C反应蛋白/白蛋白比值对2型糖尿病合并急性心肌梗死患者远期不良心脑血管事件的预测价值研究

背景急性心肌梗死(AMI)是威胁全球公众健康的主要原因之一。虽然已有相应的再灌注治疗策略,但AMI相关的主要不良心脑血管事件(MACCEs)仍然是全世界人口死亡的原因之一。尤其合并糖尿病的AMI患者,因冠状动脉病变复杂,病变程度严重,尽早发现和判断该部分患者远期预后相对困难,因此寻找相对简便、易获得的实验室指标,有利于为2型糖尿病(T2DM)合并AMI患者经皮冠状动脉介入(PCI)术后MACCEs的预测提供依据。目的探讨血清C反应蛋白(CRP)/白蛋白(Alb)比值(CAR)对T2DM合并AMI患者PCI术后远期MACCEs的预测价值。方法纳入2014—2019年就诊于宁夏医科大学总医院心血管内科1683例T2DM合并AMI患者为研究对象,收集患者的一般临床资料与检查结果。对所有患者进行电话或门诊随访,以全因死亡、非致死性心肌梗死、再发不稳定型心绞痛、非致死性脑卒中、新发心力衰竭或心力衰竭加重再入院、再次血运重建作为MACCEs。根据患者随访期间是否发生MACCEs分为MACCEs组(508例)和非MACCEs组(1175例)。采用单因素及多因素Logistic回归分析探讨T2DM合并AMI患者MACCEs事件的影响因素。采用Kaplan-Meier法绘制患者的生存曲线,生存曲线的比较采用Log-rank检验。采用受试者工作特征(ROC)曲线分析CAR对T2DM合并AMI患者远期发生MACCEs的预测效能,使用净重分类改善指标(NRI)和综合判别指数(IDI)评价CAR对T2DM合并AMI患者预后评估的改善效果。结果1683例患者中508例(30.18%)患者发生MACCEs。多因素Logistic回归分析显示高血压病[OR(95%CI)=1.994(1.142~3.483)]、冠状动脉植入支架长度[OR(95%CI)=1.031(1.002~1.062)]、CRP[OR(95%CI)=0.950(0.915~0.986)]、Alb[OR(95%CI)=0.933(0.880~0.989)]及CAR[OR(95%CI)=5.582(1.705~18.277)]是T2DM合并AMI患者PCI术后发生MACCEs的影响因素(P<0.05)。根据CAR中位表达水平(0.86),将患者分为CAR<0.86组和CAR≥0.86组,Log-rank检验结果显示,CAR≥0.86组MACCEs发生率高于CAR<0.86组(52.68%与22.92%;χ^(2)=65.65,P<0.001)。ROC曲线显示CAR预测T2DM合并AMI患者发生MACCEs的ROC曲线下面积为0.728(95%CI=0.702~0.754),最佳截断值为0.576,灵敏度为0.617,特异度为0.747。在基线模型基础上,与CRP、Alb相比,CAR能明显改善对患者发生MACCEs的预测效果(NRI=0.377,IDI=0.166,C指数=0.690;P<0.05)。结论CAR是T2DM合并AMI患者PCI术后远期MACCEs发生风险的有效预测指标。

系统性红斑狼疮并发股骨头坏死危险因素列线图预测模型的建立和验证

背景:股骨头坏死是系统性红斑狼疮患者常见的并发症,若能早期对其发生风险进行预测与验证,将有助于避免或延缓股骨头坏死的发展。目的:分析系统性红斑狼疮患者并发股骨头坏死的危险因素,构建系统性红斑狼疮患者并发股骨头坏死的列线图预测模型并进行验证。方法:回顾性分析2013年1月至2022年12月首次就诊于河南中医药大学第一附属医院的914例系统性红斑狼疮患者的病历资料,根据是否发生股骨头坏死分为发生股骨头坏死组(n=100)和未发生股骨头坏死组(n=814)。采用单因素、LASSO回归和多因素Logistic回归分析筛选和确定系统性红斑狼疮并发股骨头坏死的危险因素。同时将数据集按照7∶3的比例随机分为训练集和测试集,并基于多因素Logistic回归分析结果,构建系统性红斑狼疮并发股骨头坏死的列线图预测模型。同时,使用受试者工作特征曲线、Hosmer-Lemeshow校准曲线和决策曲线对列线图的性能进行评估。结果与结论:①股骨头坏死组与未发生股骨头坏死组患者在系统性红斑狼疮病程、系统性红斑狼疮疾病活动度评分、狼疮性肾炎、呼吸系统受累、胃肠道受累、干燥综合征、骨质疏松、抗核糖核蛋白抗体阳性、补体C3降低、环磷酰胺、吗替麦考酚酯、生物抑制剂、糖皮质激素最大日剂量、糖皮质激素冲击治疗方面差异有显著性意义(P<0.05);②采用LASSO回归分析方法筛选出10个与系统性红斑狼疮并发股骨头坏死风险相关的预测变量,将其纳入多因素Logistic回归分析,结果显示系统性红斑狼疮病程、呼吸系统受累、干燥综合征、骨质疏松、抗核糖核蛋白抗体阳性、环磷酰胺、吗替麦考酚酯、生物抑制剂、糖皮质激素最大日剂量是系统性红斑狼疮患者发生股骨头坏死的独立危险因素(P<0.05);③训练集中预测发生风险的受试者工作特征曲线下面积为0.802(95%CI=0.742-0.862),测试集预测发生股骨头坏死风险受试者工作特征曲线下面积为0.811(95%CI=0.745-0.876);Hosmer-Lemeshow校准曲线拟合度较好(训练集,P=0.447;验证集,P=0.870);决策曲线显示使用列线图预测模型预测系统性红斑狼疮患者发生股骨头坏死的风险是有益的;④月经异常为女性系统性红斑狼疮患者并发股骨头坏死的危险因素之一;⑤此次研究结果提示,系统性红斑狼疮并发股骨头坏死的危险因素是多因素的,同时建立了一个包含9个危险因素的列线图预测模型,可将其用于预测系统性红斑狼疮患者发生股骨头坏死的风险;此外,首次报道了月经异常为女性系统性红斑狼疮并发股骨头坏死的危险因素之一。

构建股骨转子间骨折股骨近端防旋髓内钉内固定失效的风险预测模型

背景:股骨转子间骨折是主要的老年脆性骨折类型,股骨近端防旋髓内钉是首选手术方案,但术后内固定失效的相关因素尚存在争议。目的:通过术前评估患者影像学资料提出一种新的股骨转子间骨折“三柱”分类法,并分析其与术后内固定失效的交互关系,利用数字技术运算开发和验证风险预测模型,便于临床医生术前甄别并干预高风险患者。方法:选择2012年6月和2022年6月佛山市中医院三水医院收治的股骨转子间骨折患者,按照术后是否出现内固定失效结局,分为内固定失效组和内固定维持组。根据患者术前X射线片将股骨近端分为“三柱”:内侧柱、外侧柱及中柱,每柱均有不同的亚组分型。分析“三柱”的形态特征与股骨近端防旋髓内钉内固定术后复位失效的关系,通过先单因素后多因素logistics回归分析,筛选出引起内固定失效的独立风险因素,根据独立风险因素利用R语言软件构建风险预测模型。采用自助法重抽样1000次,使用受试者工作特征曲线下的面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①利用“三柱”分型系统预测骨折术后内固定失效的4个独立风险因素,分别为内侧柱(小转子及股骨距粉碎性骨折)[优势比=5.385,95%CI(1.961,14.782),P=0.001]、中间柱(烟囱型)[优势比=2.893,95%CI(1.167,7.173),P=0.022]、外侧柱(外侧壁厚度<20.5 mm)[优势比=2.804,95%CI(1.078,7.297),P=0.035]及外侧柱(外侧壁骨折)[优势比=4.278,95%CI(1.670,10.959),P=0.012];②构建的风险预测模型表现出良好的区分度和准确度[受试者工作特征曲线下面积=0.852,95%CI(0.837,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.2-0.82范围内时,模型具有较好的临床适用性;风险概率为28%是模型风险分层的最佳阈值,模型在不同风险组别患者的预测性能较好;④此次研究通过“三柱”分型系统构建预测模型计算股骨转子间骨折患者术后内固定失效的风险概率,此方法准确、简便,易于临床应用,可作为一种数字化工具指导临床个性化治疗。

急性缺血性脑卒中预后预测研究的应用进展:以机器学习预测模型为例

急性缺血性脑卒中(AIS)具有高致残率、高病死率及高复发率等特点,给患者及社会造成沉重的负担。随着大数据时代的到来,预测模型在患者的诊治决策、预后管理以及卫生资源配置等方面的应用越来越多,其价值也愈发重要。机器学习方法是预测AIS患者预后的重要方法之一,且已广泛应用。本文以机器学习方法为重点,就AIS预后预测研究的最新进展予以综述,并提出机器学习预测模型目前所面临的问题与挑战,为AIS患者预后结局早期评估与预测在方法上提供新的思路和参考。

双髋关节MRI预测股骨头坏死塌陷风险

背景:MRI是诊断股骨头坏死的金标准,以往基于MRI图像预测股骨头坏死塌陷的方法多需要冠状面、矢状面图像联合评估。然而由于股骨头坏死好发于双侧,临床上大多医院检查时多行双侧髋关节MRI扫描,但双髋扫描仅可查看冠状面及横断面图像,难以获取矢状面图像,从而影响塌陷风险的评估。因此,建立一种应用双髋MRI可获取的图像评估早期股骨头坏死塌陷风险的方法有一定的临床实用价值。目的:建立一种应用双髋关节MRI冠状面与横断面图像评估股骨头坏死塌陷风险的方法。方法:回顾性分析2017年10月至2019年10月在西安交通大学附属红会医院门诊确诊的早期股骨头坏死患者111例(181髋)的病历资料。根据末次随访时股骨头塌陷情况分为2组,其中塌陷组69髋,未塌陷组112髋。在MRI影像系统上测量正中冠状面、横断面或其上下各一个层面图像上的坏死范围角度,以冠状面、横断面上坏死角两角之和作为联合坏死角,并取每髋3种联合坏死角的平均值得到每髋的平均联合坏死角。最后,分析3种联合坏死角及平均联合坏死角与股骨头坏死塌陷的相关性,利用受试者工作特征曲线评价4种联合坏死角预测塌陷的特异性与敏感性。结果与结论:①末次随访69髋(38.1%)发生股骨头塌陷,纳入塌陷组;112髋(61.9%)未发生塌陷进展,纳入非塌陷组;②塌陷组与未塌陷组在ARCO分期方面比较差异有显著性意义(P<0.001);在年龄、体质量指数、随访时间、性别分布、发病侧别、致病因素等方面比较差异均无显著性意义(P>0.05);③独立样本t检验结果提示,4种联合坏死角均与塌陷显著相关(P<0.0001);且ARCOⅠ期、Ⅱ期中塌陷组与未塌陷组患者的联合坏死角相比差异均有显著性意义(P<0.0001);④在受试者工作特征分析中,平均联合坏死角曲线下面积大于正中下一层面、正中层面、正中上一层面上的联合坏死角;⑤平均联合坏死角塌陷预测准确度高于正中下一层面、正中层面、正中上一层面上的联合坏死角;⑥提示平均联合坏死角对股骨头坏死塌陷风险的预测精准度较高,临床实用性较强,可考虑使用该方法对股骨头坏死塌陷风险进行预测。

基于前馈非线性模型预测控制的类车机器人路径跟踪

类车机器人由于零件标准化程度低,侧偏刚度等轮胎力学参数难以准确获得,存在动力学建模十分困难的问题,因此现有研究工作通常以运动学模型作为类车机器人的控制模型,但由于其运动学模型存在模型失配,导致类车机器人与参考路径之间的误差、类车机器人的前轮转角和前轮转角速度出现剧烈振荡现象.针对前述问题,本文基于非线性模型预测控制(Nonlinear model predictive control,NMPC)的滚动优化原理,引入基于逆运动学模型的前馈转角信息,将前轮转向角作为预测模型的第四维,提出了一种基于前馈非线性模型预测控制(Feedforward NMPC,FNMPC)的类车机器人路径跟踪控制算法.并通过Simulink和CarSim进行了联合仿真,结果表明FNMPC有效减小了模型失配导致的振荡现象,同时具有较高的跟踪精度.其中前馈非线性模型预测控制器的位移误差幅值不超过0.1106 m,航向误差幅值不超过0.1253 rad.在相同工况下,线性模型预测控制、前馈线性模型预测控制、纯跟踪控制和Stanley控制误差发散,而本文提出的FNMPC相比已有NMPC跟踪精度更高,且控制增量绝对累计值相比NMPC控制器减小67.53%.通过线控类车机器人底盘作为实验平台完成的测试结果表明,NMPC系统在进入弯道时出现控制失控现象,在相同工况下,FNMPC系统能够有效完成对参考路径的跟踪,同时将位移误差幅值控制在0.1624 m以内,航向误差幅值控制在0.1138 rad以内.

“双碳”背景下福州市能源足迹趋势分析及预测

基于生态足迹和碳足迹理论,提出能源足迹的概念与计算方法。以福州市为例,分别按能源种类和工业行业计算了该市2011-2020年能源足迹及其强度,对这10年能源足迹变化趋势做了分析,运用STIRPAT模型及岭回归分析方法进行了预测,并按照高速和基准两个情景对能源足迹分别进行了分析和预测。研究表明,福州市2011-2020年能源足迹呈现波动下降又回升趋势,能源足迹强度则整体呈现下降趋势,能源结构不断优化;福州市要实现2030年碳达峰情景,能源足迹强度每年需降低4.1062%(按研究期的水平)。福州市应继续坚持生态城市和数字城市的发展目标,从能源种类上看应该大力发展风能、水利、天然气、太阳能、核电等可再生能源;从工业结构上则要做强计算机、通信和其他电子设备制造业。本研究对于城市产业结构优化、碳排放目标实现均有一定的理论参考价值和现实意义。

机器学习预测肱骨近端骨折钢板内固定后继发性螺钉切出的风险

背景:继发性螺钉切出关节面是肱骨近端骨折锁定钢板内固定术后的主要并发症之一,切出的螺钉会磨损关节盂和引起肩峰撞击,影响肩关节功能。因此,准确的风险预测有积极的临床意义。目的:通过机器学习方法筛选肱骨近端骨折钢板内固定后继发性螺钉切出的风险因素,开发并验证风险预测模型,便于临床医生早期甄别并干预高风险患者。方法:收集2013年6月至2022年6月接受锁定钢板内固定治疗的214例肱骨近端骨折患者的临床资料作为训练组建立模型,将同一时间段另一医院收治的同类患者61例纳入外部验证组。按照患者术后是否出现继发性螺钉切出,分为螺钉切出组和螺钉维持组。训练组利用随机森林、支持向量机、逻辑回归3种机器学习算法构建预测模型;采用递归特征消除法、10折交叉验证重抽样作为变量的筛选方法,并将3种模型准确度最高时纳入变量的交集作为与螺钉切出高度相关的可靠风险变量。通过R语言软件构建动态预测模型,以网页计算器形式展示,并对模型进行内、外部验证。模型内部检验采用Bootstrap法重抽样1000次,使用受试者工作特征曲线下面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将外部验证组患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①机器学习算法筛选出继发性螺钉切出高度相关的4个风险变量,分别为肱骨近端内侧柱皮质支撑、三角肌结节指数、骨折类型及术后复位情况;②构建的风险预测模型表现出良好的区分度和准确度[曲线下面积=0.874,95%置信区间(0.827,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.1-0.75范围内时,模型具有较好的临床适用性;④风险概率为26%是模型风险分层的最佳阈值,外部验证组利用模型风险分层预测螺钉切出的总正确率为84%;⑤结果说明该风险预测模型准确度和外延性较好,可为指导临床治疗提供依据。

CT衍生的血流储备分数对梗阻性冠状动脉疾病患者主要不良心血管事件的预测价值研究

背景目前,血流储备分数(FFR)是评估冠状动脉血流的功能和生理学的金标准,与之相比,CT衍生的血流储备分数(CT-FFR)反映冠状动脉病变处血流动力学改变,以及在区分病变特异性缺血方面,均有较高的诊断性能和鉴别能力。目的评价CT-FFR对冠状动脉梗阻性稳定性胸痛患者发生MACE的预测价值。方法本研究纳入2017年1月—2021年6月在宁夏医科大学总医院因稳定性胸痛行冠状动脉CT血管造影(CCTA)检查的患者116例为研究对象,中位随访时间2(0,25)个月。按照随访期内是否发生主要不良心血管事件(MACE)将研究对象分为MACE组(55例)和非MACE组(61例)。比较两组间冠状动脉管腔狭窄程度和CT-FFR之间差异性;再分别根据狭窄程度及CT-FFR中位数将患者分类,比较不同分类患者MACE总发生率和随访<3个月、3~6个月、>6个月MACE的发生率。采用Spearman秩相关分析探讨冠状动脉管腔狭窄程度与CT-FFR之间的相关性;采用多因素Logistic回归分析探讨患者发生MACE的影响因素;绘制狭窄程度、CT-FFR及二者结合后预测冠状动脉梗阻性稳定性胸痛患者发生MACE的受试者工作特征(ROC)曲线,并依据ROC曲线下面积(AUC)比较不同指标的预测性能。结果116例患者冠状动脉管腔狭窄程度中位数为70%(60%,80%),中位CT-FFR为0.79(0.74,0.85)。MACE组患者冠状动脉管腔狭窄程度高于非MACE组(Z=-4.41,P<0.001),CT-FFR低于非MACE组(Z=-5.54,P<0.001)。冠状动脉管腔狭窄程度70%~90%患者MACE发生率高于50%~69%患者(χ^(2)=19.221,P<0.001);CTFFR≤0.8患者MACE发生率高于CT-FFR>0.8患者(χ^(2)=30.025,P<0.001);不同冠状动脉管腔狭窄程度联合不同CT-FFR患者MACE发生率比较,差异有统计学意义(χ^(2)=37.789,P<0.001)。冠状动脉管腔狭窄程度70%~90%患者随访时间<3个月MACE发生率高于50%~69%患者,CT-FFR≤0.8患者随访时间<3个月MACE发生率高于CT-FFR>0.8患者,狭窄程度70%~90%+CT-FFR≤0.8的患者随访时间<3个月MACE发生率高于其他分类(P<0.05)。Spearman秩相关分析结果显示,冠状动脉管腔狭窄程度与CT-FFR呈负相关(rs=-0.5326,P<0.001)。多因素Logistic回归分析结果显示,冠状动脉管腔狭窄程度70%~90%(OR=3.085,95%CI=1.147~8.298,P=0.026)、CT-FFR≤0.8(OR=6.527,95%CI=2.560~16.641,P<0.001)是患者发生MACE的危险因素。冠状动脉管腔狭窄程度联合CT-FFR预测患者发生MACE的价值更高(AUC=0.812,95%CI=0.731~0.892,P<0.001)。结论冠状动脉管腔狭窄程度70%~90%、CT-FFR≤0.8可能是患者发生MACE的危险因素。与狭窄程度相比,CT-FFR对预测冠状动脉阻塞性稳定性胸痛患者发生MACE具有增益价值,狭窄程度与CT-FFR结合后的预测性能更佳。

1990—2021年中国归因于饮食因素的缺血性心脏病疾病负担变化趋势及预测研究

背景缺血性心脏病(IHD)是导致中国居民疾病负担的第二大原因,饮食因素干预被认为是减少疾病负担有效及可行的措施。目的分析1990—2021年中国归因于饮食因素的IHD疾病负担变化及未来变化趋势,以期为中国IHD的饮食防治提供参考。方法提取2021年全球疾病负担(GBD 2021)数据库中1990—2021年中国、全球、不同社会人口指数(SDI)地区的归因于饮食因素的IHD疾病负担相关数据,应用Joinpoint模型计算年度变化百分比(APC)及平均年度变化百分比(AAPC),分析1990—2021年中国、全球、不同SDI地区归因于饮食因素的IHD疾病负担,中国不同性别、年龄人群归因于饮食因素的IHD疾病负担以及归因于不同类型饮食因素的IHD疾病负担。利用贝叶斯年龄时期队列(BAPC)模型预测2022—2031年中国归因于饮食因素的IHD标化死亡率、标化伤残调整寿命年(DALY)率变化趋势。结果2021年中国归因于饮食因素的IHD标化死亡率为44.26/10万、标化DALY率为820.87/10万,与全球水平接近,高于高SDI地区,低于其余4类SDI地区。1990—2021年中国归因于饮食因素的IHD标化死亡率(AAPC=-0.17%,P<0.001)、标化DALY率(AAPC=-0.50%,P<0.001)与全球及五类SDI地区一致,均呈现下降趋势,全球下降幅度明显高于中国,高SDI地区下降速度最快。1990年与2021年中国男性归因于饮食因素的IHD疾病负担均高于女性;1990—2021年中国男性归因于饮食因素的IHD标化死亡率(AAPC=0.25%,P<0.001)呈上升趋势,女性标化死亡率(AAPC=-0.71%,P<0.001)、标化DALY率(AAPC=-1.23%,P<0.001)均呈下降趋势。1990与2021年中国归因于饮食因素的IHD疾病负担随着年龄增长呈上升趋势,≥70岁人群的死亡率、DALY率最高;1990—2021年50~69岁人群死亡率、DALY率呈下降趋势,而15~49岁、≥70岁人群呈上升趋势(P<0.001)。1990年与2021年归因于13种饮食因素的IHD标化死亡率、标化DALY率排名前两位的饮食因素均是钠摄入过量、全谷物摄入不足;1990—2021年标化死亡率、标化DALY率上升趋势较明显的是含糖饮料摄入过量、加工肉摄入过量、红肉摄入过量。BAPC模型显示,未来10年中国归因于饮食因素的IHD标化死亡率,标化DALY率均呈下降趋势。结论1990—2021年中国归因于饮食因素的IHD标化死亡率、标化DALY率均呈下降趋势,但下降速度与高SDI地区相比差距较大,男性和老年人群负担较重,因此仍需重视IHD的饮食防控策略,加强宣传健康的膳食模式,倡导增加全谷物的摄入,减少钠盐、含糖饮料、加工肉、红肉的摄入,采取针对性措施进行有效干预以减轻其疾病负担。

基于中医证候与精液质量相关参数构建精子DNA碎片预测模型与验证

背景:中医证候与精液质量相关参数相结合,共同预测精子DNA碎片指数(DNA fragmentation index,DFI)异常增高的发生并绘制列线图,能显著提高临床的实操性与应用效能,为临床全面评估精液质量,采取积极干预措施以改善临床结局及制定个体化医疗方案提供依据。目的:探讨基于中医证候与精液质量相关参数构建精子DNA碎片的预测模型与验证。方法:回顾性分析2019年7月至2021年7月在广西壮族自治区南溪山医院中医男科接受中医证候诊断及精子DNA碎片率检查的不育患者共420例,据《人类精液检查与处理实验室手册》(第6版),将其中137例精子DFI>30%患者纳入精子DFI异常增高组,将283例精子DFI≤30%作为对照组;首先采用单因素分析筛选精子DFI异常增高的影响因素,然后采用套索算法(LASSO)校正因子共线性问题并筛选出最佳匹配因子后,将其纳入多因素向前逐步Logistic回归找出其独立影响因素并绘制列线图,最后采用受试者工作曲线、校准曲线、临床决策曲线、临床影响曲线对该预测模型进行区分度与准确度及临床应用效能验证。结果与结论:①单因素分析结果显示,年龄、体质量指数、前向运动率、精子总活率、精子浓度、精子形态学、肾阳虚衰证、湿热下注证、肾精不足证为引发精子DFI异常增高的影响因子(P<0.05);②通过LASSO回归进一步筛选出的最佳匹配因素为年龄、体质量指数、精子总活率、精子浓度、精子形态学、肾阳虚衰证、湿热下注证、肾精不足证(P<0.05);③多因素向前逐步Logistic回归结果显示年龄、体质量指数、精子浓度、精子总活率、湿热下注证、肾阳虚衰证共6项为引发精子DFI异常增高的独立影响因素;④受试者工作曲线显示,模型组曲线下面积为0.760(0.713,0.806),验证组曲线下面积为0.745(0.714,0.776),说明该预测模型具有较好的区分度;⑤校准曲线平均绝对误差0.040,Hosmer-Lemeshow检验P>0.05,表明该模型预测发生精子DFI异常增高的概率与实际发生精子DFI异常增高的概率无显著统计学差异,证实该模型具有较好的准确度;⑥临床决策曲线与临床影响曲线显示,模型组与验证组分别在阈概率值为0.08-0.84与0.09-0.78时具有临床最大净获益,且在该阈概率范围内具有较好的临床应用效能;⑦结果表明,年龄、体质量指数、精子浓度、精子总活率、湿热下注证、肾阳虚衰证为引发精子DFI异常增高的独立影响因素,通过其构建的临床预测模型列线图具有较好的临床预测价值与临床应用效能,可为临床全面评估精液质量、预后与干预及个体化医疗服务提供依据。

一种用于方面情感四元组预测的最优意见树生成方法

使用对比学习来增强树结构表示是将树结构应用于方面级情感分析(ABSA)的主流方法,但该方法本质上依赖于数据增强,而对原始文本应用数据增强可能会删除与下游预测相关的语义信息且难以获得最优结构。为解决上述问题,提出一种用于方面情感四元组预测(ASQP)的结构熵约束的最优意见树生成方法,该方法通过文本编码器和直接生成正样本的结构编码器实现。结构编码器以意见树嵌入为输入,利用结构熵最小化原理提取意见树中固有的本质信息,并通过表示学习将该信息注入到文本表示中。在2个常见数据集上进行的实验验证了该方法的优越性。

基底膜相关基因在类风湿关节炎不同中医证型中的转录组学分析及药物预测

背景:基底膜基因与类风湿关节炎的发生发展密切相关,但不同中医证型下基底膜相关基因在其发病机制中的作用尚不明确。目的:基底膜基因联合转录组学分析探讨类风湿关节炎5种不同中医证型的发病机制差异,并进行潜在治疗药物预测。方法:基于GEO数据库整理类风湿关节炎相关中医证型芯片数据以及基底膜相关基因,利用R-limma包筛选差异表达基因,Mfuzz包进行表达趋势分析。借助STRING数据库构建PPI网络,UPset筛选关键基因,通过R-clusterProfiler包对差异表达基因进行GSEA及富集分析,同时绘制ROC曲线评估基底膜相关核心靶点对5种证型分别的诊断价值。基于CIBERSORT核心算法计算每种证型的免疫浸润情况。最后,利用SymMap和COREMINE数据库预测可靶向基底膜相关核心基因治疗类风湿关节炎不同证型的潜在中药及小分子药物。结果与结论:①在5种类风湿关节炎中医证型中(风湿痹阻证、寒湿痹阻证、肝肾亏虚证、气血两虚证及血瘀阻络证)分别筛选出67,47,59,57,55个基底膜相关差异表达基因,其中关键靶点分别为5,7,5,3,5个。③各证型中富集最多的为细胞基质黏附、免疫细胞迁移及胶原代谢等生物过程以及细胞外基质受体相互作用、PI3K-Akt、局灶性粘连和Rap1信号通路等。④药物预测结果显示,土茯苓、川乌、绵马贯众及黄精是通过影响基底膜基因治疗5种类风湿关节炎中医证型最具潜力的中药。⑤结果证实,基底膜相关基因的异常表达可能是通过调控细胞附着、免疫细胞迁移及炎症反应等多个途径影响类风湿关节炎的发生和发展,在不同证型中有着差异表现,其中ITGA6可作为5种类风湿关节炎证型中共同的诊断标志物。清热解毒类中药可能是类风湿关节炎不同证型治疗中可以贯穿始终的潜在有效药物。

全髋关节置换后的低蛋白血症:危险因素及列线图预测模型建立

背景:患者接受全髋关节置换后多发低蛋白血症,影响术后愈合及康复。目的:探讨及筛选全髋关节置换后发生低蛋白血症的危险因素,建立列线图为临床中判断全髋关节置换后是否发生低蛋白血症提供指导。方法:共纳入行全髋关节置换患者355例,根据术后第1天是否出现低蛋白血症分为低蛋白血症组238例、正常组117例,低蛋白血症发生率为67%。收集患者年龄、性别、糖尿病、高血压、高尿酸血症、高血脂、麻醉方式、置换前白细胞、置换前红细胞、置换前血红蛋白、置换前血小板、置换前血浆凝血酶原时间、置换前活化部分凝血酶原时间、置换前国际标准化比值、置换前凝血酶时间、置换前纤维蛋白原、置换前血沉、置换前C-反应蛋白、置换前D-二聚体、置换前平均红细胞血红蛋白含量、置换前平均红细胞体积、手术时间、体质量指数、置换前降钙素原、置换前红细胞压积等资料。利用SPSS 27.0软件进行单因素分析,随后利用R语言(4.3.1)再次对观察指标进行最小绝对收缩和选择算子回归分析及10倍交叉验证,取二者危险因素交集,使用SPSS 27.0进行多因素二元Logistic回归分析得到最终危险因素,通过R语言构建全髋关节置换后低蛋白血症的预测模型,并构建受试者特征曲线曲线、校准曲线、临床决策曲线评估预测模型预测能力。结果与结论:①经过单因素分析、最小绝对收缩和选择算子回归、多因素二元Logistic回归,筛选出年龄(OR=1.024,P=0.023)、置换前血小板(OR=0.995,P=0.028)、置换前血沉(OR=1.031,P=0.045)在判断置换后是否会发生低蛋白血症方面具有统计学意义(P<0.05);②基于多因素Logistic回归所筛选出的最终危险因素构建列线图预测模型,并通过构建受试者特征曲线评估模型预测能力,经计算受试者工作特征曲线的曲线下面积达到0.835(95%CI=0.779-0.891),C-index=0.835,经临床决策曲线计算,模型在阈值为0-0.83可带来更好的临床效能,该预测模型具有良好的灵敏度与准确性,可为医护人员及患者在全髋关节置换前更好地识别置换后发生低蛋白血症的风险。

基于OpenSim预测青少年跖屈肌无力的下肢生物力学行为

背景:跖屈肌无力是痉挛型脑瘫和腓骨肌萎缩症患者的常见肌肉缺陷,临床上会表现出异常步态,而跖屈肌无力与异常步态间的关系尚不明晰。目的:探讨跖屈肌无力单因素作用时对下肢生物力学行为的影响,以揭示跖屈肌无力诱发异常步态的机制,为跖屈肌无力患者康复训练提供指导。方法:基于OpenSim Moco建立矢状面内骨肌多体动力学预测框架,预测正常受试者下肢关节角和肌肉激活变化,结合实验数据逆运动学和肌电图激活时间,验证框架有效性。减小等距肌肉力进行跖屈肌无力建模并将预测得到的下肢关节角、关节力矩和肌肉能量消耗,与正常受试者对比,以分析跖屈肌无力对下肢生物力学的影响。结果与结论:①基于Moco的预测框架较真实地预测了正常受试者步行过程中的下肢生物力学变化(关节角归一化相关系数≥0.73,均方根误差≤7.10°);②跖屈肌无力时模型采用小步幅且支撑相上升的“脚跟行走”步态,当跖屈肌无力达到80%时,肌肉能量消耗为5.6914 J/(kg·m),腓肠肌和比目鱼肌激活度最大分别为0.72,0.53,可能致使跖屈肌无力患者步行时更易疲劳;③当跖屈肌无力超过40%时,肌肉能量消耗显著升高;跖屈肌无力超过60%时,下肢关节角和关节力矩出现较明显恶化,说明跖屈肌无力对步态的影响可能存在“阈值”,这或许对应于医护人员进行临床干预的时间点。

基于改进附着能量模型的TNBA晶体在二元溶剂中的形貌预测

TNBA作为一种新型含能材料,其具有高爆速,低敏感性的特点,为了研究TNBA在二元溶剂中的生长形貌,本研究采用附着能(AE)模型来预测TNBA在真空中的晶体形貌,同时采用改进附着能(MAE)模型和分子动力学(MD)方法,预测了TNBA晶体在四种不同二元溶剂中二甲基甲醇(IPA)/丙酮(AC)、IPA/二甲基亚砜(DMSO)、IPA/乙酸乙酯(EA)和IPA/水(H_(2)O)的晶体形貌.结果表明,TNBA晶体在真空中的形态为不规则的多面体,由六个重要的主生长晶面构成,分别为(100)、(110)、(011)、(11-1)、(10-2)和(002),其中(100)面所占比例最大,达到33.766%.在IPA/DMSO和PA/EA溶剂中重结晶得到的晶体为块状,在IPA/AC和IPA/H_(2)O为棒状.总而言之,IPA/DMSO和IPA/EA溶剂更适合TNBA晶体重结晶选择.

1990—2019年中国三种肠道传染病发病和死亡趋势分析及预测研究

背景肠道传染病是常见的传染性疾病之一,分析和预测其流行现状能够为肠道传染病的防治提供一定的参考。目的了解1990—2019年中国腹泻病、伤寒与副伤寒和侵袭性非伤寒沙门菌肠道感染3种肠道传染病的发病和死亡情况,并预测2020—2030年其发病率和死亡率,为肠道传染病的防控提供参考。方法基于2019全球疾病负担研究数据库(GBD),收集1990—2019年中国腹泻病、伤寒与副伤寒和侵袭性非伤寒沙门菌肠道感染3种肠道传染病的发病和死亡数据,根据变化率(%)和年估计百分比(EAPC)分析以上3种肠道感染疾病的变化趋势。利用自回归移动平均模型(ARIMA)预测2020—2030年中国以上3种肠道传染病的发病率和死亡率。结果1990—2019年腹泻病的发病率变化无统计学意义(EAPC=0.09,P>0.05),而伤寒与副伤寒和侵袭性非伤寒沙门菌肠道感染的发病率均呈下降趋势(EAPC分别为-4.0%、-0.64%,P<0.05)。1990—2019年腹泻病、伤寒与副伤寒和侵袭性非伤寒沙门菌肠道感染的死亡率均呈下降趋势(EAPC分别为-8.39%、-3.38%、-1.87%,P<0.05)。在各年龄组中,2019年≥70岁人群腹泻病的发病率在各年龄组中最高,且呈上升趋势(EAPC=0.27,P<0.05)。1990—2019年所有年龄组以上3种肠道传染病的死亡率均呈下降趋势(P<0.05)。ARIMA模型预测结果显示,2020—2030年我国腹泻病发病率呈上升趋势,伤寒与副伤寒和侵袭性非伤寒沙门菌的发病率呈下降趋势,预计以上3种疾病的发病率分别为58793.04/10万、5.26/10万、0.447/10万。此外,2020—2030年我国腹泻病、伤寒与副伤寒和侵袭性非伤寒沙门菌的死亡率均呈下降趋势,预计2030年以上3种疾病的死亡率分别为0.214/10万、0.039/10万、0.026/10万。结论2030年我国腹泻病、伤寒与副伤寒和侵袭性非伤寒沙门菌肠道感染的死亡率呈下降趋势;除腹泻病的发病率呈上升趋势外,其余两种疾病的发病率呈下降趋势,提示政府及相关卫生部门应当重视关注腹泻病,并针对不同人群采取不同防控措施。

基于机器学习的冠心病风险预测模型构建与比较

背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目的探索冠心病的影响因素,通过使用2种平衡数据的方法,基于5种算法建立冠心病风险相关的预测模型,比较这5种模型对冠心病风险的预测价值。方法基于2021年美国国家行为风险因素监测系统(BRFSS)横断面调查数据筛选出112606名研究对象的健康相关风险行为、慢性健康状况等24个变量信息,结局指标为自我报告是否患有冠心病并据此分为冠心病组和非冠心病组。通过进行单因素分析和逐步Logistic回归分析探索冠心病发生的影响因素并筛选出纳入预测模型的变量。随机抽取112606名受访者的10%(共计11261名),以8∶2的比例随机划分为训练与测试的数据集,采用随机过采样和合成少数过采样技术(SMOTE)两种过采样的方法处理不平衡数据,基于k最邻近算法(KNN)、Logistic回归、支持向量机(SVM)、决策树和XGBoost算法分别建立冠心病预测模型。结果两组年龄、性别、BMI、种族、婚姻状态、教育水平、收入水平、家里有几个孩子、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者、过去30 d内是否有体育锻炼、心理健康状况以及自我健康评价比较,差异有统计学意义(P<0.05)。逐步Logistic回归分析结果显示:年龄、性别、BMI、种族、教育水平、收入水平、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者以及自我健康评价为冠心病的影响因素(P<0.05)。风险模型构建的分析结果显示:k最邻近算法、Logistic回归、支持向量机、决策树和XGBoost采用SMOTE处理不平衡数据的总体分类精度分别为59.2%、67.4%、66.2%、69.2%和85.9%,召回率分别为75.2%、71.4%、70.5%、62.9%和34.8%,精确度分别为15.4%、18.2%、17.5%、17.6%和28.7%,F值分别为0.256、0.290、0.280、0.275和0.315,受试者工作特征曲线下面积分别为0.80、0.78、0.72、0.72和0.82;采用随机过采样处理不平衡数据的总体分类精度分别为62.5%、68.5%、69.0%、60.2%和70.1%,召回率分别为70.0%、69.5%、71.9%、69.0%和67.6%;精确度分别为15.8%、18.4%、19.1%、14.8%和19.0%,F值分别为0.258、0.291、0.302、0.244和0.297,受试者工作特征曲线下面积分别为0.80、0.77、0.72、0.72和0.83。结论本研究不仅确认了已知冠心病的影响因素,还发现了自我健康评价水平、收入水平和教育水平对冠心病具有潜在影响。在使用2种数据平衡方法后,5种算法的性能显著提高。其中XGBoost模型表现最佳,可作为未来优化冠心病预测模型的参考。此外,鉴于XGBoost模型的优异性能以及逐步Logistic回归的操作便捷和可解释性,推荐在冠心病风险预测模型中结合使用数据平衡后的XGBoost和逐步Logistic回归分析。

基于PSO-GA-SVM的风电功率短期预测

风电功率精确预测是电力系统稳定运行的必要条件之一。文章以中国某一地区收集到的风速数据为基础,通过一定的分析方法建立了SVM风电功率预测模型,采用以粒子群为优化算法的PSO-GA混合算法来优化SVM预测模型。通过分析SVM、GA-SVM、PSO-GA-SVM三种模型的预测结果,并与实验数据相比较,仿真表明PSO-GA-SVM模型预测精度更高,PAO-GA混合算法优化效果更好。

机器学习模型在亚急性期脑卒中患者康复后功能结局预测中的价值研究

目的:探讨机器学习模型与逐步线性回归(Stepwise linear regression,SLR)模型在亚急性期脑卒中患者康复后功能结局预测中的价值。方法:选取中国人民解放军联勤保障部队第九四五医院2013年1月~2023年12月收治的亚急性期脑卒中患者1046例为研究对象,取患者一般资料以及入院时功能独立性量表(Functional Independence Measure,FIM)评分构建SLR、回归树(Regression trees.RT)、集成学习(Ensemble learning,EL)、人工神经网络(Artificial neural network,ANN)、支持向量回归(Support vector regression,SVR)以及高斯过程回归(Gaussian process regression,GPR)预测模型,并采用10折交叉验证,比较各模型实际与预测出院FIM评分以及FIM增益的决定系数(R^(2))、均方根误差(Root Mean Squared Error,RMSE)。结果:机器学习模型(R^(2):RT=0.75,EL=0.78,ANN=0.81,SVR=0.80,GPR=0.81)在预测FIM运动评分方面优于SLR(0.70)。机器学习模型对FIM增益总分的预测准确性(R^(2):RT=0.48,EL=0.51,ANN=0.50,SVR=0.51,GPR=0.54)也优于SLR(0.22)。结论:机器学习模型在预测FIM预后方面优于SLR:仅包含患者一般信息和入院FIM评分的机器学习模型的预测准确性优于既往研究,同时GPR对FIM预后的预测准确性最高。