基于ERA5的逐小时100m风场数据,利用时间序列K-means聚类方法,将中国沿海冬季风能年际变化划分为四个区域,分别为北中国海(NorthChina Sea,NCS)、东海(East China Sea,ECS)、南海北部(Northern South China Sea,NSCS)及南海南部(Souther...基于ERA5的逐小时100m风场数据,利用时间序列K-means聚类方法,将中国沿海冬季风能年际变化划分为四个区域,分别为北中国海(NorthChina Sea,NCS)、东海(East China Sea,ECS)、南海北部(Northern South China Sea,NSCS)及南海南部(SouthernSouthChinaSea,SSCS)。四个区域风能的年际变化受不同气候模态的影响,其中NCS风能的年际变化与北极涛动(ArcticOscillation,AO)有关;ECS风能的年际变化与中部型ENSO及西伯利亚高压有关;SSCS和NSCS的年际变化则和东部型ENSO及大陆高压的南北位置存在联系。鉴于影响各区域风能年际变化的气候模态具有较高的可预测性,进一步评估了多个气候模式对中国沿海风能年际变化的预测技巧。结果表明,气候模式对南中国海的风能年际变化预测技巧更高,这与气候模式对ENSO的高预测技巧有关。气候模式对北方海域风能年际变化的预测技巧较差,这和气候模式不能较好地预测AO和西伯利亚高压有关。展开更多
目的探讨基于临床及影像特征多元Logistic回归模型在肺部新冠病毒Omicron变异株合并细菌感染诊断中的应用价值。方法回顾性收集新冠病毒Omicron变异株合并细菌感染者74例,为A组。同时段新冠病毒Omicron变异株感染者90例,为B组。通过单...目的探讨基于临床及影像特征多元Logistic回归模型在肺部新冠病毒Omicron变异株合并细菌感染诊断中的应用价值。方法回顾性收集新冠病毒Omicron变异株合并细菌感染者74例,为A组。同时段新冠病毒Omicron变异株感染者90例,为B组。通过单因素与多因素Logistic回归分析,分别构建临床特征、CT影像特征及联合诊断模型。采用受试者操作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线(decision curve analysis,DCA)评估各个模型的预测能力、校准能力和临床效能。采用DeLong检验比较不同模型之间曲线下面积(area under the curve,AUC)的差异。结果多因素Logistic回归显示,慢性阻塞性肺疾病(简称慢阻肺)、重症肺炎、实变影、胸腔积液4个自变量是独立预测因子。临床模型、CT影像模型及联合诊断模型AUC分别为0.893(95%CI:0.843~0.943)、0.838(95%CI:0.773~0.903)、0.948(95%CI:0.915~0.981)。临床与CT影像模型之间差异不具有统计学意义(Z=1.467,P=0.142)。联合诊断模型与临床、CT影像模型间差异均具有统计学意义(Z分别为3.236、4.293,P分别为0.001、<0.001)。校准曲线表明,联合诊断模型预测概率与实际概率之间的良好一致性。DCA示联合诊断模型的净收益最大。结论基于临床及影像学特征的构建的联合诊断模型诊断效能优异,可用于新型冠状病毒Omicron变异株合并细菌感染的诊断与鉴别。展开更多
文摘基于ERA5的逐小时100m风场数据,利用时间序列K-means聚类方法,将中国沿海冬季风能年际变化划分为四个区域,分别为北中国海(NorthChina Sea,NCS)、东海(East China Sea,ECS)、南海北部(Northern South China Sea,NSCS)及南海南部(SouthernSouthChinaSea,SSCS)。四个区域风能的年际变化受不同气候模态的影响,其中NCS风能的年际变化与北极涛动(ArcticOscillation,AO)有关;ECS风能的年际变化与中部型ENSO及西伯利亚高压有关;SSCS和NSCS的年际变化则和东部型ENSO及大陆高压的南北位置存在联系。鉴于影响各区域风能年际变化的气候模态具有较高的可预测性,进一步评估了多个气候模式对中国沿海风能年际变化的预测技巧。结果表明,气候模式对南中国海的风能年际变化预测技巧更高,这与气候模式对ENSO的高预测技巧有关。气候模式对北方海域风能年际变化的预测技巧较差,这和气候模式不能较好地预测AO和西伯利亚高压有关。
文摘目的探讨基于临床及影像特征多元Logistic回归模型在肺部新冠病毒Omicron变异株合并细菌感染诊断中的应用价值。方法回顾性收集新冠病毒Omicron变异株合并细菌感染者74例,为A组。同时段新冠病毒Omicron变异株感染者90例,为B组。通过单因素与多因素Logistic回归分析,分别构建临床特征、CT影像特征及联合诊断模型。采用受试者操作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线(decision curve analysis,DCA)评估各个模型的预测能力、校准能力和临床效能。采用DeLong检验比较不同模型之间曲线下面积(area under the curve,AUC)的差异。结果多因素Logistic回归显示,慢性阻塞性肺疾病(简称慢阻肺)、重症肺炎、实变影、胸腔积液4个自变量是独立预测因子。临床模型、CT影像模型及联合诊断模型AUC分别为0.893(95%CI:0.843~0.943)、0.838(95%CI:0.773~0.903)、0.948(95%CI:0.915~0.981)。临床与CT影像模型之间差异不具有统计学意义(Z=1.467,P=0.142)。联合诊断模型与临床、CT影像模型间差异均具有统计学意义(Z分别为3.236、4.293,P分别为0.001、<0.001)。校准曲线表明,联合诊断模型预测概率与实际概率之间的良好一致性。DCA示联合诊断模型的净收益最大。结论基于临床及影像学特征的构建的联合诊断模型诊断效能优异,可用于新型冠状病毒Omicron变异株合并细菌感染的诊断与鉴别。
