期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于机器学习构建非酒精性脂肪性肝病预测模型 被引量:1
1
作者 刘璐 朱锦舟 +4 位作者 刘晓琳 王超 殷民月 高静雯 许春芳 《肝脏》 2023年第4期469-473,共5页
目的利用H2O平台自动化机器学习(AutoML)框架,建立非酒精性脂肪性肝病的预测模型。方法收集苏州大学附属第一医院体检中心人员资料。利用临床结构化数据,基于H2O AutoML框架,建立预测非酒精性脂肪性肝病发病的多种机器学习算法模型,绘制... 目的利用H2O平台自动化机器学习(AutoML)框架,建立非酒精性脂肪性肝病的预测模型。方法收集苏州大学附属第一医院体检中心人员资料。利用临床结构化数据,基于H2O AutoML框架,建立预测非酒精性脂肪性肝病发病的多种机器学习算法模型,绘制ROC曲线并建立混淆矩阵来评价模型效力,同时对重要变量进行可视化呈现。结果自动化建立28个机器学习模型。最佳模型为梯度提升机(GBM),Gini值为0.80,R2为0.42,LogLoss为0.45。模型中重要性绝对值排名前五的变量为:三酰甘油(95%CI:-1.053~-0.887)、天冬氨酸转氨酶(95%CI:-20.433~-16.927)、高密度脂蛋白(95%CI:0.232~0.268)、铁蛋白(95%CI:-80.533~-68.607)及血糖(95%CI:-0.576~-0.424)。最佳模型GBM在验证集中特异度为0.818,敏感度为0.715,AUC为0.766,优于基于XGBoost、逻辑回归、随机森林和深度学习等算法类型。结论非酒精性脂肪性肝病的机器学习模型为筛查非酒精性脂肪性肝病患者提供了新的诊疗思路。 展开更多
关键词 非酒精性脂肪性肝病 自动化机器学习 预测模型
下载PDF
急性非静脉曲张性上消化道出血患者再出血预测模型和新型评分系统的构建 被引量:17
2
作者 奚黎婷 朱锦舟 +3 位作者 虞晨燕 倪柳菁 许春芳 吴爱荣 《上海交通大学学报(医学版)》 CAS CSCD 北大核心 2021年第11期1491-1497,共7页
目的·分析急性非静脉曲张性上消化道出血(acute nonvariceal upper gastrointestinal bleeding,ANVUGIB)患者再出血的独立危险因素,构建再出血预测模型及风险评分系统。方法·收集2016年1月1日至2019年12月31日苏州大学附属第... 目的·分析急性非静脉曲张性上消化道出血(acute nonvariceal upper gastrointestinal bleeding,ANVUGIB)患者再出血的独立危险因素,构建再出血预测模型及风险评分系统。方法·收集2016年1月1日至2019年12月31日苏州大学附属第一医院收治的686例ANVUGIB患者的病例资料,记录患者的一般情况、临床表现、实验室检查结果、内镜下表现、病情转归等,并计算所有患者的内镜前Baylor、内镜后Baylor、Rockall、GBS (Glasgow Blatchford Score)、CSMCPI (Cedars-Sinai Medical Center Predictive Index)、AIMS65、MAP (ASH)评分。将所收集的病例按7∶3随机分成建模组(n=481)和验证组(n=205),使用建模组数据建立模型。将单因素分析中有意义的变量(P<0.1)纳入Logistic回归分析,探究再出血的独立危险因素,构建再出血风险预测模型并进行内部验证,分别评价建模组及验证组的区分度及校准度,最终将模型转换为风险评分系统。受试者操作特征(receiver operating characteristic,ROC)曲线效能的比较采用Delong统计法。结果·低收缩压,低血红蛋白水平,美国麻醉医师协会(American Society of Anesthesiologists,ASA)分级>3级,内镜下呈现为血凝块、血管裸露、活动性出血是再出血的独立危险因素。预测模型的ROC曲线下面积(area under the curve,AUC)为0.892 (95%CI 0.838~0.946,P=0.001),Hosmer-Lemeshow检验P=0.934;内部验证AUC=0.915 (95%CI 0.851~0.980,P=0.001);Hosmer-Lemeshow检验P=0.871。该风险评分系统的AUC=0.882 (95%CI 0.823~0.942),对再出血的预测能力优于除MAP (ASH)评分以外的其余各项评分(均P<0.05)。结论·该研究建立的评分系统对ANVUGIB再出血具有良好的预测能力,具有一定的临床应用价值。 展开更多
关键词 急性非静脉曲张性上消化道出血 预测模型 评分系统 再出血
下载PDF
高密度脂蛋白胆固醇预测肝硬化患者预后研究 被引量:3
3
作者 虞晨燕 高静雯 +3 位作者 殷民月 吴爱荣 朱锦舟 刘晓琳 《肝脏》 2021年第7期727-731,共5页
目的探讨高密度脂蛋白胆固醇(HDL-C)水平在非胆汁淤积性肝硬化患者预后中的预测作用。方法选取2017年1月至2020年12月至苏州大学附属第一医院就诊的肝硬化患者,收集患者入院第一天的血常规、生物化学指标、血凝常规等检查结果,并计算MEL... 目的探讨高密度脂蛋白胆固醇(HDL-C)水平在非胆汁淤积性肝硬化患者预后中的预测作用。方法选取2017年1月至2020年12月至苏州大学附属第一医院就诊的肝硬化患者,收集患者入院第一天的血常规、生物化学指标、血凝常规等检查结果,并计算MELD评分、MELD-Na评分及ALBI评分,比较存活组与死亡组患者的上述指标。采用受试者操作特征曲线下面积评估HDL-C及不同评分判断肝硬化患者预后的能力。结果共纳入684例肝硬化患者,其中在院期间死亡94例,存活590例。HDL-C水平在死亡组为0.3(0.1,0.7)mmol/L,低于存活组的0.9(0.6,1.2)mmol/L,差异有统计学意义(U=12869.0,P<0.01)。多因素logistic回归分析提示,年龄、白细胞计数、肌酐水平的提高及HDL-C水平的下降是肝硬化预后不良的危险因素(P<0.05)。HDL-C水平、MELD评分、MELD-Na评分及ALBI评分预测肝硬化死亡的AUROC分别为0.768(95%CI:0.768~0.819)、0.751(95%CI:0.691~0.810)、0.747(95%CI:0.686~0.807)、0.715(95%CI:0.659~0.770);HDL-C联合MELD评分的AUROC为0.803(95%CI:0.753~0.852),灵敏度和特异度分别为74.5%和74.2%。结论HDL-C是肝硬化患者预后的强有力的预测因子,采用HDL-C联合MELD评分的预测能力高于单一指标。 展开更多
关键词 高密度脂蛋白胆固醇 肝硬化 MELD评分 MELD-Na评分 ALBI评分
下载PDF
Safety and efficacy of polymer-free paclitaxel-eluting microporous stent in real-world practice: 1-year follow-up of the SERY-I registry 被引量:3
4
作者 Zhang Rui-yan Zhang Qi +26 位作者 zhu jin-zhou Chen Liang-long Zhang Chen-yun Zhou Xu-chen Yuan Yong Zhong Zhi-xiong Li Lang Qiu Jian Wang Wei Chen Xi-ming Yang Zhi-jian Yan Jin-chuan Chen Shao-liang Hou Yu-qing Wu Yan-qing Luo Hai-ming Qiu Jian-ping zhu Li Wang Yan Fu Guo-sheng Wang Jian-an Ma Kang-hua Yin Yue-hui Zhang Dai-fu Hu Xue-song zhu Guo-ying Shen Wei-feng 《Chinese Medical Journal》 SCIE CAS CSCD 2011年第21期3521-3526,共6页
Background Polymer coating on coronary stents induces vascular inflammatory response, reduces re-endothelialization, and affects long-term outcome after percutaneous coronary intervention (PCI). The SERY-1 registry ... Background Polymer coating on coronary stents induces vascular inflammatory response, reduces re-endothelialization, and affects long-term outcome after percutaneous coronary intervention (PCI). The SERY-1 registry aimed to determine whether a novel polymer-free paclitaxel-eluting microporous Yinyi stent could improve 1-year outcome after index procedure in real-world clinical practice. Methods Clinical and angiographic data and follow-up outcome were collected in 1045 patients who underwent PCI with implantation of 〉1 Yinyi stents between June 2008 and August 2009 at 27 medical centers. The primary endpoint was the cumulative rate of composite major adverse cardiac events (MACE) and the secondary endpoint was the incidence of stent thrombosis at 1 year. Results Overall, 1376 lesions were treated successfully with 1713 Yinyi stents, and 1019 (98.7%) patients received dual antiplatelet therapy for at least 12 months. During 1-year follow-up, 8 patients (0.78%) had cardiac death, 6 (0.58%) suffered non-fatal myocardial infarction, and 46 (4.46%) underwent repeat PCI due to recurrence of angina, resulting in 1-year MACE-free survival of 94.09%. Stent thrombosis occurred in 10 (0.97%) patients, and the rate of Academic Research Consortium (ARC) definite or probable stent thrombosis was 0.78%. Conclusions Polymer-free paclitaxel-eluting microporous Yinyi stent is effective and safe for interventional treatment of coronary artery disease in real-world clinical practice, without recourse to carrier polymer. Potential long-term clinical advantages of this stent deserve further investigation. 展开更多
关键词 polymer-free microporous stent paclitaxel-eluting stent stent thrombosis
原文传递
自动化机器学习在剖宫产术后尿潴留预测模型中的应用
5
作者 王芳 胡星 +1 位作者 朱锦舟 崔欢欢 《医学信息》 2023年第5期41-45,共5页
目的利用自动化机器学习方法,建立剖宫产术后尿潴留预测模型。方法选取我院2018年1月-2022年1月手术室220例行剖宫产住院产妇,根据是否发生术后尿潴留结局分为尿潴留组(38例)和无尿潴留组(182例)。比较两组生育史及术中术后临床资料,利... 目的利用自动化机器学习方法,建立剖宫产术后尿潴留预测模型。方法选取我院2018年1月-2022年1月手术室220例行剖宫产住院产妇,根据是否发生术后尿潴留结局分为尿潴留组(38例)和无尿潴留组(182例)。比较两组生育史及术中术后临床资料,利用H_(2)O平台自动化机器学习框架,建立针对术后尿潴留结局的预测模型,通过绘制ROC曲线,计算曲线下面积(AUC)以评价模型的预测能力,并对模型特征进行可视化呈现。结果两组疼痛评分、孕前BMI、产次、剖宫产史、胎儿体重、麻醉时间、手术时间、麻醉方式、尿管拔除时间及焦虑情况比较,差异有统计学意义(P<0.05);最佳模型为梯度提升机模型(GBM),Gini值0.987,R^(2)为0.653,LogLoss为0.168;模型中重要变量包括疼痛评分、焦虑、麻醉时间、产次、麻醉方式、拔尿管时间及孕前BMI;变量SHAP特征图呈现了变量与模型整体预测的相关性,LIME反映在具体案例中变量的角色;GBM模型的ROC下面积为0.909(95%CI:0.880~0.939),准确度0.947,特异度为0.962,敏感度0.856。结论基于GBM算法的剖宫产后尿潴留预测模型显示出良好的区分能力,可作为潜在的产后并发症风险初筛工具。 展开更多
关键词 剖宫产 尿潴留 自动化机器学习 预测模型 SHAP可视化 LIME可视化
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部