危险度预测联合肺栓塞排除标准对剖宫产术后肺栓塞的诊断价值

目的:探讨肺栓塞危险度预测评分(Wells)评分联合肺栓塞排除标准(PERC)积分在剖宫产术后肺栓塞诊断中的应用价值。方法:回顾性分析河南科技大学第一附属医院2008年1月至2016年12月期间,收治的65例剖宫产术后临床拟诊肺栓塞患者,选择CT肺动脉造影(CTPA)作为确诊金标准,计算Wells评分为高中低度,评定PERC积分,分析Wells评分和PERC积分在剖宫产术后肺栓塞诊断中的价值。结果:65例患者中,32例确诊肺栓塞,排除肺栓塞33例(50.7%)。32例肺栓塞患者中高Wells评分14例(43%),特异性78%,阳性预测值66%,阴性预测值59%;PERC评分中完全排除肺栓塞为0,针对高Wells评分组联合PERC评分,肺栓塞阴性组平均得分(1.6±1.12)分,肺栓塞阳性组(4.8±1.06)分,两组比较差异有统计学意义,其中心率<100次/min、PaO2(吸入空气)>94%,在肺栓塞排除诊断中有重要价值(P<0.05)。结论:Wells评分及PERC积分在剖宫产术后肺栓塞诊断中具有重要价值;高Wells评分联合PERC积分可减少剖宫产术后肺栓塞的过度诊断。

基于数据挖掘技术的肺癌危险度预测模型的构建

目的 借助数据挖掘技术,联合流行病学特征和临床症状资料构建肺癌危险度预测模型,评价各模型用于肺癌危险度预测的性能,并筛选出最优模型。方法 选取460例肺癌患者和560例肺良性疾病患者为研究对象,收集其流行病学特征和临床症状共16个自变量。将研究对象按照3∶1的比例随机分为训练集与测试集,应用支持向量机(support vector machine, SVM)、决策树C5.0和人工神经网络(artificial neural network, ANN)分别建立肺癌危险度预测模型,并比较不同模型的预测性能。结果 经特征提取,痰中带血、发热出汗和吸烟史等9个变量被筛选为有效变量,用来构建肺癌危险度预测模型。测试集中SVM、决策树C5.0和ANN模型的灵敏度分别为74.1%、62.5%和92.9%;特异度分别为76.2%、80.4%和64.3%;阳性预测值分别为70.9%、71.4%和67.1%;阴性预测值分别为79.0%、73.2%和92.0%;准确度分别为75.3%、72.5%和76.9%;曲线下面积分别为0.752(95%CI:0.694~0.803)、0.715(95%CI:0.655~0.769)和0.786(95%CI:0.730~0.835)。结论 ANN预测模型的整体性能优于SVM模型和决策树C5.0模型,在肺癌高危人群的筛查中具有潜在的应用价值。

危险度分析、预测及干预模式

基于流行病学的群体观及概率思想 ,对危险因子的含义及危险度分析中的几种效应指标进行系统阐述 ,并用线性图形直观地介绍了危险—暴露关联的人群预测及STD的干预实例。

STUDY ON THE METHOD FOR FORECASTING DANGEROUSNESS OF COAL FACE AND HEADING FACE OUTBURST BY TWO TEMPERATURE INDEXES

In line with the sensitivity of coal drillings temperature and coalbed temperature to the dangerous zone of coal and gas outburst, two temperature sensitive indexes (△Tm, △tm) for forecasting dangerousness of coal face and heading face outburst are defined, and deal with the foundation on drillings and coalbed temperatures used as sensitive indexes and the principle and method of determining drillings and coalbed temperatures. On the basis of this, we put forward the method for forecasting dangerousness of coal face and heading face outburst by two temperature sensitive indexes and determine the critical values of two temperature sensitive indexes (△Tm= 5.5℃, △tm = 4.5℃) by in-situ observation and requirement for determining sensitive index.

基于声发射特性的玻璃绝缘子污闪预测模型

绝缘子污秽闪络是电力系统不可忽视的灾害之一,绝缘子污秽局部放电声信号可以有效反映绝缘子接近污闪的"危险情况"。首先,在人工污秽实验室内进行大量试验,模拟不同可溶污秽附着密度(soluble contamination density,SCD)、不同灰密对玻璃绝缘子声发射信号的影响。之后,提取了污秽放电声发射信号2个典型特征量并分析了其变化规律。然后,建立了基于广义回归神经网络(general regression neural network,GRNN)的绝缘子外绝缘危险度预测模型,提取7个有效声发射特征量作为GRNN模型的输入,以绝缘子污秽闪络的危险度系数作为输出,得到不同可溶物、不同SCD下的预测结果。结果表明:基于声发射特性的GRNN预测模型准确性较高,声发射特征量的变化受到SCD的影响较大,SCD越低,特征量随机性变化越大,GRNN模型的预测准确性随之降低。所提模型为不同污秽度地区采用声发射测量法监测绝缘子外绝缘状况提供了可信度参考。