无神经症状胸腰椎骨折行Wiltse入路经伤椎置钉短节段内固定术后Cobb角增加的风险因素分析及预测模型构建

目的分析无神经症状胸腰椎骨折行Wiltse入路经伤椎置钉短节段内固定术后Cobb角增加的风险因素,并构建预测模型。方法选取2018年6月~2021年12月淮南东方医院集团总院接受经Wiltse入路经伤椎置钉短节段内固定术的无神经症状胸腰椎骨折患者110例为研究对象,依据术后Cobb角度增加情况分为Cobb角增加组、对照组,对比两组临床资料、手术相关指标、术后随访资料,经多因素Logistic回归法分析术后Cobb角增加的风险因素并构建预测模型。结果术后随访17~36个月,失访5例。73例术后Cobb角度增加值≤3°(记为对照组)、32例≥4°(记为Cobb角增加组);两组在年龄和术前、术后1周、末次随访时椎体Cobb角及Cobb角增加值、术前椎体压缩率、术前伤椎前缘高度比、椎间隙高度改变、伤椎椎体复位程度、术后功能锻炼方面比较,差异有统计学意义(P<0.05);多因素Logistic回归分析显示,术前椎体Cobb角大、术前椎体压缩率>50%、术后功能锻炼不合理为术后Cobb角增加的独立危险因素,伤椎椎体复位程度高是保护因素(P<0.05);构建风险预测模型:Log(P)=1.205×术前椎体Cobb角+1.859×术前椎体压缩率-0.064×伤椎椎体复位程度+3.765×术后功能锻炼不合理-72.909;术前椎体Cobb角、伤椎椎体复位程度预测Cobb角增加的ROC曲线下面积分别为0.792、0.714。该模型的Hosmer-Lemeshow检验差异无统计学意义(χ^(2)=1.489,P=0.356),有较好的符合程度。结论术前椎体Cobb角、术前椎体压缩率、术后功能锻炼,为无神经症状胸腰椎骨折行Wiltse入路经伤椎置钉短节段内固定术后Cobb角增加的风险因素,伤椎椎体复位程度高是保护因素,可采取相应改进措施提高疗效。

数据模型的智能化扩充研究

本文就如何在关系数据模型中,引入人工智能、知识工程的成果提出了看法。工作目标是提高关系模型的概念抽象能力及引进演绎推理机制,文中给出了智能化数据库的一种体系结构以及关系模型智能化扩充的一种方法。

函数依赖结构的研究及应用

本文通过对函数依赖之间相互联系的分析和研究,提出了函数依赖结构的新概念和新理论,并论证了其存在性。这种新概念及其理论为解决数据库设计中的许多问题(如构造数据库模式,求解候选关键字等)提供了新的理论依据。

函数依赖结构与演绎图

本文论证了函数依赖与无函数 Horn 公式之间的等价性,并提出了基于函数依赖结构的演绎图,为逻辑查询及推理处理提供了一个新方法,它与运用规则的次序无关,因而具有很多相应的好处。

关系数据库模式可修改性研究

1.引言 以往对数据库的修改:增、删、改都是针对数据库模式中的数据进行的,数据库模式则在运行中保持不变。我们不再对其属性和依赖集进行修改。知识库、专家数据库等均对数据库模式的可修改性提出了要求,这就给数据库应用带来了新的问题,而且我们要考虑如何让现行的DBMS为此提供必要的支持。 我们把DB模式的修改,抽象为O(S_1)=S_2,其中S_1,S_2分别是修改操作O(增、删、

语义数据模型(1)

语义数据模型是适应更强表达能力的概念数据模型的需要而产生的。当代的数据模型不能直接支持联系、数据抽象、继承性、约束、非结构对象,及应用的动态特性等.尽管普遍认为数据模型需要更丰富的语义,但还没有一种方法赢得公认。本文描述了语义数据模型的基本性质,给出了自七十年代中期以来提出的有代表性的模型.除了解释单个模型的特征之外,还提供了一个比较它们的指南.最后讨论了概念数据建模领域的未来方向.

语义数据模型(3)

3.模型的比较本节用第1节提供的参数比较了第2节所描述的对象及其内容,也给出了评价这些模型的相对优点的方法。由于数据模型集合的范围或对象尚未统一,因此评价带有一定的主观性。我们仍用早先的“语义模型”定义来描述各个模型。3.1 基于表格的比较表1总结了所讨论的各种模型的特点。由于所选模型的多样性,表中的信息是一般性的而非具体的,更具体的参数不可能提供切实有益的比较,尤其在动态建模方面。一个由 Urban 和 Delcambre〔1986〕给出的综述,为静态、动态和时态建模结构列出了详细的表格,但动态建模模型的种类却是有限的。