高校技术转移预测模型构建及归因分析——以区块链技术为例

文章构建了高校专利转移预测模型,探索了影响预测效果的特征变量,以提升我国高校专利转化率,实现无形资产的产业价值。在清洗及标准化相关字段后,分别运用LDA、SBERT、SBERT-LDA模型提取专利技术主题,对比了不同主题提取模型的预测结果,以准确率、精确度、召回率及F1值评估了6种常用分类算法的效果,并以区块链技术领域所涉专利数据开展实证分析。实验结果表明,在区块链技术领域,采用SBERT-LDA方法提取专利技术主题后的随机森林算法展现出更优的预测性能。在此基础上,进一步运用SHAP解释框架分析了影响模型预测的特征变量,并解读了其作用机理。研究发现,特征变量对预测效果的作用可分为二分类、正相关、负相关以及随机波动型4类。

基于虚拟仿真模型的轻型车在用RDE排放预测

为进一步准确预测在用乘用车实时驾驶排放,搭建了以发动机-后处理虚拟仿真为核心的在用排放预测模型.首先建立了发动机一维模型,与稳态和瞬态发动机原排测试数据进行了对比和标定.结果表明:在用实际行驶排放测试(RDE)工况下,CO和NO的原排累积质量相对误差分别为9.2%、5.8%;其次进行后处理性能试验,对后处理温度、起燃和老化模型进行标定验证,在全球轻型车测试循环工况(WLTC)前35 s,三元催化转化器轴向最大温度误差为52℃,CO、NO的排放累积质量误差为0.0385 g(5.90%)和0.0011 g(0.75%);最后利用RDE排放预测模型在不同催化器老化状态下,进行WLTC、RDE和95%分位的激烈驾驶参考循环(RTS-95)工况的排放规律探究.研究发现:NO排放对工况更加敏感,超限风险更高.设定NO瞬时质量排放阈值为8 mg/s,以RTS-95循环在分散因子为0.6条件下的NO仿真结果为例,对催化器分散因子进行预警窗口宽度探究,结果表明:增加预警窗口宽度将会降低误判率和冷启动超限的识别概率.

永磁轮毂电机最优磁链矢量无权重价值函数模型预测转矩控制

永磁轮毂电机的外转子通常与轮辋轮胎直接相联结,相比内转子永磁驱动电机,转动惯量较大,其速度响应明显滞后负载变化。因此,复杂运行工况下,永磁轮毂电机驱动系统转速不稳定,电动车辆行走路径易出现偏移。为解决轮毂驱动下电动车辆的这一固有技术难题,提出一种磁链为唯一约束条件的无权重价值函数模型预测转矩控制(model predictive torque control,MPTC)策略,可实现复杂多变动态工况下电动车辆稳定运行的工作需求。所提价值函数将转矩、定子磁链幅值约束统一为定子磁链矢量的优化,消除了权重系数的整定,提高了复杂运行工况下轮毂电机的反应速度。同时,引入有效电压矢量与零电压矢量切换瞬间的定子磁链,以此为评估依据选择最优电压矢量,可降低转矩与定子磁链脉动,从而提高轮毂电机转速控制精度。实验验证了控制方法的正确性和有效性。

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。

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。

基于Transformer模型的时序数据预测方法综述

时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据难以使用传统的机器学习解决,而Transformer在自然语言处理和计算机视觉等领域的诸多任务表现优秀,学者们利用Transformer模型有效捕获长期依赖关系,使得时序数据预测任务取得了飞速发展。综述了基于Transformer模型的时序数据预测方法,按时间梳理了时序数据预测的发展进程,系统介绍了时序数据预处理过程和方法,介绍了常用的时序预测评价指标和数据集。以算法框架为研究内容系统阐述了基于Transformer的各类模型在TSF任务中的应用方法和工作原理。通过实验对比了各个模型的性能、优点和局限性,并对实验结果展开了分析与讨论。结合Transformer模型在时序数据预测任务中现有工作存在的挑战提出了该方向未来发展趋势。

入ICU 12h内相关指标构建危重症患者预后预测模型

目的:探讨危重症患者28d死亡的影响因子,以入ICU 12h内指标构建危重症患者预后预测模型。方法:回顾性分析2021年1月—2022年6月我院ICU接收的危重症患者资料,经多因素二元logistic回归模型筛选影响因子,构建预测模型,并采用Nomogram模型展示影响因子对预后影响可视化。结果:共纳入259例危重症患者,入ICU 28d存活180例,死亡79例。多因素logistic回归分析显示年龄(OR=1.021,95%CI:1.002~1.040)、收缩压(OR=0.990,95%CI:0.981~0.999)、血清肌酐(OR=1.142,95%CI:1.018~1.281)、氧合指数(OR=0.998,95%CI:0.996~1.000)、格拉斯哥昏迷评分(OR=0.992,95%CI:0.868~0.981)是危重症患者28d死亡的影响因子(P<0.05);建立危重症患者28d死亡的预测模型为P=1/(1^(+)e^(-z)),Z=0.021×年龄-0.010×SBP^(+)0.133×SCr-0.002×OI-0.081×GCS,该模型对危重症患者预后预测AUC为0.752(95%CI:0.685~0.819,P<0.001),敏感度为0.658,特异度为0.767。结论:入ICU 12h内的年龄、收缩压、血清肌酐、氧合指数、格拉斯哥昏迷评分是本组危重症患者28d死亡的影响因子,依托入ICU 12h内建立的预测模型在早期预测危重症患者有良好的价值。

融合CNN和WDF模型的电商企业商品销量预测研究

为了适应电商企业商品销量数据规模大、维度高、非线性等特征,并提高销量预测的准确性,创新性地提出一种卷积神经网络融合加权深度森林(CNN-WDF)的销量预测方法。利用卷积神经网络(CNN)处理高维数据的优势对电商企业商品销量数据进行特征提取,降低冗余度和模型训练复杂度。提出一种改进的加权深度森林模型(WDF)进行商品销量预测。该模型依据各个子树的预测准确率计算每一级森林中该子树的权重以提高整体预测准确性,且相对于传统深度网络模型具有超参数少、可解释性强等优点。利用京东商品销量数据进行实验验证,结果表明:CNN-WDF融合模型在不同规模京东销售数据集上,预测准确率均显著高于其他对比模型,且随着数据集规模的扩大,预测准确率提高更加明显。

中低温岩浆热液型金矿床找矿预测地质模型

我国金矿资源对外依存度长期居高不下,立足国内,寻找并探明一批大型金矿床是一项迫在眉睫的重大任务。中低温岩浆热液型金矿床是我国金的最主要来源,如何寻找其隐伏矿和深部矿成为当前矿产勘查研究的热点。本文以勘查区找矿预测理论为指导,以中低温岩浆热液型金矿床为研究对象,总结了中低温岩浆热液型金矿床地质特征,构建了以成矿地质体、成矿构造和成矿结构面特征和成矿作用特征标志为核心内容的找矿预测地质模型,为该类型金矿床找矿预测提供了新的思路,指导隐伏矿和深部矿金资源勘查取得突破。中低温岩浆热液型金矿床分为中温岩浆热液型金矿床和低温岩浆热液型金矿床两个亚类,广泛发育于陆块区和造山带中,赋矿围岩多种多样,成矿时代广泛,主要集中在中生代。本文厘定了中低温岩浆热液型金矿床成矿地质体为中酸性侵入体,与矿床(体)呈现出空间上相依(1~5km)、时间上相近(10Myr)、成因上相关的内在成生联系和时空配置关系。成矿构造属褶皱、断裂、岩浆侵入复合构造系统;成矿结构面主要有断裂、硅钙面、岩溶构造及岩体侵入接触带、爆破角砾岩体及水压裂隙等;矿化样式受成矿结构面控制,大致可分为四个类型:层状、脉状、块状及其组合而成的复合型。中温岩浆热液型金矿床成矿作用早阶段温度可达450℃左右,形成强度不等的钾长石化、钠长石化或铁白云石化;主成矿阶段成矿温度250℃左右,蚀变主要为硅化、绢云母化、伊利石化,Au和Ag共伴生,同时伴生少量Pb、Zn、Cu等,主要金属矿物为黄铁矿,次为黄铜矿、磁黄铁矿、方铅矿和闪锌矿;而低温岩浆热液型金矿床成矿作用主阶段温度低于250℃,Au和As、Sb共伴生,Ag含量低,常见毒砂和辉锑矿等矿物,成矿作用早阶段蚀变则主要为硅化,有的为次生石英岩化。金的沉淀富集机制包括流体的沸腾、混合和交代等机制。成矿作用中心位于岩体外接触带2~3km和接触带之内,由浅部到深部形成“上脉下层”的二元结构模式,脉状矿体具有侧伏延深规律,在此基础上构建了找矿预测地质模型。在该模型指导下,我们重新厘定了我国重要成矿区带金矿床类型,在深部发现新的矿体样式,拓宽了深部找矿空间,提升了我国重要成矿区带成矿规律的认识水平,带动了我国重要成矿区带金矿找矿新突破。

农机数字化大数据管理平台的设计——基于电子商务平台重复客户预测模型

随着信息技术和农机现代化的加速推进,数字化农机管理已成为当今农业发展的重要趋势。为此,基于电子商务平台重复客户预测模型,提出了一种基于Hadoop和物联网的农机数字化大数据管理平台,旨在将传统农业生产与信息技术有机结合,实现农机作业数据的实时监测、质量分析、预测与预警、决策支持等功能,为农机作业的自动化和精准化提供有力保障。

基于模型预测控制的无人车编队避障方法

为研究障碍物环境下基于模型预测控制的无人车编队避障方法,建立了包含虚拟智能体状态的编队避障函数,使避障问题容易用优化方法求解.在无人车编队内部引入优先级策略实现编队内部避碰,并通过动态事件触发机制减小无人车之间通讯带宽占用.对该方法进行了计算机仿真验证,在给定多边形障碍物环境下,使用领导者-追随者架构执行编队行驶任务,并借助事件触发器实现间歇通讯.结果表明,相较于传统方法,所设计的编队控制器能够提高带宽约束下无人车编队行驶安全性.

重症病人肠内营养相关性腹泻风险预测模型的系统评价

目的:对肠内营养相关性腹泻的风险预测模型进行系统检索和评价,以期为构建更高质量的肠内营养相关性腹泻风险预测模型提供参考。方法:检索中国生物医学文献数据库、万方数据库、中国知网、EMbase、PubMed、CINAHL、Web of Science、the Cochrane Library中的相关文献,检索时限为建库至2024年3月1日,限定语种为英文和中文。由2名研究者独立筛选文献和提取数据,并应用预测模型研究的偏倚风险和适用性评估工具(PROBAST)对纳入研究的偏倚风险和适用性进行评价。结果:共纳入6项肠内营养相关性腹泻的风险预测模型构建研究,6个模型的受试者工作特征曲线下面积为0.732~0.940,涉及最多的预测因子是禁食时间、肠内营养日剂量、口服钾制剂时间和应用抗生素情况。整体适应性较好,偏倚风险较高,偏倚主要来自未选择合适的数据来源、样本量不足、对缺失数据关注不足和缺乏模型性能评估等。结论:现有证据表明,肠内营养相关性腹泻风险预测模型研究偏倚风险较高,正处于发展阶段;未来研究应关注对不同风险评估方法有效性的研究,构建偏倚风险低、预测性能优良、符合我国临床实践实施的风险预测模型。

压水堆国产SA-508-Ⅲ-1钢环境影响疲劳试验研究和预测模型开发

对压水堆核电厂一回路设备用国产SA-508 Gr.3 Cl.1低合金钢(简称SA-508-Ⅲ-1钢)进行室温和320℃空气环境,以及模拟压水堆一回路水环境下的疲劳性能试验研究,获得国产SA-508-Ⅲ-1钢在空气环境下的疲劳寿命最佳拟合曲线(平均曲线)。在此基础上,对影响国产SA-508-Ⅲ-1钢在压水堆核电厂一回路水环境下疲劳性能的应变速率、温度和溶解氧含量等参数的影响规律进行研究,获得各影响参数的影响函数方程。基于获得的各影响参数的函数方程,建立国产SA-508-Ⅲ-1钢的环境影响疲劳修正因子F_(en)预测模型。本文获得的压水堆核电厂一回路水环境下国产SA-508-Ⅲ-1钢的疲劳寿命都位于95%置信度限值(10^(±2σ))范围内,验证了本文预测模型的有效性。同时,本文获得的压水堆核电厂一回路水环境下国产SA-508-Ⅲ-1钢的疲劳寿命与美国阿贡国家实验室(ANL)模型所预测的寿命相比,也都位于95%置信度限值(10^(±2σ))范围内,说明ANL模型可用于国产SA-508-Ⅲ-1钢的疲劳寿命预测。本文获得的国产SA-508-Ⅲ-1钢的环境影响疲劳预测模型与ANL模型相比,更适用于国产SA-508-Ⅲ-1钢的寿命预测,为国内第3代核电厂一回路设备考虑压水堆一回路水环境影响的疲劳设计提供参考。

高龄产妇产褥期中重度疲乏风险预测模型的构建与应用研究

目的:分析高龄产妇产褥期中重度疲乏发生的危险因素,构建风险预测模型,并验证其预测效果。方法:采用便利抽样法,选取南京医科大学附属常州第二人民医院产科2020年1月—2021年12月收治的高龄产妇210例设为建模组,选取2022年1月—2023年7月收治的高龄产妇100例设为验证组,采用一般资料问卷、疲乏量表、匹兹堡睡眠质量指数、爱丁堡产后抑郁量表、育儿联盟量表、产后社会支持量表等对产妇实施测评,统计建模组中重度疲乏的发生情况,通过单因素分析、多因素Logistic回归分析筛选高龄产妇产褥期中重度疲乏发生的危险因素,根据回归分析结果构建风险预测模型,并验证其预测效果。结果:建模组中,中重度疲乏产妇共41例,多因素Logistic回归分析结果显示,高龄产妇产褥期中重度疲乏发生的危险因素有产次、分娩方式、婴儿每日哭闹频率≥7次、睡眠质量、产后抑郁、配偶育儿参与度、产后社会支持(P<0.05);根据回归分析结果构建风险预测模型,Hosmer⁃Lemeshow拟合优度检验显示,χ^(2)=1.028,P=0.362,差异无统计学意义(P>0.05);绘制模型的受试者工作特征(ROC)曲线下面积(AUC)为0.833[95%CI(0.758,0.908)],敏感度、特异度分别为82.7%、88.5%,约登指数为0.712;临床应用检验显示,模型预测准确率为91.00%,Kappa一致性系数为0.798,表明模型有较好的预测、外推能力。结论:根据回归分析预测法构建的高龄产妇产褥期中重度疲乏风险预测模型有较好的预测、外推能力,其应用能为临床护理提供参考与依据,进而实现对产妇产褥期疲乏的有效管理。

基于SARIMA-SVM模型的季节性PM_(2.5)浓度预测

空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARIMA-SVM)融合模型。该融合模型为串联型融合模型,将数据拆分为线性部分与非线性部分。SARIMA模型在差分自回归滑动平均(ARIMA)模型的基础上增加了季节性因素提取参数,能有效分析PM_(2.5)浓度数据的季节性规律变化趋势,较好地预测数据未来的线性变化趋势。结合SVM模型对预测数据的残差序列进行优化,利用滑动步长预测法确定残差序列的最优预测步长,通过网格搜索确定最优模型参数,实现对PM_(2.5)浓度数据的长期预测,同时提高整体预测精度。通过对武汉市近5年的PM_(2.5)浓度监测数据进行分析,结果表明该融合模型的预测准确率相较于单一模型有很大提升,在相同的实验环境下比单一的ARIMA、Auto ARIMA、SARIMA模型分别提升了99%、99%、98%,稳定性也更好,为PM_(2.5)浓度预测研究提供了新的思路。

基于矢量分类的NPC型三电平双三相PMSM的改进模型预测电压控制

多电平多相电机驱动系统存在电压矢量数目多、冗余复杂及多目标非线性约束等问题。以二极管钳位型三电平六相逆变器驱动双三相永磁同步电机为研究对象,以电机谐波电流抑制和逆变器直流侧中点电位平衡控制为目标,提出一种基于电压矢量三角区域分类的改进模型预测电压控制策略。首先,以基波子平面大投影幅值为原则,对729个电压矢量进行初筛;接着,基于三角区域分类方法对筛选后的电压矢量进行分类,并对期望电压进行所属三角区域定位、确定候选矢量。设计满足电机定子电流谐波抑制及逆变器中点电位平衡控制的目标函数;根据电机数学模型和逆变器特征研究多目标控制权重因子的理论设计方法。不同工况下的有效性及对比实验表明,所研究的控制策略不仅能改善多电平多相电机驱动系统的多目标控制性能,还能有效降低控制器计算负担。

老年下肢骨折术后尿路感染的危险因素分析及列线图预测模型构建

目的分析老年下肢骨折术后尿路感染的独立危险因素,构建列线图预测模型并对其应用价值进行验证。方法回顾性选取2020年1月至2023年12月在河北医科大学第三医院行手术治疗的550例老年下肢骨折患者,根据术后是否发生尿路感染分为感染组(n=60)与无感染组(n=490)。采用Logistic-Lasso回归分析筛选老年下肢骨折术后尿路感染的独立危险因素并构建列线图预测模型,使用受试者操作特征(ROC)曲线、校正曲线、临床决策曲线(DCA)验证该模型的价值。另选取2024年1—6月收治的113例老年下肢骨折手术患者作为外部验证样本进行外部验证。结果Logistic-Lasso回归分析显示,女性、糖尿病、低蛋白血症、手术时间、尿路结石、留置尿管时间是老年下肢骨折术后尿路感染的独立危险因素(P<0.05),据此构建列线图风险预测模型,该模型预测老年下肢骨折术后尿路感染的ROC曲线下面积(AUC)为0.809(95%CI 0.753~0.866),校准度为0.618,C-index为0.791,DCA验证显示其临床效用性较高。通过113例患者对该模型进行外部验证,结果显示AUC为0.769(95%CI 0.593~0.946),提示该模型在外部验证中仍具有较好的预测价值。结论女性、糖尿病、低蛋白血症、手术时间、尿路结石、留置尿管时间是老年下肢骨折术后尿路感染的独立危险因素,据此构建的列线图预测模型具有较好的预测价值,对早期发现老年下肢骨折术后尿路感染的高风险人群并制订针对性的围手术期管理措施具有一定指导意义。

脑卒中患者医院感染危险因素分析及列线图预测模型构建

目的:探讨脑卒中患者发生医院感染的危险因素,并构建医院感染风险预测模型。方法:选择2020年1月至2023年12月在南通大学附属医院神经内科和神经外科住院期间发生医院感染的300例脑卒中患者(感染组),另选择同期未发生医院感染的脑卒中患者300例(对照组),分析医院感染及病原菌分布情况,比较两组临床特征,采用多因素Logistic回归分析脑卒中患者医院感染的危险因素,纳入R语言建立预测风险的列线图模型,并评估该模型的预测效果。结果:脑卒中患者医院感染部位以呼吸系统为主(62.67%,188/300),医院感染病原菌以革兰阴性菌为主(59.90%,121/202),其中多重耐药菌感染占34.16%(69/202);与对照组相比,感染组脑出血、糖尿病、高血压、冠心病、意识障碍、呼吸机辅助呼吸、深静脉置管、导尿管留置、预防性使用抗菌药物、体质量指数(body mass index,BMI)≥24 kg/m^(2)、住院时间≥14 d占比明显增高(P<0.05);多因素Logistic回归分析结果显示,卒中类型、高血压、糖尿病、BMI≥24 kg/m 2、意识障碍、呼吸机辅助呼吸、导尿管留置、预防性使用抗菌药物、住院时间≥14 d是脑卒中患者发生医院感染的独立危险因素(P<0.05)。基于回归结果构建列线图预测模型,ROC曲线下面积为0.983(95%CI:0.975~0.991),灵敏度为0.940,特异度为0.937,Hosmer-Lemeshow检验(χ^(2)=5.454,P=0.708)提示模型具有较好的拟合度和预测效能。结论:脑卒中患者发生医院感染的危险因素包括脑卒中类型、高血压和糖尿病等,基于此构建的列线图预测模型可较准确预测脑卒中患者发生医院感染的风险。

基于决策树的老年全身麻醉病人术中低氧血症预测模型构建与验证

目的:构建基于决策树的老年全身麻醉病人术中低氧血症预测模型并验证。方法:回顾性选取2022年1月—2023年12月于医院行全身麻醉手术的132例老年病人为建模组,根据是否发生术中低氧血症分为低氧血症组(n=26)和未发生低氧血症组(n=106),收集两组病人的临床资料并进行分析。采用单因素和多因素分析病人术中低氧血症的影响因素,并根据多因素分析结果构建基于决策树的预测模型。使用受试者工作特征(ROC)曲线分析模型的预测价值。另选取2024年1月—3月于医院行全身麻醉手术的58例老年病人为验证组进行验证。结果:多因素分析显示,体质指数(BMI)、合并高血压、吸烟史、术前经皮血氧饱和度(SpO_(2))及手术时间均为老年全身麻醉病人发生术中低氧血症的独立影响因素(均P<0.05)。根据多因素分析结果构建老年全身麻醉病人术中低氧血症决策树预测模型,共3层,12个节点,手术时间是最重要的预测因子。ROC分析结果显示,决策树模型建模组的ROC曲线下面积(AUC)为0.884[95%CI(0.817,0.952),P<0.05],决策树模型验证组的AUC为0.864[95%CI(0.765,0.963),P<0.05]。结论:本研究构建的基于决策树的老年全身麻醉病人术中低氧血症预测模型预测效果较好,可有效识别高风险术中低氧血症的老年全身麻醉病人,临床可据此制订、修改和实施对应的护理措施,以减少术中低氧血症的发生。

中年人群首次发生急性心肌梗死风险预测列线图模型的构建与评估

目的构建中年人群首次发生急性心肌梗死(AMI)的风险预测列线图模型,并评估其预测效度、准确度和临床适用性。方法选取2015年1月至2022年12月在柳州市人民医院心血管内科明确诊断为AMI的中年患者212例作为AMI组,选取同期健康中年人群212例作为对照组。比较两组受检者的一般资料和实验室检查指标。采用多因素Logistic回归分析中年人群发生AMI的影响因素,构建风险预测列线图模型。采用Hosmer-Leme-show(H-L)拟合优度检验判断模型的拟合度。采用受试者工作特征(ROC)曲线判断模型的区分度。采用Bootstrap法重复抽样1000次进行内部验证,绘制校正曲线以分析模型的准确度。采用决策曲线分析不同阈值概率下模型辅助决策的净获益。结果两组受检者的年龄、高血压占比比较差异均无统计学意义(P>0.05);AMI组患者的男性占比、吸烟史占比、糖化血红蛋白(HbA1c)、总胆固醇(TC)、甘油三酯(TG)、低密度脂蛋白胆固醇(LDL-C)、残余胆固醇(RC)、非高密度脂蛋白胆固醇(non-HDL-C)、LDL-C/HDL-C、non-HDL-C/HDL-C水平高于对照组,高密度脂蛋白胆固醇(HDL-C)明显低于对照组,差异均有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,在校正其他因素影响后,性别(OR=3.629,95%CI:1.806~7.292)、吸烟史(OR=7.446,95%CI:4.152~13.353)、HbA1c(OR=1.427,95%CI:1.111~1.834)、non-HDL-C(OR=1.701,95%CI:1.321~2.188)均是中年人群发生AMI的独立危险因素(P<0.05)。基于独立危险因素构建中年人群发生AMI的风险预测列线图模型。H-L检验结果显示本模型拟合优度较高(P=0.2359)。列线图模型预测中年人群发生AMI的ROC曲线下面积为0.87(95%CI:0.84~0.91,P<0.01),提示列线图模型区分度良好。校正曲线的平均绝对误差(MAE)为0.01,提示校正曲线与理想曲线贴合良好,模型准确度高。决策曲线分析结果显示,阈值0.10~0.86范围内,列线图模型预测中年人群发生AMI的净获益率>0,最大净获益率为0.5,提示模型临床适用性良好。结论性别、吸烟史、HbA1c、non-HDL-C是中年人群首次发生AMI的独立危险因素。基于独立危险因素构建的风险预测列线图模型,具有较高的预测效度和准确度,临床适用性良好。