目的探索肝硬化门脉性肺动脉高压(POPH)的危险因素,构建无创化预测模型。方法回顾性分析2013年1月—2022年8月在河北医科大学第三医院住院的310例肝硬化门静脉高压患者的临床资料,依据超声估测的肺动脉收缩压是否≥40 mm Hg分为POPH组(n...目的探索肝硬化门脉性肺动脉高压(POPH)的危险因素,构建无创化预测模型。方法回顾性分析2013年1月—2022年8月在河北医科大学第三医院住院的310例肝硬化门静脉高压患者的临床资料,依据超声估测的肺动脉收缩压是否≥40 mm Hg分为POPH组(n=31)和非POPH组(n=279)。符合正态分布的计量资料2组间比较采用成组t检验,不符合正态分布的计量资料2组间比较采用Mann-Whitney U检验;计数资料2组间比较采用χ^(2)检验或Fisher确切概率法。应用二元Logistic回归分析筛选独立危险因素,并构建列线图预测模型,采用Bootstrap重抽样法进行内部验证,用C指数和校准曲线评价模型区分度和一致性。用rms包绘制列线图。结果与非POPH组相比,POPH组平均年龄偏小,女性、肝性脑病、Child-Pugh C级占比较高,DBil、MELD评分、ALBI评分、国际标准化比值、凝血酶原时间、FIB-4指数、LOK评分、Forns指数较高,但Alb、ALT、GGT、血红蛋白、总胆固醇、甘油三酯水平较低,差异均具有统计学意义(P值均<0.05)。多因素分析结果显示,性别(OR=0.172,95%CI:0.064~0.462,P<0.001)、年龄(OR=0.944,95%CI:0.901~0.989,P=0.016)、ALBI评分(OR=3.091,95%CI:1.100~8.687,P=0.032)和肝性脑病(OR=3.466,95%CI:1.331~9.031,P=0.011)是POPH的独立影响因素。基于以上危险因素建立的肝硬化POPH预测模型的C指数为0.796(95%CI:0.701~0.890),提示模型区分度良好,校准曲线显示模型校准能力较好,提示模型具有一定预测效能。结论年轻女性、ALBI评分升高、合并肝性脑病是肝硬化患者发生POPH的独立危险因素,基于上述因素建立的预测模型具有一定的临床应用价值。展开更多
文摘目的探索肝硬化门脉性肺动脉高压(POPH)的危险因素,构建无创化预测模型。方法回顾性分析2013年1月—2022年8月在河北医科大学第三医院住院的310例肝硬化门静脉高压患者的临床资料,依据超声估测的肺动脉收缩压是否≥40 mm Hg分为POPH组(n=31)和非POPH组(n=279)。符合正态分布的计量资料2组间比较采用成组t检验,不符合正态分布的计量资料2组间比较采用Mann-Whitney U检验;计数资料2组间比较采用χ^(2)检验或Fisher确切概率法。应用二元Logistic回归分析筛选独立危险因素,并构建列线图预测模型,采用Bootstrap重抽样法进行内部验证,用C指数和校准曲线评价模型区分度和一致性。用rms包绘制列线图。结果与非POPH组相比,POPH组平均年龄偏小,女性、肝性脑病、Child-Pugh C级占比较高,DBil、MELD评分、ALBI评分、国际标准化比值、凝血酶原时间、FIB-4指数、LOK评分、Forns指数较高,但Alb、ALT、GGT、血红蛋白、总胆固醇、甘油三酯水平较低,差异均具有统计学意义(P值均<0.05)。多因素分析结果显示,性别(OR=0.172,95%CI:0.064~0.462,P<0.001)、年龄(OR=0.944,95%CI:0.901~0.989,P=0.016)、ALBI评分(OR=3.091,95%CI:1.100~8.687,P=0.032)和肝性脑病(OR=3.466,95%CI:1.331~9.031,P=0.011)是POPH的独立影响因素。基于以上危险因素建立的肝硬化POPH预测模型的C指数为0.796(95%CI:0.701~0.890),提示模型区分度良好,校准曲线显示模型校准能力较好,提示模型具有一定预测效能。结论年轻女性、ALBI评分升高、合并肝性脑病是肝硬化患者发生POPH的独立危险因素,基于上述因素建立的预测模型具有一定的临床应用价值。
文摘可分离压缩传感可以通过一定比例的额外测量有效地解决压缩成像问题中面临的测量矩阵维数过大的瓶颈.但是现有可分离压缩传感(separable compressive sensing,SCS)方法需要2个可分离的测量矩阵都必须是行归一化后的正交随机矩阵,其显著地限制了该方法的应用范围.将奇异值分解(singular value decomposition,SVD)方法引入可分离可压缩传感测量过程,可以有效地实现测量矩阵和重建矩阵的分离:在感知阶段可以更多地考虑测量矩阵物理易于实现的性质,如Toeplitz或Circulant等确定性结构的矩阵;在重建阶段,更多地考虑测量矩阵的优化.通过引入奇异值分解对重建阶段的测量矩阵进行优化,可以有效地改善重建性能,尤其是Toeplitz或Circulant矩阵在大尺度图像的压缩重建情形.数值实验结果验证了该方法的有效性.