2型糖尿病患者认知功能障碍风险预测模型的构建

目的探讨2型糖尿病患者认知功能障碍的影响因素并构建风险预测模型。方法采用便利抽样法选取2022年6—12月延安大学附属医院133例2型糖尿病患者为研究对象,分为非认知功能障碍组(n=63)和认知功能障碍组(n=70)。通过Logistic回归分析评估认知功能障碍的影响因素并构建风险预测模型,通过Hosmer-Lemeshow检验检测模型的拟合度,通过受试者工作特征曲线、曲线下面积等判断预测模型对认知功能障碍的诊断价值。结果2型糖尿病患者认知功能障碍患病率为52.6%。基于Logistic回归分析结果,将受教育时间(OR=0.297)、糖尿病病程(OR=3.141)、纤维蛋白原水平(OR=5.118)纳入风险预测模型。结论利用受教育时间、糖尿病病程和纤维蛋白原水平可以有效预测2型糖尿病患者发生认知功能障碍的风险。

HER2阴性乳腺癌化疗患者复发转移的影响因素及风险预测模型构建

目的探讨人表皮生长因子受体-2(HER2)阴性乳腺癌化疗患者复发转移的影响因素,并构建风险预测模型。方法回顾性分析180例接受新辅助化疗的HER2阴性乳腺癌患者病历资料和随访资料,根据2年内复发转移情况将患者分为复发转移组(35例)和未复发转移组(145例)。采用Logistic回归分析HER2阴性乳腺癌化疗患者复发转移的影响因素,依据回归分析结果构建风险预测模型,计算一致性指数(C-index)检验模型准确性。绘制受试者工作曲线(ROC),以曲线下面积(AUC)检验风险预测模型对HER2阴性乳腺癌化疗患者复发转移的预测价值。结果复发转移组和未复发转移组在月经状态、临床分期、p53蛋白、Ki-67、VEGF方面比较,差异有统计学意义(P<0.05)。Logistic回归分析显示,月经状态、临床分期、p53蛋白、Ki-67、VEGF是HER2阴性乳腺癌化疗患者复发转移的影响因素(P<0.05)。基于上述因素构建风险预测模型,结果显示该列线图模型的校准曲线和Y=X直线相近,模型校准度良好,C-index值为0.844,提示该模型具有良好区分度。绘制ROC曲线发现,列线图风险预测模型预测HER2阴性乳腺癌化疗患者复发转移的AUC为0.844。结论月经状态、临床分期、p53蛋白、Ki-67、VEGF是HER2阴性乳腺癌化疗患者复发转移的影响因素,基于上述影响因素构建的风险预测模型可有效评估患者复发转移。

2型糖尿病患者合并骨质疏松风险预测模型的范围综述

目的对2型糖尿病患者并发骨质疏松的风险预测模型进行范围综述,为疾病科学防治及未来临床护理工作提供借鉴。方法系统检索中英文数据库,对纳入文献进行文献偏倚风险评估,提取2型糖尿病患者骨质疏松发生率、模型构建情况、模型预测因子及性能等信息,并进行风险预测模型预测因子分类。结果共纳入16项研究,涉及16个模型,2型糖尿病患者骨质疏松的患病率为14.4%~54.08%。模型效能总体较好,但模型构建的方法单一。年龄、糖尿病病程和体质指数是2型糖尿病患者并发骨质疏松风险预测模型的重要因子。结论临床护理人员应重视2型糖尿病患者并发骨质疏松的高危因素,精准选择性能良好的评估工具指导护理实践。可借助可视化手段构建预测性能好、实用性强的模型,并通过前瞻性、多中心、外部验证不断优化模型,以期达到最佳的预测效果,便于及时干预。

2型糖尿病肾病患者并发肌少症的危险因素分析及风险评估模型构建

目的分析2型糖尿病肾病患者并发肌少症的危险因素,构建并发肌少症的风险评估模型。方法回顾性分析2020年3月至2021年4月河北医科大学第一医院收治的125例2型糖尿病肾病患者的临床资料。根据是否并发肌少症分为非肌少症组(86例)和肌少症组(39例)。收集比较2组的临床资料,以多因素Logistic回归模型分析影响2型糖尿病肾病并发肌少症的危险因素。根据Logistic多因素回归分析各独立危险因素的回归系数构建风险评估模型,并采用受试者工作特征(ROC)曲线与Hosmer-Lemeshow(H-L)检验对风险评估模型进行评价。结果肌少症组年龄、糖尿病病程、空腹血糖及糖化血红蛋白水平均大于/长于/高于非肌少症组,体重指数、维生素D水平及骨密度均低于非肌少症组,差异均有统计学意义(均P<0.05)。多因素Logistic回归分析结果显示,年龄、体重指数、维生素D水平、骨密度为2型糖尿病肾病患者并发肌少症的危险因素(比值比=3.511、4.688、5.323、3.155,均P<0.05)。风险评估模型的ROC曲线下面积及95%置信区间为0.809(0.732~0.895),H-L检验结果为0.098,风险评估效能较好。取6分为临界值,模型的特异度与敏感度较高。结论年龄大,体重指数、骨密度、维生素D水平低的2型糖尿病肾病患者发生肌少症的风险较高。构建风险评估模型有助于评估风险,针对分值≥6分的患者应及早采取措施进行干预。

2型糖尿病患者并发糖尿病肾病的危险因素及Nomogram风险预测模型构建

目的:探讨2型糖尿病患者并发糖尿病肾病(DN)的危险因素,并构建Nomogram风险预测模型。方法:选取2020年5月至2022年12月首都医科大学附属北京友谊医院收治的2型糖尿病患者200例作为研究对象,根据是否并发DN,分为合并DN组(n=76)和未合并DN组(n=124),收集所有患者一般资料和血生化指标,采用多因素logistic回归分析法分析2型糖尿病患者并发DN的影响因素;采用R语言软件4.0“rms”包构建Nomogram风险预测模型。结果:合并DN组患者2型糖尿病病程≥10年占比、合并高血压占比明显高于未合并DN组(P<0.05)。合并DN组患者总胆固醇(TC)、低密度脂蛋白胆固醇(LDLC)、高敏C反应蛋白(hs-CRP)、糖化血红蛋白(HbAlc)、尿白蛋白排泄率(UAER)、肌酐(Cr)、血尿素氮(BUN)、胱抑素C(Cys C)水平明显高于未合并DN组(P<0.05),合并DN组患者高密度脂蛋白胆固醇(HDL-C)、血清C肽(FCP)、肾小球滤过率(eGFR)水平明显低于未合并DN组(P<0.05)。多因素logistic回归分析结果显示,2型糖尿病病程≥10年、合并高血压、HbAlc、UAER、PMPs、Cys C为2型糖尿病患者并发DN的独立危险因素(P<0.05)。Nomogram风险预测模型预测2型糖尿病患者发生DN的一致性指数(C-index)为0.786(95%CI:0.681~0.877),校准曲线趋于理想曲线,表明该模型具有较好的精确度。结论:2型糖尿病病程≥10年、合并高血压、HbAlc、UAER、PMPs、Cys C均为2型糖尿病患者并发DN的独立危险因素,基于血清学指标构建的Nomogram风险预测模型可更准确的评估DN发生的风险。

随机保费的Erlang(2)风险模型的赤字尾概率

研究索赔计数过程是Erlang(2)过程、保费收入为复合Poisson过程的风险模型,得到了赤字尾的分布和函数型不等式,并得到了一些指数型上界估计.

常利率Erlang(2)风险模型的破产时刻罚金折现期望值

研究了常利率下Erlang(2)风险模型,得到了破产时刻罚金折现期望值的一个二阶微分方程。利用这个二阶微分方程,对经典风险理论中的一些结果作了进一步的讨论。

常利率下有阈红利边界的Erlang(2)风险模型的罚金折现期望函数

为了精确地描述风险投资商实际的经营状况,本文将一般的Erlang(2)风险模型推广为常利率下有阈红利边界的Erlang(2)风险模型。首先利用全概率公式对风险过程进行分析,得到了模型的罚金折现期望函数所满足的积分-微分方程及积分方程,然后在不带利率时将积分方程简化为"第二类非其次Volterra积分方程",给出了罚金折现期望函数的确切表达式,最后给出了不带利率时模型的破产概率及破产前瞬时盈余和破产赤字的联合分布的表达式。

不带利率Erlang(2)风险模型的破产时刻罚金折现期望值的拉氏变换

研究了不带利率Erlang(2)风险模型,得到了破产时刻罚金折现期望值的拉氏变换,给出了拉氏变换的显示表达式。

两险种广义Erlang(2)风险模型的破产概率

本文考虑一类具有两个独立险种的风险模型的破产概率,假设该模型的两个索赔计数过程是独立的两个广义Erlang(2)过程.利用微分分析和矩阵表示,得到破产概率满足的一个积分–微分方程组及其边界条件.在索赔计数过程是普通Erlang(2)过程的情形下,证明了广义Lundberg方程有且仅有三个正的实数根,由此并结合破产概率满足的积分–微分方程组,给出了破产概率的Laplace变换.

基于HER-2相关基因构建风险模型用于膀胱癌生存预后评估

目的:探讨HER-2相关基因(the human epidermal growth factor receptor-2-related genes,HRGs)与膀胱癌生存预后的相关性,并基于HRGs构建一种膀胱癌患者生存预后的预测模型。方法:从癌症基因组图谱(the cancer genome atlas,TCGA)中下载膀胱肿瘤组织mRNA测序数据和临床数据,通过与分子签名数据库(the molecular signatures database,MSigDB)中HER-2相关的基因联合分析鉴定膀胱癌中的HRGs。利用单因素和多因素Cox回归分析进一步明确与膀胱癌生存相关的HRGs(P<0.05),并构建HRGs风险模型(HRGs risk score model,HRSM),根据风险评分取中位数将膀胱癌患者分成高风险组和低风险组。利用R语言对高风险和低风险组的患者进行生存分析,并对HRGs与临床特征的相关性进行分析。利用多因素Cox回归分析,验证影响膀胱癌患者预后的独立因素。计算HRSM的受试者工作特征曲线(receiver operating characteristic curve,ROC)下的面积(area under the curve,AUC),并构建诺模图(nomogram)对膀胱癌患者进行生存预测。利用TIMER数据库对HRSM和患者免疫细胞浸润相关性进行分析。结果:共鉴定到13个与患者生存相关的HRGs。通过多因素Cox回归分析,筛选出5个基因(BTC、CDC37、EGF、PTPRR和EREG)构建HRSM,高风险组的膀胱癌患者5年生存率明显低于低风险组患者。通过临床相关性分析发现,PTPRR的高表达与肿瘤分级、分期呈显著负相关,而EREG的高表达与肿瘤分级、分期呈正相关;EGF表达量的增加和患者的高级别有相关性,而CDC37的高表达却呈现出了相反的结果;BTC的表达与临床特征无显著相关性。通过对HRSM与免疫细胞的相关性分析发现,风险评分与树突状细胞、CD8+T细胞、CD4+T细胞、中性粒细胞和巨噬细胞的浸润呈正相关。结论:HRGs对膀胱癌患者的预后有重要作用,可能作为新的预测性生物标志物和治疗的潜在靶点。

带干扰的Erlang(2)风险模型破产概率的分解

本文研究了带干扰的Erlang(2)风险模型的破产概率.利用延迟更新方法以及全概率公式,获得了积分表达式、二次连续可微性以及微分方程,并且讨论了索赔额分布为指数分布时的情形.

带干扰的Erlang(2)风险模型罚金函数的期望(英文)

考虑了带干扰的 Erlang(2)风险模型罚金函数的期望,利用建立的积分一微分方程,得出了期望的明确表达式.

二级保费率下Erlang(2)过程风险模型的分析

随着国内保险业的逐步成熟和完善,保险业也要与世界接轨,分红险种也逐步进入中国保险市场.分红险种除了投保人在需要理赔时获得应有的理赔外,还应向投保人支付红利,使得投保人获得类似与于股票一样的收益,因此对支付红利问题的研究显得十分必要和有意义.本文研究了二级保费率下即具有常量红利界限的Erlang(2)过程风险模型的折现函数.通过对Gerber-Shiu折现函数的分析,采用微分方程特解与通解的关系及一些已有结论求解Gerber-Shiu折现函数及与破产有关的问题.

不带利率Erlang(2)风险模型的联合概率

研究了不带利率Erlang(2)风险模型,得到了破产前瞬时盈余和破产时的赤字的联合概率。

常利率环境下Erlang(2)风险模型的罚金折现期望

讨论了常利率下Erlang(2)风险模型的罚金折现期望所满足的积分-微分方程,通过积分变换,得到它的级数形式的解。并且,当索赔额为指数分布时,给出了罚金折现期望的确切表达式。

乳腺癌中M2样巨噬细胞浸润相关基因模型的预后和免疫学价值

目的:乳腺癌发展不但涉及癌细胞的基因改变,还与肿瘤微环境相关。肿瘤相关巨噬细胞(TAMs)是乳腺肿瘤微环境中最丰富且活跃的免疫细胞。本研究旨在探索M2样巨噬细胞(M2-TAMs)相关基因作为评估乳腺癌个体风险生物标志物的潜力。方法:利用癌症基因组图谱数据库(TCGA)和基因表达综合数据库(GEO),筛选M2-TAMs相关基因后采用比例风险回归(Cox)及最小绝对收缩和选择算子(LASSO)回归分析,建立M2-TAMs相关基因模型,将患者分为高、低危组进行生存、临床特征、免疫学等分析。结果:M2-TAMs相关基因模型中低危组患者的预后明显优于高危组,并且模型中的风险评分可作为乳腺癌患者预后的独立预测因子,另结合临床特征和风险评分可更准确地评估患者预后。大部分免疫细胞在低危组中呈高度浸润,两组患者在免疫功能上存在显著差异,且有许多差异表达的免疫检查点相关基因。结论:M2-TAMs相关基因模型表现出突出的预测性能,并为评估免疫治疗的成功提供了新的观点,有助于为精确治疗和综合治疗提供新的见解。

阈红利策略下Erlang(2)风险模型罚金函数的相关结果

研究了两步保费率下Erlang(2)风险过程,给出了Gerber-Shiu折现罚函数的相关结果:即给出了罚金函数的两个微积分方程及其解或更新方程.在索赔额为指数分布条件下得到了两个与破产相关的量并计算出了相应的数值结果.

随机保费收入下的Erlang(2)风险模型

主要对索赔计数过程是Erlang(2)过程、保费收入为复合Poisson过程的风险模型进行了讨论。利用余额过程在索赔时刻具有强马氏性,得到最终破产概率的积分方程,最后推出最终破产概率的Lundberg上界。

基于风险预测模型指导2型糖尿病患者药物治疗管理模式构建及评价研究

目的 探究2型糖尿病(T2DM)患者发生药物相关问题(DRPs)的风险因素,构建DRPs风险预测模型,评价分级管理策略对T2DM患者的干预效果。方法 回顾性收集2020年10月至2021年12月就诊于重庆市垫江县人民医院内分泌科的T2DM患者596例,构建T2DM患者发生DRPs的风险预测模型,并通过受试者操作特征(ROC)曲线、校准曲线、临床决策曲线分析(DCA),分别评价模型的区分度、校准度和临床适用性。选取2022年4-6月到我院内分泌科就诊的T2DM患者82例,依据模型预测T2DM患者用药风险,并进行分级药学管理,评价患者的用药依从性和糖化血红蛋白情况。结果 Logistic回归分析结果显示,患者的年龄、病程、用药数量、用药依从性、MTM与DRPs的发生有关(P<0.05),根据筛选变量构建预测模型,训练集的AUC为0.713(95%CI:0.663~0.764),验证集的AUC为0.728(95%CI:0.656~0.800),Hosmer-Lemeshow拟合优度检验显示模型具有较好的拟合度(训练集P=0.986,验证集P=0.772),DCA显示阈值概率在20%~60%,预测模型的净获益最佳。经模型预测后,有56例患者的预测概率高于50%,26例患者预测概率低于50%,临床药师实施分级管理后,患者用药依从性(t=3.128,P=0.002)和糖化血红蛋白均发生显著变化(t=5.875,P<0.001)。结论 以患者的年龄、病程、用药数量、用药依从性和药物治疗管理(MTM)构建的DRPs风险预测模型具有一定的临床价值,可为T2DM患者药物治疗管理模式提供新的思路。