潜变量增长混合模型在慢性心衰患者生理症状变化轨迹研究中的应用

目的分析慢性心力衰竭(chronic heart failure,CHF)患者报告结局(patient-reported outcomes,PRO)纵向随访数据,探索不同潜在亚类及个体发展轨迹。方法纳入2017年5月-2019年6月山西三所三甲医院的286例CHF患者,选取患者住院时、出院后6、12、18、24月的CHF-PRO数据,对患者的生理领域及躯体状况、食欲睡眠和身体独立三个维度拟合潜变量增长混合模型,识别异质性亚类及个体轨迹变化规律。结果生理领域和各维度变化轨迹存在差异。生理领域中3类二次函数模型最优,第一潜在亚类随时间先下降后上升,第二、三潜在亚类随时间先上升后趋于平稳。躯体症状维度中3类非定义曲线模型最优,3个潜在亚类都是先上升后趋于平稳。食欲睡眠维度2类二次函数模型最优,第一、二潜在亚类随时间先上升,之后第二潜在亚类出现下降趋势。身体独立维度2个潜在亚类整体好转,最后均趋于平稳。结论患者出院后CHF-PRO的生理领域及各维度水平变化存在不同亚类及个体发展轨迹,对患者给予针对性干预措施具有重要作用。

政府扶持远程教育企业发展问题研究

远程教育企业在推动我国远程教育事业蓬勃发展中具有举足轻重的作用，探究远程教育企业的发展，构建政府对远程教育企业的扶持体系．对构建学习型社会具有积极的意义。在研究我国政府对远程教育企业扶持现状的基础上，借鉴发达国家的扶持措施．进而构建出适合我国的扶持体系。

浅析新时期如何提升政府公信力

从服务质量管理的角度，以人民满意度作为评价标准和工具．在政府组织内生的自我发展、更新机制改进完善政府服务的同时，探讨通过外部服务主体的有效参与来规范、考评和激励政府组织变革完善政府服务的新发展路径．对为新时期政府公信力的提升具有一定的参考价值。

加权随机森林和代价敏感支持向量机与心衰患者死亡风险评估

目的 探讨加权随机森林和代价敏感支持向量机模型在慢性心衰死亡风险评估中的应用。方法 利用AUC-RF自变量筛选方法选出与心衰死亡的相关因素,将选出的变量作为输入变量,预后有无死亡作为结局变量构建传统随机森林、支持向量机、logistic回归、加权随机森林和代价敏感支持向量机分类预测模型。结果 AUC-RF筛选出的变量中有中枢系统疾病史、肾功能不全史、心包积液、BMI、中性粒细胞比值、肾小球滤过率、N端前脑钠肽等指标重要度较高,提示这些指标或有临床意义。评价指标有灵敏度、特异度、准确度、G-means、F-measure和AUC值,logistic模型评价指标的中位数分别为:78.46%、63.19%、81.4%、0.6933、0.467和0.7003;加权随机森林评价指标分别为:78.08%、82.74%、85.96%、0.8086、0.4853和0.8109;代价敏感支持向量机评价指标分别为:75.38%、72.49%、88.8%、0.7402、0.4749和0.7940。结论 加权随机森林模型对心衰患者预后死亡预测性能较高,该模型有助于临床医生识别心衰死亡危险因素,具有较高应用价值。

心脏结构及功能指标的联合轨迹与慢性心衰预后的关联

目的 探讨心脏结构及功能指标纵向变化轨迹群对慢性心力衰竭(chronic heart failure, CHF)预后存在的潜在价值。方法 纳入2012年1月―2019年1月在山西省两所三级甲等医院住院并符合标准的277例患者,利用多次住院的心脏结构及功能指标,建立基于群组的多轨迹模型,识别具有相似轨迹变化的患者群体。使用Cox比例风险回归模型分析轨迹群对患者死亡风险的影响。结果 共识别轨迹指标变化各异、基线特征分布存在差异的3组轨迹群组。其中轨迹群1中患者男女均衡,纽约心脏病协会(New York Heart Association, NYHA)心功能分级集中于Ⅱ~Ⅲ级,射血分数(ejection fraction, EF)整体较稳定并高于另外两组,不稳定型心绞痛的患者较多;轨迹群2中男性、陈旧性心肌梗死患者占比高,EF稳定下降;轨迹群3中男性、NYHA心功能分级为Ⅳ级的患者比例高,EF呈现波动下降状态,患缺血性心肌病、瓣膜性心脏病和房颤的患者多。Cox比例风险回归模型结果表明轨迹群组在单独纳入、校正基线特征和校正共病影响三种情况下均为CHF患者发生死亡的影响因素。结论 基于心脏结构及功能指标纵向变化识别的轨迹群能够对CHF患者的死亡风险进行分层,有助于帮助识别高危患者。