简介:CROATIAHrvatskosomnolokodrutvo——DrutvozamedicinuspavanjaHrvatskogalijeˇcniˇckogzboraCroatianSomnologicalSociety-SocietyforSleepMedicineoftheCroatianMedicalAssociationAccreditation/Certificationprocedure.ACCprocedurestartedin2010with2accreditedfullSMCs(inZagrebandSplit)accordingto
简介:目的探讨军校大学生时间管理倾向和拖延行为的相关性,以期为提高后续军校大学生的教育工作提供理论参考。方法2015年10月至2016年3月,采用分层抽样法选取某军医大学临床医学本科生312名为调查对象。采用一般拖延量表以及时间管理倾向量表对其进行调查。结果军校本科生拖延行为条目总均分为(2.56±0.47)分,时间管理倾向条目总平均分为(3.26±0.21)分;不同年级本科生的拖延行为总分、时间管理倾向总分的差异有统计学意义(均P〈0.05);二、三年级分别与四年级拖延行为总分、时间管理倾向总分的差异有统计学意义(均P〈0.05);拖延行为总分与时间管理倾向呈负相关(P〈0.05)。结论四年级军校临床本科生自我约束能力强,拖延行为现象少,时间管理能力高于其他年级;军校大学生良好的时间管理能力能较好地预测本科生拖延行为,具有积极的作用。
简介:摘要目的对比线性回归模型与四种机器学习算法对临床医学研究生学习行为的预测效能,探讨不同预测模型的优缺点和适用性。方法以全国6 922名临床医学研究生的调查数据为例,通过自评学习行为量表获得综合得分;在训练集中,分别利用Lasso线性回归和人工神经网络、决策树、Bootstrap随机森林、提升树四种监督式机器学习算法建立预测模型;对验证集数据进行预测并比较不同模型的预测效能。结果临床医学研究生学习行为综合得分为(3.31±0.54),总体达标率为74.02%。在线性回归模型中,年龄、学校级别、学位类型、学习兴趣、压力和满意度对学习行为的影响差异有统计学意义;在对验证集的预测中,线性回归模型的敏感度为0.484,特异度为0.914,准确率为0.801。四种机器学习算法的各项指标均高于线性回归模型,其中随机森林的提升度最高。结论线性回归模型对研究生学习行为的预测效果良好,机器学习在预测准确性上优于线性回归模型,但传统线性回归模型在计算效率和可解读性上具有一定优势。