文摘目的基于机器学习算法构建中老年腹膜透析(peritoneal dialysis,PD)患者肌少症发生的预测模型,为肌少症的诊治测量提供参考依据。方法选取2020年5月至2023年10月期间于海军军医大学第一附属医院(上海长海医院)住院治疗的648例中老年PD患者作为研究对象,收集患者临床资料,根据是否发生肌少症分为肌少症组169例和无肌少症组479例。基于机器学习算法,分别采用极限梯度提升树(extreme gradient boosting,XGBoost)和Logistic回归、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)方法构建不同PD患者发生肌少症风险模型,并对模型进行评价比较。结果共采集患者26项指标,单因素与Logistic回归筛选出9项肌少症的影响因素。测试集上验证后的XGBoost、Logistic、RF、SVM模型构建的预测中老年PD患者发生肌少症的曲线下面积(area under the curve,AUC)分别为0.807、0.788、0.804、0.791,准确度分别为0.829、0.813、0.855、0.819,F1分数为0.733、0.659、0.728、0.653。结论基于机器学习算法XGBoost预测模型在敏感性与准确度上优于RF、Logistic、SVM模型,有助于指导临床医务人员识别PD发生肌少症高风险患者,有利于临床尽早制定干预策略。
文摘围绕网络匿名性(online anonymity)对网民从众心理的影响,学界一直存在着各种争议。其中,最为凸显的议题是网络匿名性和网络中物理线索(physical cues)以及社会线索(social cues)的缺失是否从根本上强化了社群内部的民主性。这一议题随着层出不穷的社交媒体类型变得更为复杂。在新兴的社交互动平台上,媒体内容不仅可以与完全匿名的陌生人分享,还可以与关系一般的熟人或是生活中的亲密好友共享。针对这一现象,本研究以去个性化效应的社会认同模型(Social Identity Model of Deindividuation Effects,SIDE)和自我构念(Self-construal)为理论基础,以拼趣为研究平台,利用实验法检验了拼趣用户对于画面的选择是否会受到从众心理的影响。本研究重点探讨了不同层次的个人信息披露(personal information disclosure)、成员认同感(group identification)、信息处理集中度(impersonal task-focus)、和信息处理忧虑度(evaluation concern)这四个变量在从众效应中所产生的影响。通过对220个实验对象进行数据分析,该研究肯定了信息处理集中度和信息处理忧虑度的统计显著性,并对研究发现的理论和实践意义进行了探讨。
