欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
由于毒品滥用与复吸数据是一类非常复杂的数据集，其数据中存在大量的缺失数据、定性数据、有序分类数据以及相关数据。因此，发展新的理论和方法研究这类复杂数据是戒毒研究中一个非常重要的环节。本项目以降低复吸率为目标，针对不同患者的成瘾状况、复吸原因、治疗用药剂量、药物可获得性线索、条件性诱导线索、环境因素等，在多年毒品研究的数据基础上，研究最前沿的不完全数据分析方法和算法、对海洛因戒断后环境、药物及条件性诱导因素进行戒毒数据的列联表分析和危险度差（比）的统计推断研究；含潜变量的非线性结构方程复吸模型研究；海洛因复吸爆发信号的精确分布及其置信区间估计研究；戒毒数据的估计方程模型对海洛因注射传播HIV的相关性研究；分层统计技术对青少年吸毒成瘾的戒毒研究。是一项基于云南毒品滥用与复吸数据的特征,对复杂数据进行统计分析的拓广研究。研究把毒品防治从简单的数据分析提升到模型模拟及复吸内在机制量化的创新。
英文摘要：
complex data；statistical inference；relapse mechanism；monitoring and forecasting；
结论摘要：
本项目基于降低海洛因依赖和复吸的目标，依据云南毒品滥用和复吸数据的特征，研究最前沿的缺失数据分析方法和算法；对海洛因戒断后环境、药物及条件性诱导因素进行复吸因素指标量化研究；含潜变量的非线性结构方程复吸模型模拟复吸过程研究；海洛因复吸爆发信号的精确分布及其置信区间的估计研究；用估计方程研究海洛因注射传播HIV的相关性。把毒品防治和防复吸从简单的数据分析提升到模型模拟及机制研究上来。是一项基于云南戒毒数据的特征,对数据中存在缺失数据、定性数据、有序分类数据以及相关数据进行统计分析和发展新的模型及相应理论方法的拓广研究。项目研究完成了:海洛因依赖和复吸的指标评估系统；云南省海洛因依赖和复吸模型及机制干预进展报告；云南省戒毒、防复吸的临床试验调研报告；云南省海洛因滥用趋势分析与监控意见报告。在多变量多因素的统计诊断模型，列联表统计推断，复杂数据统计技术，缺失纵向数据的统计推断及分层随机效应模型等方向上正式发表论文 29 篇，其中SCI 收录13 篇，EI 收录 8 篇，核心刊物6篇。培养研究生获得博士学位7名，奖励4项。
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
Empirical likelihood semiparametric nonlinear regression analysis for longitudinal data with respons
Bayesian analysis of nonlinear reproductive dispersion mixed models for longitudinal data with nonig
Asymptotic properties of maximum quasi-likelihood estimator in quasi-likelihood nonlinear models wit
Protein Sub-Nuclear Localization Based on Effective Fusion Representations and Dimension Reduction A
Research on Prediction of Protein Sub-cellular Location Based on KLDA with Combined Kernel Function.
Weighted Feature Dimensions According to Fisher’s Linear Discriminant Rate and Its Application on Pr
Local Empirical Likelihood Inference for Varying-Coefficient Density-Ratio Models Based on Case-Cont
The Effective Feature Representations by Integrating PseAAC and PSSM for Protein Sub-nuclear Locatio
Empirical likelihood-based inference in nonlinear regression models with missing responses at random
Strong consistency of the maximum quasi-likelihoodestimator in quasi-likelihood nonlinear models wit
相关项目
王学仁的项目