《表9 干眼眼部症状与全身症状关联规则》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《干眼中医证型分布规律及症状相关性研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:前项症状与后项症状表示的是一组症状的组合搭配；支持度表示同时包含前项和后项症状占所有症状的比例；置信度表示包含前项症状同时包含后项症状的比例；提升度反映了关联规则中的前后项症状的相关性，提升度>1且越高表明正相关性越高。

以全身症状≥2.0，眼部症状≥2.4的数据为基础进行分析，以SPSS Modeler 14.1为工具进行关联规则分析，构建“数据源-类型-Apriori-网络”数据流[24]，挖掘眼部症状与全身症状之间的相互关系，同时以最低条件支持度10.0，最小规则置信度65.0，最大前项数5为设置条件（因设置条件过高时得不出关联规则规律或者得到的规律太少，故如此设置），得到眼部症状与全身症状的关联规则17条，为了得到更多的关联规则，对于眼部症状、全身症状与舌象、脉象的关联规则，设置以最低条件支持度10.0，最小规则置信度60.0，最大前项数5为条件，得到眼部症状、全身症状与舌象、脉象的关联规则7条。眼部症状与全身症状的关联规则结果见表9，关联规则网络见图1；眼部症状、全身症状与舌象、脉象的关联规则结果见表10，网络展示图见图2。规则置信度（Confidence）代表关联规则的准确性，反应了X出现的条件下Y出现的可能性。规则提升度（Lift）代表关联规则的实用性，反应了项目X的出现对项目Y出现的影响程度。规则支持度、置信度是关联规则的有效性指标，提升度是关联规则的实用性指标，提升度>1且越高表明正相关性越高，提升度<1且越低表明负相关性越高，提升度=1表明没有相关性，一般认为大于1才有较好的实际意义[25]。