经皮肝单通道双支架置入治疗BismuthⅢb型高位梗阻性黄疸的临床研究

目的研究经皮肝单通道双胆道内支架置入治疗Bismuth芋b型高位梗阻性黄疸的临床价值。方法17例Bismuth芋b型高位梗阻性黄疸患者,9例经皮肝穿刺肝内胆管,行胆道造影后,经单通道行左、右肝管双胆道内支架置入。8例采用左、右肝内胆管穿刺双通道置入双支架。结果全组16例术后黄疸引起临床症状消失或好转,生活质量改善,2w内总胆红素水平由治疗前的(480.2~46.4)Lmol/L降至(261.0~10.6)Lmol/L,9例下降50%以上,3例总胆红素下降至正常水平,1例患者术后总胆红素短期下降后反升,术后2w死亡,总有效率94.1%(16/17)。早期并发症3例,均为双通道双支架置入术式患者。结论经皮肝单通道双支架置入是姑息性治疗Bismuth芋b型高位梗阻性黄疸的有效方法,该术式简化了操作过程,肝脏损伤小,并发症发生几率小,值得临床推广。

胎盘植入剖宫产前介入栓塞术临床应用探究

目的探讨胎盘植入患者剖宫产前行介入栓塞预防性治疗的效果及临床应用价值。方法采用改良Seldinger技术,对12例胎盘植入患者剖宫产前行单侧子宫动脉栓塞术,并对侧留置导管至子宫动脉内,术毕行剖宫产术。胎儿取出后,通过留置导管继续栓塞子宫动脉。栓塞术毕再行植入胎盘剥离。术中观察记录出血、血压等情况。结果全组均经股动脉插管进行子宫动脉栓塞成功,剖宫产术中出血量小于800ml,12例患者子宫全部保留,产出新生儿健康。结论胎盘植入患者剖宫产前行子宫动脉栓塞术,具有减少手术中出血量、可保留子宫等优点,是预防胎盘剥离致大出血的有效手段,并可保留子宫的完整和正常生理功能。

9种机器学习模型预测幕上深部自发性脑出血早期血肿扩张及预后不良的比较

目的比较9种机器学习模型对幕上深部自发性脑出血(SICH)患者发生早期血肿扩张及预后不良情况的预测性能。方法回顾性研究。纳入2015年1月—2019年5月4家医院幕上深部SICH患者420例。其中男275例、女145例,年龄25~90(61.0±12.9)岁。420例患者按照7∶3的比例,采用完全随机法分为训练集294例和验证集126例。患者在72 h内复查CT,若血肿体积比初始体积增长>6 mL或>33%,判定存在早期血肿扩张。采用改良的Rankin评分量表(mRS)评估预后,以mRS>3分判定为预后不良。比较训练集和验证集的基线资料。采用随机森林、极限梯度提升算法(XGboost)、梯度爬升决策树、自适应提升算法、朴素贝叶斯、logistic回归、支持向量机、K近邻、多层感知机9种机器学习算法对早期血肿扩张及预后不良分别构建预测模型;在训练集中,依据各模型的灵敏度和特异度绘制受试者操作特征曲线,采用3折交叉验证取曲线下面积(AUC),比较各模型对早期血肿扩张及预后不良情况的预测性能,并在验证集测试模型的可靠性。结果训练集和验证集患者基线资料比较差异均无统计学意义(P值均>0.05)。420例患者中,早期脑血肿扩张的患者有117例(27.86%);399例患者获随访,其中预后不良的患者有210例(52.63%)。预测早期血肿扩张:训练集中,9种机器学习模型的AUC为0.590~0.685,其中以XGboost模型最高,AUC为0.685±0.024;在验证集中,XGboost模型AUC为0.686[95%可信区间(CI)0.578~0.721]。预测预后不良:9种机器学习模型的AUC为0.703~0.852,其中logistic回归模型最高,AUC为0.852±0.041;而在验证集中,logistic回归模型AUC为0.894(95%CI 0.862~0.912)。结论9种机器学习算法模型中,XGboost对幕上深部SICH早期血肿扩张的预测性能最佳,而logistic回归模型对预后不良的预测性能最高;对于不同临床结局的预测,应选用合适的机器学习模型。