期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
宫颈LEEP术后发生宫颈管粘连风险模型构建及验证
1
作者 牟大英 李艺 +5 位作者 路祥会 黄露 陈雪梅 谢盛言 李坪原 谢月 《重庆医科大学学报》 CAS CSCD 北大核心 2024年第1期80-84,共5页
目的:分析子宫颈环形电切术(loop electrosurgical excision procedure,LEEP)术后发生宫颈管粘连的危险因素,建立并验证风险预测模型。方法:本研究前瞻性选取2021年9月至2022年4月遵义市第一人民医院子宫颈鳞状上皮内病变(cervical squa... 目的:分析子宫颈环形电切术(loop electrosurgical excision procedure,LEEP)术后发生宫颈管粘连的危险因素,建立并验证风险预测模型。方法:本研究前瞻性选取2021年9月至2022年4月遵义市第一人民医院子宫颈鳞状上皮内病变(cervical squamous intraepithelial lesion,SIL)且行LEEP治疗的200例患者作为研究对象。根据LEEP术后有无发生宫颈管粘连分为粘连组(n=45)和未粘连组(n=155),采用单因素和多因素logistic回归分析LEEP术后发生宫颈管粘连的影响因素,基于筛选得到的危险因素建立列线图模型,并对模型的精准度进行验证。结果:年龄(OR=1.152,95%CI=1.063~1.249)、创面出血(OR=6.602,95%CI=2.652~16.436)、创口感染(OR=6.288,95%CI=2.357~16.772)、切除深度(OR=3.383,95%CI=1.367~8.373)是宫颈管粘连发生的独立危险因素。验证结果:一致性指数(concordance index,CI)为0.904;Hosmer-Lemeshow提示该列线图模型预测LEEP术后发生宫颈管粘连的风险预测值与实际观测值比较,差异未显示统计学意义(χ^(2)=1.810,P=0.840);列线图模型预测LEEP术后发生宫颈管粘连的校正曲线趋近于理想曲线,验证前后的平均绝对误差为0.033;列线图模型预测LEEP术后发生宫颈管粘连的校正曲线和受试者工作特征(receiver operating characteristic curve,ROC)曲线下的面积(area under the curve,AUC)为0.904(95%CI=0.858~0.950),灵敏度为0.933,特异度为0.768。结论:本研究构建的SIL行LEEP术后患者宫颈管粘连发生风险预测模型效果良好,可以有效预测宫颈管粘连的发生,可为早期对患者采取预防性干预措施提供参考。 展开更多
关键词 宫颈LEEP术 宫颈管粘连 风险模型构建
下载PDF
糖尿病患者发生医院内感染的影响因素风险预警模型构建与预防
2
作者 张文华 劳景茂 《现代医药卫生》 2024年第10期1665-1668,1673,共5页
目的探讨糖尿病患者发生医院内感染的影响因素、预警模型构建及预防措施。方法收集2020年1月至2023年1月该院内科收治的1059例糖尿病住院患者的临床资料,分析发生医院内感染的分布特点和危险因素并构建预警模型,总结护理预防措施。结果1... 目的探讨糖尿病患者发生医院内感染的影响因素、预警模型构建及预防措施。方法收集2020年1月至2023年1月该院内科收治的1059例糖尿病住院患者的临床资料,分析发生医院内感染的分布特点和危险因素并构建预警模型,总结护理预防措施。结果1059例患者中发生医院内感染63例,发生率为5.95%,其中下呼吸道感染占55.56%(35/63),胃肠道感染占17.46%(11/63),泌尿道感染占12.70%(8/63),口腔感染占6.35%(4/63),皮肤感染占3.17%(2/63),足部感染占3.17%(2/63),其他占1.59%(1/63)。住院时间长、使用抗菌药物种类多、有侵入性操作、空腹血糖值高均是医院内感染的独立影响因素,差异均有统计学意义(P<0.05)。医院内感染影响因素风险预警模型为Logit(P)=-4.122-0.782×住院时间+2.598×空腹血糖+5.510×使用抗菌药物种类-2.240×侵入性操作。结论糖尿病患者医院内感染发生率较高,其危险因素预警模型预测拟合度较好,预测价值较高。住院期间积极采取有针对性的护理措施可有效预防医院内感染。 展开更多
关键词 糖尿病 交叉感染 影响因素分析 风险预警模型构建 预防
下载PDF
互联网金融风险收益的模型构建与实证 被引量:4
3
作者 邹新颖 《统计与决策》 CSSCI 北大核心 2017年第14期161-163,共3页
文章在互联网金融博弈经济学模型建构的基础上,以余额宝为考察对象,运用我国2013年1月1日至2015年12月31日的统计数据,对互联网金融的风险收益进行统计分析。研究结论显示:要提高互联网金融的风险安全度,促进我国互联网金融的良性健康发... 文章在互联网金融博弈经济学模型建构的基础上,以余额宝为考察对象,运用我国2013年1月1日至2015年12月31日的统计数据,对互联网金融的风险收益进行统计分析。研究结论显示:要提高互联网金融的风险安全度,促进我国互联网金融的良性健康发展,应规范互联网金融交易程序,严惩互联网违法行为,强化互联网的投资监管和风险控制管理。 展开更多
关键词 互联网金融 余额宝 风险收益模型构建
下载PDF
中小学学校安全风险评估模型构建
4
作者 刘占柱 李占魁 《东西南北(教育)》 2018年第10期345-345,共1页
对中小学学校安全风险评估模型构建开展学校安全风险信息的采集和分析工作,首先要进行前期调研,了解调查方法,明确学校安全风险评估的工作内容,从而建立学校安全风险评估模型和合理的评估指标体系。
关键词 安全风险评估模型构建 评估指标体系
下载PDF
手术室患者术中压力性损伤风险预测模型构建及验证 被引量:8
5
作者 尹青 《国际护理学杂志》 2021年第16期3047-3050,共4页
目的构建手术室患者在手术中出现压力性损伤的风险预测模型并对其进行验证。方法选取2016年10月至2019年7月于济南市中心医院手术室行手术治疗的患者138例,通过对可能发生压力性损伤的影响因素进行单因素分析和二元Logistic回归分析,根... 目的构建手术室患者在手术中出现压力性损伤的风险预测模型并对其进行验证。方法选取2016年10月至2019年7月于济南市中心医院手术室行手术治疗的患者138例,通过对可能发生压力性损伤的影响因素进行单因素分析和二元Logistic回归分析,根据所得结果建立手术室患者术中压力性损伤风险预测模型,对模型进行内部验证,采用R软件基于风险预测模型构建列线图。结果在138例研究对象中有34例患者发生了压力性损伤(24.6%)。单因素分析结果显示,手术时间(≥2.5 h)、术中出血量(≥80 ml/h)、气管内全麻、年龄(≥60岁)、体重指数(BMI)(≥25 kg/m2)是影响压力性损伤形成的风险因素。经二元Logistic回归分析得出手术时间≥2.5 h、术中出血量≥80 ml/h、气管内全麻、年龄≥60岁、BMI≥25 kg/m2为手术室患者压力性损伤发生的独立危险因素,以此建立手术室患者术中压力性损伤风险预测模型,计算C-统计量为0.984,计算ROC曲线下面积和基于预测模型的校准图,根据列线图预测的手术室患者术后压力性损伤形成的概率与实际观察到的压力性损伤形成的概率之间存在一致性。结论可将手术时间、术中出血量、麻醉方式、年龄、BMI等作为构建手术室患者术中压力性损伤风险预测模型的一部分,但影响手术室压力性损伤的风险因素较多,临床在对已知的风险进行干预的同时,仍需持续观察不同手术患者个体性差异的风险因素,以降低手术患者压力性损伤的发生率。 展开更多
关键词 手术室 压力性损伤 风险模型构建
原文传递
Construction of Risk Assessment Application Model of Epidemic Disease in Large-scale Pig Farms 被引量:1
6
作者 谭业平 刘强 +3 位作者 胡肄农 郁达威 何孔旺 陆昌华 《Agricultural Science & Technology》 CAS 2016年第9期2124-2126,共3页
The application model of epidemic disease assessment technology for Web-based large-scale pig farm was expounded from the identification of epidemic disease risk factors, construction of risk assessment model and deve... The application model of epidemic disease assessment technology for Web-based large-scale pig farm was expounded from the identification of epidemic disease risk factors, construction of risk assessment model and development of risk assessment system. The assessed pig farm uploaded the epidemic disease risk data information through on-line answering evaluating questionnaire to get the immediate evaluation report. The model could enhance the risk communication between pig farm veterinarian, manager and veterinary experts to help farm system understand and find disease risk factors, assess and report the potential high risk items of the pig farm in the three systems of engineering epidemic disease prevention technology, biological safety and immune monitoring, and promote the improvement and perfection of epidemic disease prevention and control measures. 展开更多
关键词 Large-scale pig farm Risk assessment of epidemic disease Model construction
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部