林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地...林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地实测LAI数据和相应植被指数的相关性,进而使用随机森林(RF)算法构建了林地LAI估算模型,以支持向量回归(SVR)模型和反向传播神经网络(BP)模型作为参比模型,以决定系数(R^2)、均方根误差(RMSE)、平均相对误差(MAE)和相对分析误差(RPD)为指标评价并比较了模型预测精度。结果表明:全样本数据中,各植被指数与对应LAI值均呈极显著相关(P<0.01),且相关系数都大于0.4;RF模型在3次不同样本组中的预测精度均高于同期的SVR模型和BP模型;3个样本组中RF模型的LAI估测值与实测值的R^2分别为0.688、0.796和0.707,RPD分别为1.653、1.984和1.731,均高于同期SVR模型和BP模型,对应的RMSE分别为0.509、0.658和0.696,MAE分别为0.417、0.414和0.466,均低于同期其他2种模型。展开更多
目的:本研究依托2013—2014年在北京市城市地区开展的食管癌、胃癌、结直肠癌、肝癌、肺癌和乳腺癌的人群筛查和早诊早治现场,采用欧洲五维健康量表EQ-5D-3L和癌症治疗功能评价量表(Functional Assessment of Cancer Therapy,FACT)对癌...目的:本研究依托2013—2014年在北京市城市地区开展的食管癌、胃癌、结直肠癌、肝癌、肺癌和乳腺癌的人群筛查和早诊早治现场,采用欧洲五维健康量表EQ-5D-3L和癌症治疗功能评价量表(Functional Assessment of Cancer Therapy,FACT)对癌症及癌前病变患者的健康相关生活质量进行测量,并分析EQ-5D-3L和FACT针对北京市癌症人群的信度及效度。方法:采用EQ-5D-3L和FACT同时对1 001例癌症及癌前病变患者进行测量,对EQ-5D-3L及FACT的结果进行Cronbachα系数的内部一致性信度检验,对FACT采用公因子进行结构效度分析,对EQ-5D-3L和FACT进行对比以实现聚合效度的分析。结果 :对于肺癌、乳腺癌、结直肠癌、食管癌、肝癌和胃癌这6种癌症,EQ-5D-3L的Cronbachα系数分别为0.846、0.805、0.877、0.862、0.793和0.844,FACT的Cronbachα系数分别为0.935、0.916、0.950、0.952、0.915和0.953。在结构效度分析中,FACT累积解释方差分别为64.28%、65.15%、71.43%、67.21%、64.76%和70.56%。对比FACT,EQ-5D-3L的聚合效度分别为0.592、0.503、0.715、0.672、0.561和0.444,EQ-视觉模拟量表的聚合效度分别为0.553、0.606、0.576、0.579、0.361和0.364。结论 :EQ-5D-3L和FACT应用于北京市癌症及癌前病变患者的生活质量评估,具有较好的信度。FACT 6种癌症量表的结构效度较好,肺癌、乳腺癌、结直肠癌、肝癌和食管癌的EQ-5D-3L量表效度也较好,而胃癌及癌前病变的EQ-5D-3L量表效度一般。展开更多
目的调查高等职业院校(高职院校)五年制护生对老年人态度及相关知识的了解情况,并分析其影响因素。方法采取分层随机抽样法,选择某高职院校五年制护理专业一至五年级的732名护生作为研究对象,采用一般资料问卷、对老年人态度量表(Kogan...目的调查高等职业院校(高职院校)五年制护生对老年人态度及相关知识的了解情况,并分析其影响因素。方法采取分层随机抽样法,选择某高职院校五年制护理专业一至五年级的732名护生作为研究对象,采用一般资料问卷、对老年人态度量表(Kogan’s attitudes toward old people scale,KAOP)和老年知识测试量表第一部分((the firstfacts of aging quiz,FAQ1)对其进行调查。结果 732名护生的KAOP得分为(155.82±20.62)分,FAQ1得分为(10.27±2.68)分,被老年人照顾过、照顾过老年人、与老年人同住过、与老年人的关系好、与老年人相处过、愿意从事老年护理的护生KAOP得分较高;年级高、接受过老年护理教育、与老年人相处过的护生FAQ1得分较高(均P<0.05),且FAQ1得分与KAOP呈正相关(r=0.168,P<0.001)。护生KAOP的影响因素为与老年人的关系、是否愿意从事老年护理、FAQ1得分和是否照顾过老年人;FAQ1的影响因素为年级和KAOP得分。结论高职院校五年制护生对老年人的态度趋于正向,但老年知识的掌握相对不足,因此,必须加强对护生老年相关知识的教育和对老年人正向态度的培养,以提高护生从事老年护理的意愿。展开更多
文摘林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地实测LAI数据和相应植被指数的相关性,进而使用随机森林(RF)算法构建了林地LAI估算模型,以支持向量回归(SVR)模型和反向传播神经网络(BP)模型作为参比模型,以决定系数(R^2)、均方根误差(RMSE)、平均相对误差(MAE)和相对分析误差(RPD)为指标评价并比较了模型预测精度。结果表明:全样本数据中,各植被指数与对应LAI值均呈极显著相关(P<0.01),且相关系数都大于0.4;RF模型在3次不同样本组中的预测精度均高于同期的SVR模型和BP模型;3个样本组中RF模型的LAI估测值与实测值的R^2分别为0.688、0.796和0.707,RPD分别为1.653、1.984和1.731,均高于同期SVR模型和BP模型,对应的RMSE分别为0.509、0.658和0.696,MAE分别为0.417、0.414和0.466,均低于同期其他2种模型。
文摘目的:本研究依托2013—2014年在北京市城市地区开展的食管癌、胃癌、结直肠癌、肝癌、肺癌和乳腺癌的人群筛查和早诊早治现场,采用欧洲五维健康量表EQ-5D-3L和癌症治疗功能评价量表(Functional Assessment of Cancer Therapy,FACT)对癌症及癌前病变患者的健康相关生活质量进行测量,并分析EQ-5D-3L和FACT针对北京市癌症人群的信度及效度。方法:采用EQ-5D-3L和FACT同时对1 001例癌症及癌前病变患者进行测量,对EQ-5D-3L及FACT的结果进行Cronbachα系数的内部一致性信度检验,对FACT采用公因子进行结构效度分析,对EQ-5D-3L和FACT进行对比以实现聚合效度的分析。结果 :对于肺癌、乳腺癌、结直肠癌、食管癌、肝癌和胃癌这6种癌症,EQ-5D-3L的Cronbachα系数分别为0.846、0.805、0.877、0.862、0.793和0.844,FACT的Cronbachα系数分别为0.935、0.916、0.950、0.952、0.915和0.953。在结构效度分析中,FACT累积解释方差分别为64.28%、65.15%、71.43%、67.21%、64.76%和70.56%。对比FACT,EQ-5D-3L的聚合效度分别为0.592、0.503、0.715、0.672、0.561和0.444,EQ-视觉模拟量表的聚合效度分别为0.553、0.606、0.576、0.579、0.361和0.364。结论 :EQ-5D-3L和FACT应用于北京市癌症及癌前病变患者的生活质量评估,具有较好的信度。FACT 6种癌症量表的结构效度较好,肺癌、乳腺癌、结直肠癌、肝癌和食管癌的EQ-5D-3L量表效度也较好,而胃癌及癌前病变的EQ-5D-3L量表效度一般。
文摘目的调查高等职业院校(高职院校)五年制护生对老年人态度及相关知识的了解情况,并分析其影响因素。方法采取分层随机抽样法,选择某高职院校五年制护理专业一至五年级的732名护生作为研究对象,采用一般资料问卷、对老年人态度量表(Kogan’s attitudes toward old people scale,KAOP)和老年知识测试量表第一部分((the firstfacts of aging quiz,FAQ1)对其进行调查。结果 732名护生的KAOP得分为(155.82±20.62)分,FAQ1得分为(10.27±2.68)分,被老年人照顾过、照顾过老年人、与老年人同住过、与老年人的关系好、与老年人相处过、愿意从事老年护理的护生KAOP得分较高;年级高、接受过老年护理教育、与老年人相处过的护生FAQ1得分较高(均P<0.05),且FAQ1得分与KAOP呈正相关(r=0.168,P<0.001)。护生KAOP的影响因素为与老年人的关系、是否愿意从事老年护理、FAQ1得分和是否照顾过老年人;FAQ1的影响因素为年级和KAOP得分。结论高职院校五年制护生对老年人的态度趋于正向,但老年知识的掌握相对不足,因此,必须加强对护生老年相关知识的教育和对老年人正向态度的培养,以提高护生从事老年护理的意愿。
