第一章 总论 2
第一节 医疗大数据的概念、来源与特点 2
一、医疗大数据的概念 2
二、医疗大数据的来源 2
三、临床表型数据的特点 4
四、生物组学数据的特点 4
五、代表性数据库简介 5
六、赣南医学院第一附属医院临床数据与样本资源库 6
第二节 临床数据挖掘的概念、特点 6
一、数据挖掘的概念 6
二、数据挖掘的目标 7
三、数据挖掘对临床研究的变革 7
四、临床数据挖掘的特点 9
第三节 临床数据挖掘的意义 10
一、揭示人群疾病负担分布和发展趋势 10
二、揭示发病机制和药物作用的分子互作网络 11
三、制订医学参考值范围 11
四、提供疾病精准诊断和预后预测模型 12
五、药效结构预测与新药发现 13
六、发现联合用药方案 14
七、医院运行管理 14
第四节 临床数据挖掘的基本流程 15
一、定义临床问题 15
二、数据准备与数据提取 16
三、数据预处理 17
四、特征提取 18
五、建立预测建模与模型评估 18
六、分析报告与结果发表 19
第五节 临床数据挖掘的基本思想 20
一、临床应用场景为导向 20
二、临床问题背后的多学科问题 22
三、控制多重检验的假阳性发现率 23
四、亚组分析 23
五、分层分析 24
六、对照选择 26
第六节 数据挖掘工具R软件 28
一、R简介 28
二、R软件安装 29
第七节 临床数据挖掘研究的展望 34
一、临床专病数据库建设与利用 34
二、临床数据挖掘面临的挑战 34
三、临床数据挖掘的研究方向 36
第二章 临床数据挖掘中常用的临床表型数据库 40
第一节 常用临床表型数据库 40
一、SEER数据库 40
二、MIMIC数据库 41
三、Biobank数据库 42
四、BioLINCC数据库 43
五、TARGET数据库 44
第二节 SEER数据库 45
一、获取SEER数据的方式 45
二、利用SEER·Stat软件获取数据 45
第三节 SEER数据挖掘研究 53
第三章 临床数据挖掘中常用生物组学数据库 57
第一节 常用多组学数据库 57
一、GEO数据库 57
二、TCGA数据库 62
三、其他常见分子数据库 64
第二节 差异表达基因 65
一、GEO2R分析高通量芯片数据 65
二、edgeR分析RNA测序数据 68
三、TCGA数据线上分析工具 73
第三节 通路富集分析 74
一、KEGG数据库 74
二、GO数据库 75
三、软件包clusterProfiler的富集分析功能 76
第四章 临床科研数据挖掘中的相关分析 85
第一节 两个特征变量间的相关分析 85
一、连续性变量间的相关分析 85
二、无序分类变量间的相关分析 92
三、有序分类变量间的相关分析 98
第二节 两组临床特征变量的相关分析 101
一、典型相关分析的概念 101
二、R软件操作 102
第三节 多个特征变量间的相关分析 107
一、概念 107
二、相关系数矩阵 107
三、相关系数矩阵图 109
第四节 单个特征变量与一组特征变量间的复相关 114
一、复相关概念 114
二、建立预测模型 115
三、评估临床特征对预测模型贡献的独立性 120
四、评估分子特征对预测模型贡献的独立性 122
第五章 临床数据挖掘中的聚类分析 127
第一节 聚类分析中的距离与相似度 127
第二节 层次聚类 128
第三节 划分聚类 130
第四节 聚类分析步骤 131
一、特征变量选择 131
二、特征变量处理 131
三、聚类方法选择及距离计算 132
四、聚类结果解读和验证 132
第五节 聚类分析的R实践 132
一、层次聚类 133
二、K-means聚类 138
三、层次聚类与K-means聚类结果的对比 141
第六节 聚类分析在结直肠癌分子分型中的应用 143
第六章 倾向评分法控制临床数据挖掘中的混杂因素 149
第一节 概念与原理 149
一、倾向评分法的概念 149
二、倾向评分匹配的基本原理 149
三、倾向评分匹配法的特点 150
四、倾向评分法的其他类型 151
第二节 倾向评分匹配过程 152
一、常用的匹配方法 152
二、倾向评分匹配步骤 153
三、倾向评分匹配适用情况 154
第三节 PSM的R实践 155
一、安装加载MatchIt包 155
二、倾向评分匹配函数“matchit（）” 155
三、倾向性评分逆概率加权法 161
四、PSM注意事项 162
第四节 倾向评分法在临床数据挖掘中的应用 162
第七章 临床数据挖掘中的生存分析 166
第一节 基本概念与原理 166
一、生存分析中的基本概念 167
二、生存数据的统计学分析方法 169
三、Cox比例风险回归模型 170
四、比例风险假定的检验 171
第二节 生存分析的R实践 172
一、安装加载survival包 172
二、函数“survfit（）”估计总体生存率 174
三、函数“survdiff（）”比较总体生存率 176
四、利用函数“coxph（）”进行单因素分析 178
五、利用函数“coxph（）”进行多因素分析 180
六、“cox.zph（）”评估模型比例风险假定 181
第三节 肿瘤研究中生存分析实例 182
第八章 诺莫图在构建预测模型中的应用 187
第一节 诺莫图基本原理 187
一、基本原理 187
二、诺模图的类型 187
三、诺模图的要素 187
第二节 构建诺莫图预测模型流程 188
一、定义患者群体 188
二、定义事件结局 189
三、识别临床结局相关的特征变量 189
四、构建诺莫图 189
第三节 诺莫图的R实践 197
一、安装加载rms软件包 197
二、数据准备 197
三、数据转换 198
四、构建模型 199
第四节 临床应用诺莫图的注意事项 200
一、重视风险预测值的置信区间 200
二、重视患者临床特征变量的差异 201
第五节 诺莫图在数据挖掘中的应用 202
一、在SEER数据库中的研究应用 202
二、TCGA数据库中的研究应用 203
三、门静脉血栓预测模型研究 204
第九章 ROC曲线与临床决策曲线 208
第一节 ROC曲线原理 208
一、基本原理 208
二、ROC曲线比较方法和使用条件 208
第二节 ROC曲线下面积 209
一、曲线下面积（AUC） 209
二、AUC的分布范围 210
三、约登指数 210
第三节 R绘制ROC曲线 211
一、安装和加载pROC软件包 211
二、数据准备 211
三、拟合ROC曲线 212
四、绘制ROC曲线 213
五、绘制多条ROC曲线 214
第四节 ROC在临床数据挖掘研究中的应用 216
一、在公共数据库中的研究应用 216
二、在临床数据中的研究应用 218
第五节 临床决策曲线 219
一、基本原理 219
二、R绘制临床决策曲线 220
三、临床决策曲线应用 223
第六节 ROC曲线与临床决策曲线的比较 226
