pilnpi

式中0≤pi≤1，∑pi=1。各個(gè)指標(biāo)的決策信息可用其熵值來表示：

ej=-kpijlnpij

式中K=1/lnn。于是第j個(gè)指標(biāo)的評(píng)價(jià)值數(shù)據(jù)的分散程度gj可表示為gj=1-ej。

給定的指標(biāo)xj，xij的差異越大，相應(yīng)的gj值也越大，表明該指標(biāo)所包含和傳輸?shù)男畔⒘吭酱?，重要程度也越高；相反，表明該指?biāo)的重要性低；如果各方案的xij都相等，則在指標(biāo)評(píng)價(jià)值絕對(duì)集中，該指標(biāo)對(duì)綜合評(píng)價(jià)不起任何作用，因此，用熵測度來表示的第j個(gè)指標(biāo)的權(quán)重為

wj=

確定出各指標(biāo)的權(quán)重后，以它們?yōu)橹鲗?duì)角線上的元素構(gòu)造主對(duì)角矩陣

Y′W=（yij）n×ji=w1y11…wpy1p

wnyn1…wnynp

式中yij=wj*yij

4.確定參考樣本：參評(píng)樣本中的最大值構(gòu)成最優(yōu)樣本，最優(yōu)樣本點(diǎn)為：

Y+=（y1+，y+p），y+j={yij}

參考樣本中的最小值構(gòu)成最劣樣本，最劣樣本點(diǎn)為：

Y-=（y1-，y-p），y-j={yij}

5.計(jì)算距離：為綜合考慮樣本點(diǎn)到最優(yōu)樣本點(diǎn)和最劣樣本點(diǎn)的距離，需計(jì)算樣本點(diǎn)在最優(yōu)樣本點(diǎn)兩個(gè)參考點(diǎn)間連線的射影：

d=

=

di越大，樣本越好。

三、基于熵權(quán)TOPSIS乳腺癌易感基因分析

隨著醫(yī)學(xué)分子生物學(xué)的發(fā)展，使得人類有機(jī)會(huì)從分子水平研究乳腺癌，由此對(duì)乳腺癌的研究也進(jìn)入了基因時(shí)代。在這個(gè)研究過程中，用到了很多方法和實(shí)驗(yàn)，產(chǎn)生了大量的數(shù)據(jù)。盡管從中發(fā)現(xiàn)了一些致癌基因，但至少有80%的乳腺癌基因不能由已知的致癌基因解釋，這意味著有更多的致癌基因尚待發(fā)掘。Pujana等人結(jié)合自定義五規(guī)則匹配和基因見的相關(guān)系數(shù)大小，找出了一個(gè)乳腺癌致癌易感基因―HMMR；徐超等人運(yùn)用多目標(biāo)評(píng)價(jià)模型對(duì)候選易感基因進(jìn)行評(píng)價(jià)并對(duì)SMC4L1進(jìn)行了著重分析。但以上文獻(xiàn)中，模型權(quán)重的確定客觀性太強(qiáng)，在一定程度上對(duì)評(píng)價(jià)結(jié)果產(chǎn)生了影響。對(duì)此，本文引用熵權(quán)TOPSIS方法對(duì)乳腺癌候選易感基因進(jìn)行分析和評(píng)價(jià)，從而避免了主觀因素對(duì)權(quán)重確定的影響。

以徐超等人整理的乳腺癌易感基因參考數(shù)據(jù)對(duì)其運(yùn)用熵權(quán)TOPSIS方法評(píng)價(jià)，具體分析如下。

1.構(gòu)造原始數(shù)據(jù)。利用Pujana等人提出的評(píng)價(jià)規(guī)則體系、徐超等人整理的評(píng)價(jià)數(shù)據(jù)，構(gòu)建乳腺癌易感基因多目標(biāo)評(píng)價(jià)模型的評(píng)價(jià)指標(biāo)集及相應(yīng)的評(píng)價(jià)屬性集，如表1所示。

2.對(duì)模型數(shù)據(jù)進(jìn)行無量綱化處理后，算出其屬性權(quán)重如表2所示。

3.確定參考樣本。參評(píng)樣本中的最大值構(gòu)成最優(yōu)樣本，參考樣本中的最小值構(gòu)成最劣樣本，具體數(shù)值為：

Y+=（0.0682699910564073，0.0002237

90471939587）；

Y-=（0， .0000498327157898221）。

4.計(jì)算距離并排序。通過計(jì)算每個(gè)樣本和參考樣本之間的距離，得出排序結(jié)果，部分?jǐn)?shù)據(jù)如表3所示。

取其結(jié)果與文獻(xiàn)參考評(píng)價(jià)模型結(jié)果進(jìn)行比較，通過比較可以看出，其評(píng)價(jià)結(jié)果完全相同。進(jìn)一步說明了此方法的可行性，同時(shí)也避免了由于主觀因素對(duì)權(quán)重造成的影響。

四、總結(jié)

本文通過運(yùn)用熵權(quán)TOPSIS方法對(duì)乳腺癌治病基因進(jìn)行評(píng)價(jià)分析，消除了主觀因素對(duì)權(quán)重確定的影響。根據(jù)計(jì)算結(jié)果表明，該方法能夠有效地度量各致病基因的重要程度，為進(jìn)一步發(fā)現(xiàn)乳腺癌候選基因提供了理論依據(jù)。

參考文獻(xiàn)：

[1]趙靜，王婷，牛東曉.用于評(píng)價(jià)的改進(jìn)熵權(quán)TOPSIS法[J].華北電力大學(xué)學(xué)報(bào).2003（3）.

[2]中華人民共和國衛(wèi)生部.中國衛(wèi)生統(tǒng)計(jì)年鑒[M].中國協(xié)和醫(yī)科大學(xué)出版社，2009.

[3]THOMPSON D， SZABO C I， MANGION J， et al. Evaluation of linkage of breast cancer to the putative BRCA3 locus on chromosome 13q21 in 128 multiple case families from the Breast Cancer Linkage Consortium[J]. PNAS，2002， 99：827-831.

[4]Pujana M A， Han Jing-Dong J， Starita L M， et al. Network modeling links breast cancer susceptibility and centrosome dysfunction.Nature Genetics，2007，39： 1338-49.

[5]徐超，蔣艷.基于多目標(biāo)評(píng)價(jià)模型的SMC4L1基因的乳腺癌易感性分析[J].生物醫(yī)學(xué)工程雜志，2011（3）.

[6]Xu Chao， Jiang Yan. Multi-Criteria Evaluation Model Reveals SMC4L1 Gene Maybe a Breast Cancer Susceptibility Gene. 2009 Fourth International Conference on Bio-Inspired Computing， BIC-TA2009， 2009， 10：161-163.

篇9

【關(guān)鍵詞】小白鼠；口服；軟膏；LD50測定

化學(xué)藥品的急性毒性試驗(yàn)，LD50的測定仍是很重要、很科學(xué)的測定手段[1][2][3]。受試藥品是液體采取注射法。是固體或半固體需改變給藥途徑。紅藥膏是半固體藥品，用藥物的原劑型采取小白鼠直接口服測定LD50，在操作和理論上是創(chuàng)新和改進(jìn)。報(bào)告如下：

1材料和方法

1.1材料

1.1.1動(dòng)物：小白鼠65只，體重分別為20±0.2g，性別各半，月齡2m。分籠飼養(yǎng)7日以上，擇優(yōu)者試驗(yàn)。

1.1.2分析天平。

1.1.3塑料管為園形空芯，長8cm，直徑0.15cm。配合適管芯，管芯直徑弱小于0.15cm。

1.1.4墊紙：小方形薄紙。

1.1.5小白鼠固定器：本所設(shè)計(jì)，制造方法另文報(bào)導(dǎo)。

1.1.6塑料盤碟：裝受試藥膏。

1.1.7導(dǎo)針：直徑小于0.15cm的細(xì)鐵或細(xì)鋼針作導(dǎo)針。

1.1.8藥品：紅藥膏生產(chǎn)批號(hào)：20110629。置冰箱冷卻3天后切成0.1×0.2cm小塊放冰箱備用。

1.2方法

1.2.1分組：小白鼠65只。多備幾只以補(bǔ)充試驗(yàn)中外傷或窒息致死數(shù)。

1.2.2預(yù)試：確定小白鼠正式試驗(yàn)時(shí)的5個(gè)口服劑量。方法是隨機(jī)取健康小白鼠8只，分別給服任意值“紅藥膏100mg、225mg、337.5mg、357mg、482mg、782mg、813.2mg、934.23mg”。服藥后觀察1周，前5只存活正常，后3只因口服劑量大而死亡。據(jù)“預(yù)試”結(jié)果訂出試驗(yàn)組5個(gè)劑量即計(jì)劃服藥量分別為260mg、364mg、509.6mg、713.44mg和998.82mg，組間比率為1.4。

1.2.3分組：據(jù)以上制訂劑量，把50只小白鼠隨機(jī)分配成5個(gè)劑量小組。小組以上述劑量而命名：為260mg組、364mg組、509.6mg組、713.44mg組和998.82mg組，每組10只。

1.2.4與軟膏口服LD50相關(guān)的5個(gè)劑量概念：

1.2.4.1 計(jì)劃服藥量：即標(biāo)準(zhǔn)服藥量。系指以上各小組應(yīng)該服入的標(biāo)準(zhǔn)服藥量。喂藥中，盤碟等工具上附著的軟膏，（即丟失的軟膏）。致服入的藥量小于“計(jì)劃（標(biāo)準(zhǔn)）服藥量”，把計(jì)算的標(biāo)準(zhǔn)服藥量視為“計(jì)劃服藥量”。

1.2.4.2 預(yù)計(jì)損失量：喂藥時(shí)碟、塑料管、包紙和墊紙上粘附的紅藥膏總量。通過25只小白鼠喂藥后的統(tǒng)計(jì)，“預(yù)計(jì)損失量”約為“計(jì)劃服藥量”的百分之50.69±10.29，即喂藥前準(zhǔn)備藥膏不可少的估計(jì)值。

1.2.4.3暫訂服藥量：即實(shí)際喂藥量。為“計(jì)劃服藥量”與“預(yù)計(jì)損失量”之和。

1.2.4.4 實(shí)際損失量：操作時(shí)實(shí)際損失的總量。如附在器械上的藥膏量是變數(shù)，可能比“預(yù)計(jì)損失量”高、相等或低。所以“實(shí)際損失量”是實(shí)際丟失的藥量。“預(yù)計(jì)損失量”是估計(jì)損失的藥量。

1.2.4.5實(shí)際服藥量：即真正服藥量或近似標(biāo)準(zhǔn)量。用“預(yù)計(jì)服藥量”，減去“實(shí)際損失量”，等于“實(shí)際服藥量”。此劑量接近各組的“標(biāo)準(zhǔn)服藥量”。

1.2.5裝盤：把藥膏小塊按已知組的“暫訂服藥量”即“實(shí)際喂藥量”裝盤。方法：把放入冰箱冷凍2-3天后稍硬的紅藥膏切成0.1cm×0.2cm左右的小塊。再按“暫訂服藥量”裝入已稱重量的碟內(nèi)置冰箱備用。

1.2.6將受試的50只小白鼠以每組10只隨機(jī)按以上5個(gè)標(biāo)準(zhǔn)劑量分成5組依次編號(hào)。小白鼠無需麻醉，需用“固定器”妥當(dāng)固定。頭部和尾部暴露在外。

1.2.7將“墊紙”鋪手術(shù)臺(tái)上。再將“固定器”固定的小白鼠放在“墊紙”上，便于收集撒落的藥膏。

1.2.8 取規(guī)定量軟膏碎片盤，用“導(dǎo)針”挑起藥膏小碎片，裝入帶管芯的塑料管內(nèi)，長1.0cm~1.2cm。裝畢平放“墊紙”上備用。

1.2.9 操作者左手持小白鼠的“固定器”，直立放置“墊紙”上。右手取裝藥的塑料管，從小白鼠口角插入緩慢推動(dòng)管芯。一次少量推入，防止吞咽不協(xié)調(diào)窒息死亡。推藥之初，小白鼠主動(dòng)配合吞咽。如喂藥量過多或時(shí)間過久，小白鼠常拒絕吞咽或因神志模糊不能吞咽。此時(shí)操作者可用塑料管尖端，輕輕將口內(nèi)殘留藥慢慢推進(jìn)，直至口腔無藥膏為止。推藥時(shí)，動(dòng)作應(yīng)輕柔緩慢，防止藥膏堵塞氣管致小白鼠窒息死亡。管中藥膏推完后，再將碟內(nèi)藥膏放入塑料管內(nèi)再喂。如此反復(fù)操作，直至盤中“試服量藥膏”完全喂完。裝藥盤中會(huì)殘留粘連很牢的藥膏，試驗(yàn)前后均要稱盤碟、墊紙、包紙、帶芯塑料管的重量。便于計(jì)算軟膏損耗量，記錄“實(shí)際損失量”。喂藥后的小白鼠，觀察7-14天的表現(xiàn)。每個(gè)劑量喂10只以上。

2結(jié)果

2.1試驗(yàn)算出“實(shí)際服藥量”與“計(jì)劃服藥量”有差距。以“實(shí)際服藥量”為基礎(chǔ)，據(jù)數(shù)學(xué)“近似值原理”:“近靠近，活靠小，死靠大”的原則，歸靠某一“計(jì)劃或標(biāo)準(zhǔn)服藥量組”，得出“實(shí)際服藥量”，觀察7-14天。死亡情況按歸靠“計(jì)劃劑量組”的原則，得出小白鼠口服紅藥膏死亡的結(jié)果是:劑量（mg/20g）分別：260、364、509.6、713.44、998.82。動(dòng)物數(shù)（ni）：10、10、10、10、10。死亡數(shù)（ri ）：0、3、4、6、10。死亡率（pi）：0.0、0.3、0.4、0.6、1.0。 (因小白鼠平均體重為20g，所以口服劑量單位為mg/20g。如按照mg/kg，應(yīng)增加50倍，計(jì)算不便。故按實(shí)際情況改為mg/20g)。

2.2計(jì)算：按寇氏法（Karber氏法）[2]計(jì)算如下：

3討論

應(yīng)用“LD50試驗(yàn)”測定“紅藥膏”的急性毒性試驗(yàn)，測得的數(shù)據(jù)能反映紅藥膏對(duì)人體的毒性[1][2][3]情況。

LD50測定先解決給藥途徑。注射法、直腸給藥法、皮膚給藥法、呼吸道吸入等給藥法[4]，小白鼠身體太小不宜應(yīng)用，最好是口服給藥。小白鼠價(jià)廉、性情溫和、容易飼養(yǎng)，數(shù)量上易達(dá)到統(tǒng)計(jì)學(xué)要求。為了測定服藥劑量的準(zhǔn)確性，不應(yīng)摻和其他藥物，應(yīng)保持藥膏原劑型直接口服。Karber氏法（寇氏法）是本試驗(yàn)的主要依據(jù)。用此法測定半固體或固體藥物的LD50，值得推廣。

參考文獻(xiàn)

[1]《工業(yè)毒理學(xué)實(shí)驗(yàn)方法》組編.工業(yè)毒理學(xué)實(shí)驗(yàn)方法.上海科學(xué)技術(shù)出版社，1979，9-10、40-61、391-392.

[2]上海第一醫(yī)院衛(wèi)生統(tǒng)計(jì)學(xué)教研組.醫(yī)學(xué)統(tǒng)計(jì)方法.上?？茖W(xué)技術(shù)出版社,1979,206-207，214-215.

篇10

[關(guān)鍵詞] 單核苷酸多態(tài)性；聚類分析；基因；數(shù)據(jù)挖掘

[中圖分類號(hào)] R181.2+3 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1673-7210（2015）09（a）-0036-06

[Abstract] Statistical methods currently used for single nucleotide polymorphisms （SNPs） data cluster analysis are explained， and select five kinds of representative statistical methods， make specific analysis to each method separately. In the discussion process for each method， all divided into 5 parts： principle of the method， calculation methods， formulas， advantages and defects. In the discussion section of the article， all the methods are summarized， and propose future development direction of the cluster method for SNPs data.

[Key words] Single nucleotide polymorphisms； Cluster analysis； Gene； Data mining

在人類的基因組中存在各種形式的變異，其中，單核苷酸多態(tài)性（single-nucleotide polymorphisms，SNPs），即單個(gè)的核苷酸變異所引發(fā)的DNA鏈序列的多態(tài)性，是這些變異中最普遍的形式。根據(jù)數(shù)據(jù)統(tǒng)計(jì)，在人類含有不低于30億個(gè)含氮堿基對(duì)數(shù)量的基因組中，SNP出現(xiàn)的概率在1/1000左右[1]。如何利用這些信息，建立數(shù)字模型，探索這些基因與位點(diǎn)和疾病的關(guān)聯(lián)，成為了擺在科學(xué)家面前的一個(gè)富有挑戰(zhàn)意義的課題[2]。

科學(xué)家們?cè)陂L期的研究中，根據(jù)“物以類聚”的原始思想，衍生出了對(duì)復(fù)雜數(shù)據(jù)或者試驗(yàn)對(duì)象等進(jìn)行歸類的一種多元統(tǒng)計(jì)學(xué)分析方法，即現(xiàn)在歸屬于統(tǒng)計(jì)學(xué)分支的聚類分析（cluster analysis），又稱其群分析。這種統(tǒng)計(jì)方法的核心思想從誕生之日起就未更改，即在沒有任何可用來參考的或者依從的規(guī)范下（即先驗(yàn)知識(shí)準(zhǔn)備程度為零），按照被研究對(duì)象或者樣品本身的特點(diǎn)或者性狀，進(jìn)行最大程度合理的分類。通過聚類分析的計(jì)算過程，不僅可以保證在最終所分的類別情況下，同一類別中的對(duì)象或者樣品，能夠具有最大程度的相似性，而且使不同類別中的對(duì)象或者樣品，擁有最大程度的相異性。以大量相似為基礎(chǔ)，對(duì)收集數(shù)據(jù)來分類，成為了聚類分析計(jì)算本身的最終目標(biāo)[3]。從統(tǒng)計(jì)學(xué)的觀點(diǎn)看，聚類分析計(jì)算是通過數(shù)據(jù)建模簡化原有數(shù)據(jù)復(fù)雜程度的一種方法，而從實(shí)際應(yīng)用的角度看，聚類分析計(jì)算亦是數(shù)據(jù)挖掘的主要任務(wù)之一。高維度高通量SNPs數(shù)據(jù)聚類分析，是近現(xiàn)代聚類分析中一個(gè)非?；钴S的領(lǐng)域，同時(shí)也是一個(gè)非常具有挑戰(zhàn)性的工作。

目前用于高維度SNPs數(shù)據(jù)聚類分析的方法有很多種，常用的幾大類有Logistic回歸、潛在類別分析（latent class analysis，LCA）模型、結(jié)構(gòu)方程模型分析（structural equation modeling，SEM）、以決策樹為基礎(chǔ)的分類回歸樹（classification and regression trees，CART）和隨機(jī)森林（random forest，RF）算法的分析[4]、基于貝葉斯網(wǎng)絡(luò)（Bayesian networks，BNs）模型的分析、基于神經(jīng)網(wǎng)絡(luò)（neural networks，NNs）模型的分析和支持向量機(jī)（support vector machine，SVM）的方法等，上述種類的方法各有其適用性，在聚類計(jì)算的效能方面也廣泛存在爭議。本文從以上幾類方法中，遴選出應(yīng)用較廣泛、理論相對(duì)成熟的潛在類別分析、分類回歸樹模型、貝葉斯網(wǎng)絡(luò)潛變量模型、BP神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)5種具體方法進(jìn)行比較，闡述其在SNPs數(shù)據(jù)聚類分析中的意義。

1 潛在類別分析

誕生于20世紀(jì)50年代的LCA方法，其基本原理是通過引入潛變量概念，建立潛在類別模型（latent class model，LCM），在保證維持各個(gè)顯變量的數(shù)據(jù)局部獨(dú)立性的基礎(chǔ)上，力圖用少數(shù)的潛變量與各個(gè)顯變量建立關(guān)系，然后以數(shù)量相對(duì)較小的潛變量進(jìn)行對(duì)象關(guān)系解釋。而爭取利用最少數(shù)量的且關(guān)系上互相排斥的潛變量對(duì)各個(gè)顯變量的概率分布進(jìn)行最大程度的解釋，就是潛在類別分析的基本假設(shè)，這種假設(shè)的思想傾向于各種顯變量對(duì)其類別進(jìn)行解釋的潛變量都有反應(yīng)的選擇性[5]。潛在類別分析的統(tǒng)計(jì)原理建立在概率分析的基礎(chǔ)之上。一個(gè)潛在類別模型是由一個(gè)（或多個(gè)）潛在變量和多個(gè)外顯變量組成的Bayes網(wǎng)[6]。

完整的LCM分析過程包括數(shù)據(jù)概率變換參數(shù)化、模型參數(shù)估計(jì)與識(shí)別、模型評(píng)價(jià)指標(biāo)選擇、分類結(jié)果解釋等[7-10]。

1.1 概率參數(shù)化

潛在類別概率和條件概率構(gòu)成了潛在類別模型概率參數(shù)化過程中的兩種參數(shù)。假設(shè)某數(shù)據(jù)集含有三個(gè)彼此之間不相互獨(dú)立的外顯變量，以A、B、C表示，而且每一個(gè)顯變量分別具有的水平數(shù)為I、J、K。按照假設(shè)，若尋找到合適的潛變量X，則X需滿足一下條件：首先，要求合理解釋A、B、C的關(guān)系；第二，在潛變量的各個(gè)類別之中所有顯變量維持最大的局部獨(dú)立性，則為潛在類別分析，如果潛變量X中含有T個(gè)潛在類別的話，用數(shù)學(xué)模型表達(dá)就為：

在上式中，LCM的組合概率，用πijkABC表示，相應(yīng)的，潛在類別概率，以πtX表示，其意義可以解釋為：在觀察變量處于局部獨(dú)立的條件下，潛變量X在第t個(gè)水平的概率，即從樣本中隨機(jī)選取的觀察對(duì)象屬于潛在類別t的概率。容易證明，各個(gè)潛在類別的概率總和永遠(yuǎn)為100%即1，用公式表達(dá)為：

條件概率，用πitAX表示，其意義可以解釋成：外顯變量A的第i個(gè)水平更傾向于劃歸到第t個(gè)潛在類別的個(gè)體的概率。由于各個(gè)潛變量的各個(gè)水平處于相互獨(dú)立的狀態(tài)，所以各外顯變量的條件概率總和為1，即：

1.2 參數(shù)估計(jì)與模型擬合

在潛在類別模型的參數(shù)估計(jì)過程中，最大似然法（maximum likelihood，ML）是被最廣泛使用且計(jì)算軟件中默認(rèn)的方法。EM（expectation-maximization）、NR（Newton Rapson）算法在計(jì)算迭代過程中為最常用的方法，而其中前者更為常用。在潛在類別模型評(píng)價(jià)方面，AIC評(píng)分（akaike informationcriterion）和BIC評(píng)分（bayesian information criterion）成為使用最為廣泛的擬合評(píng)價(jià)指標(biāo)。兩者共同點(diǎn)為：其計(jì)算理論基礎(chǔ)都為似然比χ2檢驗(yàn)，對(duì)于模型對(duì)應(yīng)的參數(shù)限制不一致的情況下，也可以用來橫向比較，且結(jié)果簡單直觀，都是數(shù)值越小表示模型擬合越好。Lin與Dayton曾經(jīng)指出，當(dāng)研究的樣本數(shù)量級(jí)達(dá)到或者超過千位級(jí)時(shí)，BIC指標(biāo)更可靠，否則AIC更佳[11]。

1.3 潛在分類

完成最優(yōu)化模型的確定之后，就可以利用模型進(jìn)行計(jì)算，將每個(gè)外顯變量的數(shù)據(jù)值分配到判定的潛在類別之中，通過這個(gè)過程，完成數(shù)據(jù)的后驗(yàn)類別分析，即潛在聚類分析。上述分類的理論依據(jù)是著名的貝葉斯理論，分類的計(jì)算公式為：

潛在類別分析雖然理論建立時(shí)間較早，但是一直依靠著自身的優(yōu)勢在聚類分析領(lǐng)域有一席之地，其計(jì)算思想中融合了結(jié)構(gòu)方程模型與對(duì)數(shù)線性模型的構(gòu)思。該算法的目的明確，即數(shù)量眾多的顯變量之間的關(guān)系，可以用最優(yōu)化的組合模式，使用最少的潛變量來解釋。結(jié)構(gòu)方程模型只能夠?qū)B續(xù)型潛變量處理的缺陷，在潛在類別模型問世后得到了相當(dāng)程度的彌補(bǔ)，特別在設(shè)計(jì)思想范圍中，使得研究者以概率論為基礎(chǔ)，能夠通過數(shù)據(jù)對(duì)分類結(jié)果之后所隱藏的因素做更為深刻的了解，這些都要?dú)w功于分類潛變量的引入這一有效提高分類效果的方法[12]。

但是，由于該方法的分析原理比較簡單，只是脫胎于貝葉斯概率理論的概率參數(shù)化，所以使得該方法在聚類分析過程中，如果SNPS數(shù)量較少，則表現(xiàn)出不錯(cuò)的聚類效果，但如果SNPS數(shù)據(jù)維度過高，則有失水準(zhǔn)。具體表現(xiàn)在高維度高通量的SNPS數(shù)據(jù)聚類分析過程異常復(fù)雜，時(shí)間消耗過長，而最終得到的聚類結(jié)果也容易在解釋時(shí)發(fā)生阻礙。

2 分類回歸樹模型

CART[13]不僅可以在已經(jīng)獲得的數(shù)據(jù)庫中通過一定的規(guī)則提煉出關(guān)聯(lián)，而且是對(duì)隱藏在各種指標(biāo)中的分類屬性進(jìn)行量化計(jì)算成為可能，其作為數(shù)據(jù)挖掘技術(shù)中的經(jīng)典聚類分析方法，為高通量SNPs數(shù)據(jù)的聚類分析制造了一個(gè)科學(xué)而準(zhǔn)確的平臺(tái)。分類回歸樹的基本原理為：如果對(duì)于已經(jīng)給定的待分類對(duì)象X，已知其可以進(jìn)行Y個(gè)不同屬性的分類，那么該模型將模擬把X逐級(jí)遞歸的分解為多個(gè)數(shù)據(jù)子集，并且認(rèn)為Y在子集上的分布狀態(tài)，是均勻并且連續(xù)的，而分解的方法為二叉樹分類法。該方法如同自然界中的樹木一樣，數(shù)據(jù)集X由根部向葉部逐步分解移動(dòng)，每一個(gè)劃分點(diǎn)即樹木分叉點(diǎn)的原因，由分支規(guī)則（splitting rules）確定，最終端的葉子表示劃分出的最終區(qū)域，而且每一個(gè)預(yù)測樣本，只能被分類到唯一的一個(gè)葉子，同時(shí)Y在該點(diǎn)的分布概率也被確定下來。CART的學(xué)習(xí)樣本集結(jié)構(gòu)如下：

L={X1，X2，…，Xm，Y}

其中，X1～Xm可以稱之為屬性變量，Y可以稱之為標(biāo)簽變量。但在樣本集中無論是X或是Y，其變量屬性可以容許多種形式，有序變量和離散型變量都可以存在。若Y處于有序變量的數(shù)值情況時(shí)，模型被稱為回歸樹；若情況相反，稱之為分類樹。

2.1 分類回歸樹的構(gòu)建

將給定的數(shù)據(jù)集L轉(zhuǎn)化成與其對(duì)應(yīng)的最大二叉樹，這個(gè)過程稱之為構(gòu)建樹Tmax[14]。為了尋找到對(duì)應(yīng)數(shù)據(jù)集的最優(yōu)分支方法，最大雜度削減算法被運(yùn)用到構(gòu)建過程之中。在進(jìn)行分支時(shí)，數(shù)據(jù)中每個(gè)值都要納入計(jì)算范圍，只有這樣才能計(jì)算出最佳的分支點(diǎn)進(jìn)行分叉。CART的構(gòu)建離不開Gini系數(shù)的使用。若數(shù)據(jù)集L中，含有記錄的類別數(shù)量為N，Gini系數(shù)的表達(dá)式就為：

其中，Pj表示T中第N個(gè)分類數(shù)據(jù)的劃分頻率。對(duì)于任意的劃分點(diǎn)T，如果該點(diǎn)中所包含的樣本量非常集中，那么該點(diǎn)的Gini（T）值越小，從分類圖上顯示為該節(jié)點(diǎn)分叉角度越鈍。欲構(gòu)建最終的Tmax，就要重復(fù)操作，將根節(jié)點(diǎn)分支為子節(jié)點(diǎn)，而這種遞歸分類的計(jì)算，最好利用統(tǒng)籌學(xué)中的貪心算法。

2.2 樹的修剪

當(dāng)Tmax建造好之后，下一步需要對(duì)其進(jìn)行所謂的修剪操作，就是去掉那些可能對(duì)未知的樣本分類計(jì)算精度上，沒有任何幫助的部分，其目標(biāo)是處理掉對(duì)給定數(shù)據(jù)集中的噪音干擾的問題，以便形成最簡單最容易理解的樹。通常對(duì)樹進(jìn)行修剪的方法是以下兩種，先剪枝方法（prepruning）與后剪枝（postpruning）方法，兩者都有助于提高已經(jīng)建成的樹，脫離開訓(xùn)練數(shù)據(jù)集后，能夠正確地對(duì)未知數(shù)據(jù)進(jìn)行分類的能力，而修剪方法都是通過統(tǒng)計(jì)計(jì)算，將理論上最不可信的分枝去掉。

2.3 決策樹評(píng)估

測試樣本評(píng)估法（test sample estimates）與交叉驗(yàn)證評(píng)估法（cross-validation estimates）[15]是通常被用來對(duì)CART模型進(jìn)行評(píng)估的方法，而前者的使用率更高。該評(píng)估方法的原理與多因子降維法有些類似，而且即時(shí)效率比較高，在學(xué)習(xí)數(shù)據(jù)集囊括的樣本量比較大的情況下，該方法的優(yōu)越性就更加突出，其原理可以解釋為：將原始的數(shù)據(jù)集L隨機(jī)分成兩部分，分別為測試集L2與樣本集L1，利用L1生成一系列的Tmax，而且按照序列T1>T2>T3>…>Tn，將測試集L2放到序列中的樹模型之中，TK為L2中的每個(gè)樣本逐個(gè)分配類別，因?yàn)長2中每個(gè)樣本的原始分類是事先已經(jīng)知道的，則樹TK在L2上的誤分情況可以利用公式（6）計(jì)算：

式中，Nij（2）代表L2中j類樣本劃歸至i類的數(shù)量，c（i|j）為把j類誤分到i類的代價(jià)，Rts（TK）表示TK針對(duì)L2的誤分代價(jià)，則最優(yōu)化樹的條件為：Rts（TK0）=minK（Rts （TK）。

作為一種經(jīng)典的通過數(shù)據(jù)集進(jìn)行訓(xùn)練并有監(jiān)督學(xué)習(xí)的多元分類統(tǒng)計(jì)模型，CART以二元分叉樹的形式給出所構(gòu)建出的分類的形式，這種方式非常容易解釋，也非常容易被研究者理解和運(yùn)用，并且這種方法與傳統(tǒng)意義上的統(tǒng)計(jì)學(xué)聚類分析的方法構(gòu)建完全不一樣[16]。

但是CART方法對(duì)主效應(yīng)的依賴程度很高，無論是每個(gè)分支的根節(jié)點(diǎn)還是后續(xù)內(nèi)部的子節(jié)點(diǎn)，其預(yù)測因子都是在主效應(yīng)的驅(qū)動(dòng)下進(jìn)行，并且每個(gè)節(jié)點(diǎn)都依賴于上一級(jí)的母節(jié)點(diǎn)分支的情況。而且CART方法對(duì)結(jié)果預(yù)測的穩(wěn)定性上也有缺陷，具體表現(xiàn)在，如果所給數(shù)據(jù)集中的樣本有小范圍的更改，那么所產(chǎn)生的蝴蝶效應(yīng)就會(huì)導(dǎo)致最終所構(gòu)建的模型與原始模型的差別很大，當(dāng)然分類結(jié)果也就難以一致。

3 貝葉斯網(wǎng)絡(luò)潛變量模型

BNs是一種概率網(wǎng)絡(luò)，它用圖形的形式來對(duì)各種變量間的依賴概率聯(lián)系做描述，經(jīng)典的圖形中，每一個(gè)隨機(jī)變量利用節(jié)點(diǎn)的方式表達(dá)，而變量之間的概率依存關(guān)系則利用直線表達(dá)，直線的粗細(xì)表示依賴的強(qiáng)度。在BNs中，任何數(shù)據(jù)，當(dāng)然也可以是高通量SNPs數(shù)據(jù)，都能夠成為被分析的變量。BNs這種分析工具的提出，其原始動(dòng)力是為了分析不完整性和概率性的事件，它可以從表達(dá)不是很精準(zhǔn)的數(shù)據(jù)或信息中推理出概率結(jié)果。

網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和條件概率分布作為構(gòu)成BNs的兩大核心組件，如果再將潛變量概念引入BNs，則成為了BNs潛變量模型。被包含在BNs中的潛變量數(shù)量，決定著這個(gè)模型的復(fù)雜程度，因?yàn)橐话銇碇v，在實(shí)際工作中，研究者常常利用潛變量來進(jìn)行聚類計(jì)算，所以BNs潛變量模型也成為了一個(gè)經(jīng)典的潛結(jié)構(gòu)模型（latent structure model）或潛類模型（latent class model）。

3.1 模型參數(shù)

在滿足一定的假定條件下，才能對(duì)BNs模型進(jìn)行參數(shù)學(xué)習(xí)的過程。根據(jù)文獻(xiàn)記載，這些條件分別為：所有的樣本處于獨(dú)立狀態(tài)；無論全局和局部，均處于獨(dú)立狀態(tài)；變量不能為連續(xù)變量，只能是分類變量。在上述條件得到滿足的情況下，該模型可以利用數(shù)據(jù)，計(jì)算出網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中各個(gè)節(jié)點(diǎn)的條件概率θ，且服務(wù)于制訂的BNs模型結(jié)構(gòu)η和數(shù)據(jù)集D。計(jì)算的方法有最大似然估計(jì)法等[17]。

3.2 模型選擇

與LCA方法類似，BNs模型也利用函數(shù)來對(duì)模型的擬合優(yōu)劣程度進(jìn)行評(píng)價(jià)，衡量標(biāo)準(zhǔn)也是BIC、AIC、BICe等的評(píng)分，一般來說，分?jǐn)?shù)低的模型更加優(yōu)化。

3.3 模型優(yōu)化

在通過評(píng)分的方法來確定BNs潛變量模型后（需綜合考量BIC、AIC、BICe三者的得分），該模型下一步就轉(zhuǎn)化成了如何去搜索符合所給數(shù)據(jù)集的最優(yōu)模型的過程。由于該網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，使得該模型結(jié)構(gòu)的數(shù)目的增長速度非?？欤c納入模型的變量數(shù)的增長呈指數(shù)級(jí)別比例，能夠適應(yīng)這種數(shù)量級(jí)的搜索算法是啟發(fā)式的，其過程是比較不同的模型的評(píng)分，其中最常被使用的是爬山算法（hill climbing）[18]。

利用BNs模型進(jìn)行高通量SNPs數(shù)據(jù)聚類，其優(yōu)點(diǎn)之一就是在該模型中，所有遺傳的模式都可以被忽略，無論是對(duì)SNPs的二分類變異賦值，還是三分類變異賦值，只要納入模型中，就轉(zhuǎn)變成純粹的數(shù)學(xué)問題。正是由于這種優(yōu)勢的存在，使得該方法對(duì)原始數(shù)據(jù)的類型容許程度很高，由此擴(kuò)展了此種模型的使用范圍。BNs模型計(jì)算的過程雖然復(fù)雜，但是結(jié)果解讀起來卻是十分的簡單直觀。只要將各個(gè)類別的概率直方圖呈現(xiàn)出來，那所有重要的且有意義的高維度SNPs的整體效應(yīng)，就能直觀的展現(xiàn)出來。BNs模型一旦被建立起來，就可以被用來對(duì)新納入的患者進(jìn)行分類，其過程如下：輸入新加入樣本的SNPs的狀況，并且將這些狀況進(jìn)行數(shù)學(xué)化處理即賦予其數(shù)據(jù)值，并帶入模型開始運(yùn)行。模型會(huì)通過新加入樣本的SNPs的狀況，根據(jù)概率理論，將其歸入相應(yīng)類別。

但是BNs模型的理論比較抽象，公式比較復(fù)雜，如果讓醫(yī)學(xué)工作者去理解其中的數(shù)學(xué)機(jī)制，可能不太現(xiàn)實(shí)，若再要求對(duì)模型進(jìn)行深刻解釋，則更困難。該模型在優(yōu)化過程中的搜索算法也有硬傷，爬山算法從出現(xiàn)開始，就一直受到一定程度的詬病，因?yàn)槠溆惺鼓Ｐ推x到局部最優(yōu)的傾向。

4 BP神經(jīng)網(wǎng)絡(luò)模型

BP（back propagation）神經(jīng)網(wǎng)絡(luò)在所有的神經(jīng)網(wǎng)絡(luò)模型系列中，是被使用最多的模型之一，其核心原理為按照誤差逆?zhèn)鞑ニ惴ǎ瑢?duì)所給數(shù)據(jù)集進(jìn)行多層的正向的反饋擬合，而這些層則包括輸入層（input layer）、隱層（hide layer） 和輸出層（output layer）。

BP神經(jīng)網(wǎng)絡(luò)模型對(duì)于已經(jīng)給定的數(shù)據(jù)集的訓(xùn)練過程可以解釋為：各種數(shù)據(jù)由輸入層負(fù)責(zé)接收，并且向內(nèi)層進(jìn)行傳遞，傳遞過程中需經(jīng)過一定的中間層級(jí)，信息在隱層部分進(jìn)行計(jì)算處理，處理完畢后向輸出層傳遞，輸出層的神經(jīng)元接收到后，即完成了一次完整的訓(xùn)練信息的傳播，其結(jié)果由輸出層向外面釋放。如果輸出的結(jié)果與期望值差距沒有達(dá)到要求，則進(jìn)入信息的反方向運(yùn)動(dòng)過程，將誤差信息通過輸出層、隱層、輸入層的順序反向傳遞。在上述正向和反向的兩種信息傳遞過程中，為了使整個(gè)BP神經(jīng)網(wǎng)絡(luò)模型的誤差的平方和達(dá)到最小，就需要對(duì)各個(gè)層級(jí)的權(quán)重和反應(yīng)閾進(jìn)行相應(yīng)調(diào)整，在一定次數(shù)的迭代過程中達(dá)到符合設(shè)定的要求范圍內(nèi)[19]。

BP神經(jīng)網(wǎng)絡(luò)模型建立流程：①建立高通量SNPs足夠而可靠的數(shù)據(jù)信息樣本數(shù)據(jù)庫。②把SNPs樣本數(shù)據(jù)進(jìn)行處理，變成BP神經(jīng)網(wǎng)絡(luò)模型可以納入的形式。③建造BP神經(jīng)網(wǎng)絡(luò)初級(jí)雛形，進(jìn)行數(shù)據(jù)訓(xùn)練。首先確定神經(jīng)網(wǎng)絡(luò)所需層的數(shù)量，還有隱藏節(jié)點(diǎn)的數(shù)量，接下來完成各連接權(quán)值的初始化過程，將樣本數(shù)據(jù)代入。④開始BP神經(jīng)網(wǎng)絡(luò)的迭代過程，按照誤差逆?zhèn)鞑ニ惴ǎ瑢?duì)所給數(shù)據(jù)集進(jìn)行多層的正向的反饋擬合，最終確定各個(gè)層的權(quán)重。⑤利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)測試樣本。將樣本輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，并輸出結(jié)果[20]。

非線性問題的解決能力是BP神經(jīng)網(wǎng)絡(luò)模型區(qū)別于其他的能夠自我學(xué)習(xí)、自我訓(xùn)練的模型的特點(diǎn)之一，該模型以簡單的結(jié)構(gòu)模仿神經(jīng)組織的構(gòu)成和信號(hào)傳導(dǎo)通路，根據(jù)提供的數(shù)據(jù)進(jìn)行學(xué)習(xí)和自適應(yīng)，最后可以對(duì)復(fù)雜的問題求解[21]。該模型的運(yùn)行模式也很簡單，一旦模型建立，則直接將數(shù)據(jù)帶入，BP神經(jīng)網(wǎng)絡(luò)就可以對(duì)諸多影響因素和結(jié)果之間的復(fù)雜關(guān)系進(jìn)行統(tǒng)計(jì)，超越傳統(tǒng)聚類模型，也有能力提供更多的信息量[22]。

但是BP神經(jīng)網(wǎng)絡(luò)模型的缺陷也十分明顯，首先該種聚類方法迭代次數(shù)比較多，計(jì)算收斂的速度比較慢；標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)算法各個(gè)層的權(quán)重值的確定是完全隨機(jī)性的，容易形成局部最優(yōu)化；在模型建立的初始階段，各個(gè)節(jié)點(diǎn)的確定也沒有確鑿的理論支持[23]。

5 支持向量機(jī)

1995年Comes等[24]提出了一種新型機(jī)器學(xué)習(xí)方法，該方法的數(shù)學(xué)理論基礎(chǔ)雄厚，被稱之為SVM。這種方法問世之后，就以其在小樣本、高維度數(shù)據(jù)方面處理的獨(dú)特優(yōu)勢，被迅速推廣到數(shù)據(jù)聚類分析領(lǐng)域的各個(gè)方面[25]。SVM的基本原理如下：利用非線性映射的方法φ（x）：RnH，將待聚類數(shù)據(jù)集首先映射到高維空間H中，試圖在高維空間中尋找最優(yōu)化的一個(gè)超平面，此超平面的作用為對(duì)數(shù)據(jù)進(jìn)行分類。達(dá)到最優(yōu)超平面的要求為：對(duì)于數(shù)據(jù)來說，要求分類的間隔最大而且置信區(qū)間最窄；達(dá)到最少的數(shù)據(jù)樣本錯(cuò)分?jǐn)?shù)量，以上兩條的原則為分類風(fēng)險(xiǎn)最低。

SVM的計(jì)算流程為：

在高維空間中，如果被映射數(shù)據(jù)具有二維線性且可分時(shí)，則一定存在一個(gè)分類超平面：

其中αi≥0稱為拉格朗日系數(shù)，該函數(shù)對(duì)？X和b最小化，對(duì)αi最大化。將該問題轉(zhuǎn)化為其對(duì)偶形式，求得最優(yōu)分類函數(shù)為：

其中，K（x，xi） =φ（xi）?φ（xj）被稱之為核函數(shù)，其作用是將原始數(shù)據(jù)集映射到高維H空間。而核函數(shù)有很多種形式，多項(xiàng)式形式、徑向基形式等等。但是如果原始數(shù)據(jù)集經(jīng)過轉(zhuǎn)換后，確實(shí)為線性不可分時(shí)，方法會(huì)不可避免的產(chǎn)生錯(cuò)分點(diǎn)，此時(shí)非負(fù)松弛變量ξi≤1，i=1，…，l被引入，而式（8）、（9）合并為：

在上述條件下，求下式目標(biāo)函數(shù)的最小值：

在式（13）中，用C來作為懲罰因子，對(duì)錯(cuò)分點(diǎn)來進(jìn)行一定程度的懲罰，當(dāng)然是人工定義的，其主要作用是在限制數(shù)據(jù)集偏差和該方法的推廣范圍兩者間，維持一個(gè)平衡。

SVM模型作為一種經(jīng)典的處理小樣本的自我學(xué)習(xí)、自我組織的分類方法，雖然其基礎(chǔ)理論依然與神經(jīng)網(wǎng)絡(luò)模型類似，均為通過對(duì)給定樣本的統(tǒng)計(jì)學(xué)習(xí)，建造模型，而且對(duì)非線性數(shù)據(jù)的處理能力很強(qiáng)，但是很大程度上避免了陷入局部最優(yōu)化，維度過高限制，擬合過度等缺陷，擁有更廣闊的發(fā)展空間[26]。雖然該方法出現(xiàn)時(shí)間比較晚，但是研究者已經(jīng)在包括預(yù)測人口狀況[27]、嬰兒死亡率前瞻[28]、金融產(chǎn)業(yè)[29]和工業(yè)產(chǎn)業(yè)[30]前景推斷等方面進(jìn)行了有效使用，當(dāng)然也包括在高通量SNPs數(shù)據(jù)聚類，均取得了不錯(cuò)的效果。

但是SVM一樣存在短處，由于其分類過程是基于對(duì)原始數(shù)據(jù)集的再次規(guī)劃來尋找超平面，而再次規(guī)劃的計(jì)算就有n階矩陣（n為樣本個(gè)數(shù)），如果n的數(shù)量很大，則電腦的內(nèi)存將難以承受巨大的矩陣信息。而且原始的SVM模型只能對(duì)數(shù)據(jù)集進(jìn)行二分類計(jì)算，有一定的局限性，由于在實(shí)際工作中，很多情況下分類數(shù)量要大于二，為了解決這個(gè)問題，只能去在其他方面想相應(yīng)的解決方法。

6 討論

不僅上述5種具體方法，而且在前文中所提出的幾大種類中的具體聚類分析方法都各有其優(yōu)缺點(diǎn)，研究者們已經(jīng)針對(duì)上述幾類聚類方法的缺陷進(jìn)行了深入的研究，并提出了許多改進(jìn)方法，提高了在高通量SNPs數(shù)據(jù)聚類分析時(shí)的計(jì)算效能。董國君等[31]提出了將仿生學(xué)算法中的退火算法引入到神經(jīng)網(wǎng)絡(luò)模型中，能夠有效地避免該模型收斂到局部最優(yōu)的狀態(tài)。胡潔等[32]更是經(jīng)過改進(jìn)，建造了一種能夠快速收斂而且全局最優(yōu)的神經(jīng)網(wǎng)絡(luò)模型算法，將BP神經(jīng)網(wǎng)絡(luò)的計(jì)算效率大為提高。而Leo Breiman在2001年提出的隨機(jī)森林（random forest）算法，本質(zhì)上就是對(duì)分類回歸樹算法的一種組合改進(jìn)，其計(jì)算原理為：利用多個(gè)樹的模型對(duì)數(shù)據(jù)進(jìn)行判別與分類，其在對(duì)數(shù)據(jù)進(jìn)行處理的同時(shí)，還可以給出各個(gè)變量的重要性得分，評(píng)估變量在分類中所起的作用[33]。2012年提出了混合潛變量模型（structural equation mixture modeling，SEMM），本質(zhì)上是一種結(jié)構(gòu)方程模型衍生出的改進(jìn)版，其設(shè)計(jì)思想中匯合了潛在類別分析、潛在剖面分析以及因子分析的因素，將潛變量分析與結(jié)構(gòu)方程進(jìn)行協(xié)調(diào)組合，創(chuàng)造出的一種新型SNPs分析方法。這種新的方法，將結(jié)構(gòu)方程的缺點(diǎn)――只能分析連續(xù)潛變量和潛在類別分析的缺點(diǎn)――只能分析分類潛變量，進(jìn)行有效的補(bǔ)充，而且把一種全新的探索式的思路引入了高維數(shù)據(jù)分析的領(lǐng)域。在實(shí)際進(jìn)行聚類分析時(shí)，也可以將幾種方法結(jié)合使用，分別在計(jì)算的不同階段利用效能最高的方法，做到優(yōu)勢互補(bǔ)?，F(xiàn)已經(jīng)出現(xiàn)基于神經(jīng)網(wǎng)絡(luò)算法和蟻群算法進(jìn)行結(jié)合使用的報(bào)道。

盡管用于高通量SNPs數(shù)據(jù)聚類分析的方法有多種，但目前沒有任何一種方法可以適用于所有的情況。因此，研究者們依舊沒有停下尋找更為合適的方法的腳步。不可否認(rèn)，在基因組相關(guān)研究中，SNPs數(shù)據(jù)的分析對(duì)于研究復(fù)雜性疾病和遺傳因素的聯(lián)系是一項(xiàng)挑戰(zhàn)，但也是機(jī)遇。如果能正確合理地運(yùn)用各種復(fù)雜的統(tǒng)計(jì)學(xué)方法，就可以提高聚類分析的效能，提示研究者們未來應(yīng)在尋找更適用的高通量SNPs數(shù)據(jù)聚類分析方法方面付出更多努力。

[參考文獻(xiàn)]

[1] Jakobsson M，Scholz SW，Scheet P，et al. Genotype，haplotype and copy-number variation in worldwide human population [J]. Nature，2012，451： 998-1003.

[2] 馬靖，張韶凱，張巖波.基于貝葉斯網(wǎng)潛類模型的高維SNPs分析[J].生物信息學(xué)，2012，10（2）：120-124.

[3] 張家寶.聚類分析在醫(yī)院設(shè)備管理中應(yīng)用研究[J].中國農(nóng)村衛(wèi)生事業(yè)管理，2014，34（5）：510-513.

[4] 袁芳，劉盼盼，徐進(jìn)，等.基因-基因（環(huán)境）交互作用分析方法的比較[J].寧波大學(xué)學(xué)報(bào)：理工版，2012，25（4）：115-119.

[5] 張潔婷，焦璨，張敏強(qiáng).潛在類別分析技術(shù)在心理學(xué)研究中的應(yīng)用[J].心理科學(xué)進(jìn)展，2011，18（12）：1991-1998.

[6] 曾憲華，肖琳，張巖波.潛在類別分析原理及實(shí)例分析[J].中國衛(wèi)生統(tǒng)計(jì)，2013，30（6）：815-817.

[7] Kaufman L，Rousseeuw PJ. Finding groups in data： an introduction to cluster analysis [M]. New York：Wiley，2015.

[8] Hagenaars JA. McCutcheon AL. Applied latent class analysis [M]. New York：Cambridge University Press，2012.

[9] 邱皓政.潛在類別模型的原理與技術(shù)[M].北京：教育科學(xué)出版社，2011.

[10] 張巖波.潛變量分析[M].北京：高等教育出版社，2011.

[11] Lin TH，Dayton CM. Model selection information criteria for non-nested latent class models [J]. J Educ Behav Stat，2012，22（3）：249-264.

[12] 裴磊磊，郭小玲，張巖波，等.抑郁癥患者單核苷酸多態(tài)性（SNPs）分布特征的潛在類別分析[J].中國衛(wèi)生統(tǒng)計(jì)，2010，27（1）：7-10.

[13] 邵峰晶，于忠清.數(shù)據(jù)挖掘原理與算法[M].北京：中國水利水電出版社，2013.

[14] 王立柱，趙大宇.用分類與回歸樹算法進(jìn)行人才識(shí)別[J].沈陽師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，23（1）：44-47.

[15] 溫小霓， 蔡汝駿.分類與回歸樹及其應(yīng)用研究[J].統(tǒng)計(jì)與決策，2010，（23）：14-16

[16] 符保龍，陳如云.分類回歸樹在高校計(jì)算機(jī)聯(lián)考數(shù)據(jù)分析中的應(yīng)用[J].計(jì)算機(jī)時(shí)代，2011，（1）：33-34.

[17] Dempster AP，Laird NM，Rubin DB. Maximum likelihood from incomplete data via the Em algorithm（with discussion）[J]. J Royal Stat，2012，39（1）：1-38.

[18] José A，Gámez，Juan L，et al. Learning Bayesian networks by hill climbing： efficient methods based on progressive restriction of the neighborhood [J]. Data Min Knowl Disc，2012，22：106-148.

[19] 張凡，齊平，倪春梅.基于POS的BP神經(jīng)網(wǎng)絡(luò)在腮腺炎發(fā)病率預(yù)測中的應(yīng)用[J].現(xiàn)代預(yù)防醫(yī)學(xué)，2014，41（11）：1924-1927.

[20] 張晶.BP神經(jīng)網(wǎng)絡(luò)在圖書館信息處理中的應(yīng)用研究[J].圖書情報(bào)，2014，（9）：132-133.

[21] 徐學(xué)琴，孫寧，徐玉芳.基于BP神經(jīng)網(wǎng)絡(luò)的河南省甲乙類法定報(bào)告?zhèn)魅静☆A(yù)測研究[J].中華疾病控制雜志，2014，18（6） ：561-563.

[22] 馬曉梅，隋美麗，段廣才，等.手足口病重癥化危險(xiǎn)因素BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測分析[J].中國公共衛(wèi)生，2014，30（6）：758-761.

[23] 任方，馬尚才.基于條件對(duì)數(shù)似然的BP神經(jīng)網(wǎng)絡(luò)多類分類器[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2014，23（6）：183-186.

[24] Comes C，Vapnik V. Support vector networks [J]. Mach Learn，1995，20：273-297.

[25] 張學(xué)工.關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J].自動(dòng)化學(xué)報(bào)，2011，26（1）：32-42.

[26] 解合川，任欽，曾海燕，等.支持向量機(jī)在傳染病發(fā)病率預(yù)測中的應(yīng)用[J].現(xiàn)代預(yù)防醫(yī)學(xué)，2012，40（22）：4105-4112.

[27] 劉崇林.人口時(shí)間序列的支持向量機(jī)預(yù)測模型[J].寧夏大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，27（4）：308-310.

[28] 張俊輝，潘曉平，潘驚萍，等.基于支持向量回歸的5歲以下兒童死亡率預(yù)測模型[J].現(xiàn)代預(yù)防醫(yī)學(xué)，2014，36（24）：4601-4603，4605.

[29] 陳詩一.非參數(shù)支持向量回歸和分類理論及其在金融市場預(yù)測中的應(yīng)用[M].北京：北京大學(xué)出版社，2014：104-106.

[30] Li P，Tan ZX，Yan LL，et al. Time series prediction of mining subsidence based on a SVM [J]. Min Science Technol，2014，21（4）：557-562.

[31] 董國君，哈力木拉提.基于隨機(jī)退火的神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2013，46（19）：39-42.

[32] 胡潔，曾祥金.一種快速且全局收斂的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2014，30（5）：604-610.