目的:探究阿托西班在宫颈机能不全患者中的应用效果、安全性及对宫颈弹性成像参数的影响。方法:将2021年6月—2023年6月连云港市妇幼保健院收治的80例宫颈机能不全患者根据随机数表法分为两组。对照组的40例患者进行常规宫颈环扎术治疗...目的:探究阿托西班在宫颈机能不全患者中的应用效果、安全性及对宫颈弹性成像参数的影响。方法:将2021年6月—2023年6月连云港市妇幼保健院收治的80例宫颈机能不全患者根据随机数表法分为两组。对照组的40例患者进行常规宫颈环扎术治疗,观察组的40例患者则在对照组的基础上采用阿托西班进行治疗。比较两组的延长妊娠时间、终止妊娠时间、不良反应发生率、并发症发生率、妊娠结局(足月率、早产率及流产率)、新生儿结局(存活率、肺发育不良率、1 min及5 min Apgar评分)及治疗前后的宫颈弹性成像参数(ECI、HR及EOS)情况。结果:观察组的延长妊娠时间及终止妊娠时间显著长于对照组,差异有统计学意义(P<0.05);两组的不良反应发生率及流产率比较,差异无统计学意义(P>0.05);观察组的并发症发生率、早产率及肺发育不良率显著低于对照组,足月率、存活率、1 min及5 min Apgar评分显著高于对照组,差异有统计学意义(P<0.05);治疗前两组的宫颈弹性成像参数比较,差异无统计学意义(P>0.05);治疗后观察组的ECI及EOS显著低于对照组及治疗前,HR则显著高于对照组及治疗前,差异有统计学意义(P<0.05)。结论:阿托西班在宫颈机能不全患者中的应用效果较好,安全性较高,且可显著改善患者的宫颈弹性成像参数。展开更多
图聚类可以发现网络中的社区结构,是复杂网络分析中的一项重要任务。针对不同节点的聚类难度各异的问题,提出了一种基于节点聚类复杂度的图聚类算法(Graph Clustering Algorithm Based on Node Clustering Complexity,GCNCC),用于判断...图聚类可以发现网络中的社区结构,是复杂网络分析中的一项重要任务。针对不同节点的聚类难度各异的问题,提出了一种基于节点聚类复杂度的图聚类算法(Graph Clustering Algorithm Based on Node Clustering Complexity,GCNCC),用于判断节点的聚类复杂度,为聚类复杂度低的节点赋予伪标签,利用伪标签提供的监督信息降低其他节点的聚类复杂度,进而得到网络聚类结果。GCNCC包括节点表示、节点聚类复杂度判别和图聚类3个主要模块。节点表示模块得到保持网络集聚性的表示;节点聚类复杂度判别模块用于判断网络中的低聚类复杂度节点,并利用低聚类复杂度节点的伪标签信息来优化更新网络中其他节点的聚类复杂度;图聚类模块采用标签传播方法,将低聚类复杂度节点标签传播给高聚类复杂度节点,以得到聚类结果。在3个真实的引文网络和3个生物数据集上与9种经典算法进行对比,算法GCNCC在ACC,NMI,ARI和F1等方面均表现良好。展开更多
目的:基于卵巢癌竞争性内源RNA(ceRNA)调控网络构建预后风险模型,为预测卵巢癌患者预后规律及优化诊疗方案提供参考依据。方法:从Gene Expression Omnibus database(GEO)数据库中下载卵巢癌基因表达数据集,运用limma软件包分析筛选卵巢...目的:基于卵巢癌竞争性内源RNA(ceRNA)调控网络构建预后风险模型,为预测卵巢癌患者预后规律及优化诊疗方案提供参考依据。方法:从Gene Expression Omnibus database(GEO)数据库中下载卵巢癌基因表达数据集,运用limma软件包分析筛选卵巢癌差异表达基因并构建lncRNA-microRNA-mRNA(ceRNA)调控网络。选取两个含有患者临床预后信息的数据集分别作为训练集和验证集构建卵巢癌预后风险模型,首先利用单因素Cox回归筛选出调控网络中与预后相关的基因,其次运用多因素Cox回归构建疾病预后风险模型。再次采用生存曲线(K-M曲线)和受试者工作特征曲线(ROC曲线)等方式评价模型的效能和稳健性。最后通过实时荧光定量聚合酶链式反应(RT-qPCR)验证模型基因在临床样本的表达水平。结果:筛选得到733个卵巢癌差异表达基因,通过预测差异基因之间的调控关系成功构建包含134个差异基因的ceRNA调控网络。运用Cox回归构建得到包含5个关键基因(WASF3、SNAI2、PDE8B、PCDH17、RNF128)的卵巢癌多基因预后模型,K-M曲线提示高风险组较低风险组的总体生存率更好(P<0.01),训练集第1、第2、第3年ROC曲线下面积分别为0.702、0.737、0.741,验证第1、第2、第3年ROC曲线下面积分别为0.652、0.653、0.667,证实模型具有良好的预测效能和稳健性。基因表达验证表明WASF3、SNAI2和PDE8B表达在卵巢癌组织中下调并且差异具有统计学意义(P<0.05),PCDH17和RNF128呈下调趋势。结论:基于ceRNA调控网络所构建的预后风险模型在卵巢癌预后诊断中具有良好的效能和稳健性,有利于进一步指导临床治疗。展开更多
文摘目的:探究阿托西班在宫颈机能不全患者中的应用效果、安全性及对宫颈弹性成像参数的影响。方法:将2021年6月—2023年6月连云港市妇幼保健院收治的80例宫颈机能不全患者根据随机数表法分为两组。对照组的40例患者进行常规宫颈环扎术治疗,观察组的40例患者则在对照组的基础上采用阿托西班进行治疗。比较两组的延长妊娠时间、终止妊娠时间、不良反应发生率、并发症发生率、妊娠结局(足月率、早产率及流产率)、新生儿结局(存活率、肺发育不良率、1 min及5 min Apgar评分)及治疗前后的宫颈弹性成像参数(ECI、HR及EOS)情况。结果:观察组的延长妊娠时间及终止妊娠时间显著长于对照组,差异有统计学意义(P<0.05);两组的不良反应发生率及流产率比较,差异无统计学意义(P>0.05);观察组的并发症发生率、早产率及肺发育不良率显著低于对照组,足月率、存活率、1 min及5 min Apgar评分显著高于对照组,差异有统计学意义(P<0.05);治疗前两组的宫颈弹性成像参数比较,差异无统计学意义(P>0.05);治疗后观察组的ECI及EOS显著低于对照组及治疗前,HR则显著高于对照组及治疗前,差异有统计学意义(P<0.05)。结论:阿托西班在宫颈机能不全患者中的应用效果较好,安全性较高,且可显著改善患者的宫颈弹性成像参数。
文摘图聚类可以发现网络中的社区结构,是复杂网络分析中的一项重要任务。针对不同节点的聚类难度各异的问题,提出了一种基于节点聚类复杂度的图聚类算法(Graph Clustering Algorithm Based on Node Clustering Complexity,GCNCC),用于判断节点的聚类复杂度,为聚类复杂度低的节点赋予伪标签,利用伪标签提供的监督信息降低其他节点的聚类复杂度,进而得到网络聚类结果。GCNCC包括节点表示、节点聚类复杂度判别和图聚类3个主要模块。节点表示模块得到保持网络集聚性的表示;节点聚类复杂度判别模块用于判断网络中的低聚类复杂度节点,并利用低聚类复杂度节点的伪标签信息来优化更新网络中其他节点的聚类复杂度;图聚类模块采用标签传播方法,将低聚类复杂度节点标签传播给高聚类复杂度节点,以得到聚类结果。在3个真实的引文网络和3个生物数据集上与9种经典算法进行对比,算法GCNCC在ACC,NMI,ARI和F1等方面均表现良好。
文摘目的:基于卵巢癌竞争性内源RNA(ceRNA)调控网络构建预后风险模型,为预测卵巢癌患者预后规律及优化诊疗方案提供参考依据。方法:从Gene Expression Omnibus database(GEO)数据库中下载卵巢癌基因表达数据集,运用limma软件包分析筛选卵巢癌差异表达基因并构建lncRNA-microRNA-mRNA(ceRNA)调控网络。选取两个含有患者临床预后信息的数据集分别作为训练集和验证集构建卵巢癌预后风险模型,首先利用单因素Cox回归筛选出调控网络中与预后相关的基因,其次运用多因素Cox回归构建疾病预后风险模型。再次采用生存曲线(K-M曲线)和受试者工作特征曲线(ROC曲线)等方式评价模型的效能和稳健性。最后通过实时荧光定量聚合酶链式反应(RT-qPCR)验证模型基因在临床样本的表达水平。结果:筛选得到733个卵巢癌差异表达基因,通过预测差异基因之间的调控关系成功构建包含134个差异基因的ceRNA调控网络。运用Cox回归构建得到包含5个关键基因(WASF3、SNAI2、PDE8B、PCDH17、RNF128)的卵巢癌多基因预后模型,K-M曲线提示高风险组较低风险组的总体生存率更好(P<0.01),训练集第1、第2、第3年ROC曲线下面积分别为0.702、0.737、0.741,验证第1、第2、第3年ROC曲线下面积分别为0.652、0.653、0.667,证实模型具有良好的预测效能和稳健性。基因表达验证表明WASF3、SNAI2和PDE8B表达在卵巢癌组织中下调并且差异具有统计学意义(P<0.05),PCDH17和RNF128呈下调趋势。结论:基于ceRNA调控网络所构建的预后风险模型在卵巢癌预后诊断中具有良好的效能和稳健性,有利于进一步指导临床治疗。