目的探讨血清肌酐/半胱氨酸蛋白酶抑制剂C(sCr/CysC)比值对胰腺癌早期诊断和预后评估的价值。方法回顾性分析苏州大学附属第一医院2020年1月至2021年12月收治的60例初诊胰腺癌患者、30例胰腺良性肿瘤患者和30例健康对照者的临床资料。...目的探讨血清肌酐/半胱氨酸蛋白酶抑制剂C(sCr/CysC)比值对胰腺癌早期诊断和预后评估的价值。方法回顾性分析苏州大学附属第一医院2020年1月至2021年12月收治的60例初诊胰腺癌患者、30例胰腺良性肿瘤患者和30例健康对照者的临床资料。比较三组间sCr/CysC比值、C反应蛋白(CRP)、L3骨骼肌指数(L3-SMI)、Alb和CA199水平的差异。采用ROC曲线分析sCr/CysC比值对胰腺癌的诊断效能。根据sCr/CysC比值中位数将胰腺癌患者分为高比值组和低比值组,应用Kaplan-Meier生存曲线和Cox回归模型分析sCr/CysC比值对胰腺癌预后的预测价值。结果与胰腺良性肿瘤组和健康对照组相比,胰腺癌组的sCr/CysC比值和Alb水平显著降低,而CRP水平明显升高(均P<0.05)。与低sCr/CysC比值组相比,高比值组患者的性别构成、年龄和L3 SMI水平差异有统计学意义(均P<0.05)。sCr/CysC比值对胰腺癌的诊断ROC曲线下面积为0.640(95%CI:0.524~0.756,P<0.05),在cut-off值为0.69时敏感性为46.7%,特异性为83.3%。相关分析显示,sCr/CysC比值与L3-SMI呈正相关(r=0.425,P<0.01)。生存分析表明,高sCr/CysC比值组患者的中位生存期显著长于低比值组(379 d vs 210 d,P<0.01)。Cox回归分析确认sCr/CysC比值是胰腺癌预后的独立危险因素(HR=0.151,95%CI:0.028~0.826,P<0.05)。结论sCr/CysC比值可能是胰腺癌早期诊断和预后评估的有效指标,有望为胰腺癌的临床诊疗提供参考。展开更多
随着新能源技术的发展和普及,大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响,提出将改进的局部均值分解LMD(local mean decomposition)和概率神经网络相结合,构造一种电压扰动分类器...随着新能源技术的发展和普及,大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响,提出将改进的局部均值分解LMD(local mean decomposition)和概率神经网络相结合,构造一种电压扰动分类器,对电力系统中的电压扰动信号进行识别分类。通过构造三角波形自适应地延拓扰动信号的方法抑制LMD的端点效应,应用改进LMD算法对扰动信号进行3层分解,得到具有电压信号幅频信息的乘积函数PF(product function)分量,将由PF分量构造的信号能量作为概率神经网络的输入,以识别和分类电压干扰信号。通过建立训练模型对电压扰动信号进行仿真实验,结果表明,该方法可以准确识别电压扰动信号,有助于提高电力系统中电压扰动信号的识别精度。展开更多
文摘目的探讨血清肌酐/半胱氨酸蛋白酶抑制剂C(sCr/CysC)比值对胰腺癌早期诊断和预后评估的价值。方法回顾性分析苏州大学附属第一医院2020年1月至2021年12月收治的60例初诊胰腺癌患者、30例胰腺良性肿瘤患者和30例健康对照者的临床资料。比较三组间sCr/CysC比值、C反应蛋白(CRP)、L3骨骼肌指数(L3-SMI)、Alb和CA199水平的差异。采用ROC曲线分析sCr/CysC比值对胰腺癌的诊断效能。根据sCr/CysC比值中位数将胰腺癌患者分为高比值组和低比值组,应用Kaplan-Meier生存曲线和Cox回归模型分析sCr/CysC比值对胰腺癌预后的预测价值。结果与胰腺良性肿瘤组和健康对照组相比,胰腺癌组的sCr/CysC比值和Alb水平显著降低,而CRP水平明显升高(均P<0.05)。与低sCr/CysC比值组相比,高比值组患者的性别构成、年龄和L3 SMI水平差异有统计学意义(均P<0.05)。sCr/CysC比值对胰腺癌的诊断ROC曲线下面积为0.640(95%CI:0.524~0.756,P<0.05),在cut-off值为0.69时敏感性为46.7%,特异性为83.3%。相关分析显示,sCr/CysC比值与L3-SMI呈正相关(r=0.425,P<0.01)。生存分析表明,高sCr/CysC比值组患者的中位生存期显著长于低比值组(379 d vs 210 d,P<0.01)。Cox回归分析确认sCr/CysC比值是胰腺癌预后的独立危险因素(HR=0.151,95%CI:0.028~0.826,P<0.05)。结论sCr/CysC比值可能是胰腺癌早期诊断和预后评估的有效指标,有望为胰腺癌的临床诊疗提供参考。
文摘随着新能源技术的发展和普及,大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响,提出将改进的局部均值分解LMD(local mean decomposition)和概率神经网络相结合,构造一种电压扰动分类器,对电力系统中的电压扰动信号进行识别分类。通过构造三角波形自适应地延拓扰动信号的方法抑制LMD的端点效应,应用改进LMD算法对扰动信号进行3层分解,得到具有电压信号幅频信息的乘积函数PF(product function)分量,将由PF分量构造的信号能量作为概率神经网络的输入,以识别和分类电压干扰信号。通过建立训练模型对电压扰动信号进行仿真实验,结果表明,该方法可以准确识别电压扰动信号,有助于提高电力系统中电压扰动信号的识别精度。