超声联合外周血炎症指标列线图预测肾透明细胞癌WHO/ISUP分级

目的:探讨超声联合外周血炎症指标预测肾透明细胞癌(ccRCC)世界卫生组织(WHO)/国际泌尿病理学会(ISUP)分级的价值。方法:收集芜湖市第二人民医院经手术病理证实的93例ccRCC患者超声和临床资料,根据WHO/ISUP分级分为高级别组(25例)和低级别组(68例)。单因素分析及多因素Logistic回归分析筛选预测ccRCC WHO/ISUP分级的独立影响因素,并构建联合预测模型,以列线图展示,校准曲线评估模型的校准度,5折交叉验证评估模型的稳定性,决策曲线(DCA)评估模型的临床净获益。结果:单因素分析和多因素Logistic回归分析筛选出最大径、血流丰富、血小板淋巴细胞比值(PLR)为预测ccRCC WHO/ISUP分级的独立影响因素(P<0.05);列线图的AUC为0.925(0.868~0.982),预测效能优于各单变量(P<0.05)。5折交叉验证AUC为0.941,与列线图基本符合,具有临床获益。结论:超声联合外周血炎症指标构建的预测模型可有效预测ccRCC WHO/ISUP分级,基于此构建的列线图能将预测结果可视化。

CT增强定量参数预测肾透明细胞癌WHO/ISUP分级

目的:探讨CT增强定量参数术前预测肾透明细胞癌(ccRCC)世界卫生组织/国际泌尿病理学会(WHO/ISUP)分级的价值。方法:连续搜集行手术治疗的98例ccRCC患者临床和CT增强资料,根据WHO/ISUP分级分为低级别组(76例)和高级别组(22例)。比较CT增强定量参数两组间差异及各参数预测ccRCC WHO/ISUP分级的诊断效能,并进行外部验证,找寻泛化能力最佳的CT增强定量参数。结果:两组间皮质期CT值、皮质期净增值、皮质期强化率、实质期CT值、实质期净增值、实质期强化率差异均有统计学意义,AUC值分别依次为0.834、0.871、0.900、0.707、0.678和0.762;截断值分别依次为123.5 HU、71HU、0.73、87.5HU、54HU、0.67;皮质期强化率诊断效能最高,AUC=0.900,敏感度为0.842,特异度为0.864;外部验证结果显示皮质期强化率诊断效能(AUC=0.867)优于皮质期CT值(AUC=0.735)、皮质期净增值(AUC=0.709),Z值分别为2.134和2.417。结论:CT增强定量参数可用于预测ccRCC WHO/ISUP分级,皮质期强化率是诊断效能最高、泛化能力最佳的CT增强定量参数。

基于MRI影像组学模型术前预测肾透明细胞癌WHO/ISUP分级的研究

肾细胞癌是肾脏发病率最高的恶性肿瘤,其中肾透明细胞癌(ccRCC)是其最常见的亚型,约占90%,且预后相对较差。世界卫生组织/国际泌尿病理学会(WHO/ISUP)病理分级被认为是ccRCC生存预后的独立预测因素,近年来已被广泛用于指导临床治疗。因此,术前精准预测高/低级别的ccRCC有助于临床选择合适的诊疗方案及有效的评估预后。MRI检查是术前无创评估ccRCC的重要工具,以往研究认为,肿瘤的大小、出血、坏死及强化程度等MRI征象有助于其术前分级,然而ccRCC低级别和高级别之间存在影像学征象的重叠以及医师之间的经验差异,可能影响这些指标的可靠性。影像组学可以提取医学图像中高通量的能够反映肿瘤异质性的特征进行定量分析,或许能够与病理分级相关联。

CT增强联合外周血炎症指标诺模图术前诊断肾透明细胞癌WHO/ISUP分级

目的探讨CT增强联合外周血炎症指标术前诊断肾透明细胞癌(CCRCC)世界卫生组织/国际泌尿病理学会(WHO/ISUP)分级的价值。方法搜集144例手术病理证实的CCRCC患者资料,WHO/ISUP高级别组38例、低级别组106例,术前均行CT增强和外周血常规检查。单因素分析肿瘤CT征象、CT定量参数值、中性粒细胞/淋巴细胞比值(NLR)、血小板/淋巴细胞比值(PLR)和系统免疫炎症指数(SII)组间差异。多因素Logistic回归分析筛选术前诊断CCRCC WHO/ISUP分级的独立预测因子,并构建联合诊断模型,以诺模图展示,评估诺模图校准度、稳定性和临床净获益。结果肿瘤大小(OR=1.681,P=0.006)、边缘模糊(OR=5.549,P=0.003)、皮质期强化率(OR=2.577,P<0.001)、SII(OR=1.189,P=0.002)是诊断CCRCC WHO/ISUP分级的独立预测因子;诺模图曲线下面积(AUC)为0.910(0.862~0.958,P<0.001),诊断效能优于各单变量(均P<0.05)。校准曲线显示出高校准度;5折交叉验证AUC为0.896,与诺模图一致;决策-曲线分析显示临床有获益。结论CT增强联合外周血炎症指标可用于诊断CCRCC WHO/ISUP分级,诺模图可将结果可视化,临床价值较高。

798例透明细胞肾细胞癌WHO/ISUP分级与临床病理特征及预后的关系

目的探讨透明细胞肾细胞癌(clear cell renal cell carcinoma,CCRCC)WHO/ISUP分级与临床病理学特征及预后的关系。方法回顾性分析2007年8月~2014年12月浙江大学医学院附属第一医院798例行肾全切术且病理诊断为CCRCC患者的临床病理资料及随访信息。结果798例CCRCC中,男女比为1.9∶1,平均年龄57.4岁,肿瘤平均最大径5.1 cm。出现脉管内癌栓者42例(5.3%),紧贴/累犯肾被膜303例(38.0%),肿瘤发生坏死89例(11.2%),WHO/ISUP 1~4级分别为120例(15.0%)、495例(62.0%)、158例(19.8%)、25例(3.2%);病理分期:Ⅰ+Ⅱ期749例(93.9%),Ⅲ+Ⅳ期49例(6.1%)。544例患者获得随访,其中67例死于肾细胞癌,术后5年总生存率为93.4%,10年总生存率86.7%。WHO/ISUP分级越高的患者年龄越大、肿瘤最大径更长、更易出现脉管癌栓并紧贴/累犯肾被膜、肿瘤更易发生坏死且病理分期更高(P均<0.05)。单因素生存分析显示,手术时患者年龄>60岁、肿瘤最大径>7.0 cm、有脉管癌栓、紧贴/累犯肾被膜、发生肿瘤坏死、WHO/ISUP分级高、病理分期高的患者预后不良(P均<0.05)。Cox多因素生存分析显示,患者年龄、肿瘤最大径及WHO/ISUP分级为CCRCC患者的独立预后因素(P均<0.05)。结论WHO/ISUP分级高的CCRCC患者预后差;患者年龄、肿瘤最大径及WHO/ISUP分级为CCRCC患者的独立预后因素。

基于CT影像组学术前预测肾透明细胞癌WHO/ISUP分级

目的探讨CT影像组学术前预测肾透明细胞癌(ccRCC)WHO/ISUP分级的价值。资料与方法回顾性分析330例经病理证实的cc RCC的影像及临床病理资料。根据WHO/ISUP分级将纳入患者分为低级别组(Ⅰ+Ⅱ)及高级别组(Ⅲ+Ⅳ);并按2∶1随机分为训练集和验证集。基于训练集年龄、性别及传统影像特征构建传统影像模型,提取CT髓质期的影像组学特征,在训练集中筛选特征并构建影像组学标签,融合传统影像特征及影像组学标签构建融合模型,并在验证集中验证和评价模型。结果最终提取与ccRCC WHO/ISUP分级相关的2项传统影像特征及27项影像组学特征,分别构建传统影像模型及影像组学标签。ROC曲线下面积显示验证集中影像组学标签优于传统影像模型及融合模型(P<0.05)。校准曲线及Hosmer-Lemeshow检验显示3组模型均具有较好的拟合度(P均>0.05)。决策曲线显示,在验证集中影像组学标签可获得最高的净收益。结论CT影像组学可为ccRCC肿瘤侵袭性的术前评估提供无创、可靠的影像学方法。

Fisher判别模型在肾透明细胞癌多层螺旋CT征像及病理学WHO/ISUP分级中的价值

目的探讨基于术前多层螺旋CT(MSCT)检查结果及术后病理世界卫生组织/国际泌尿病理学会(WHO/ISUP)分级资料建立肾透明细胞癌(CCRCC)术前病理分级Fisher判别模型的临床应用价值。方法收集2017年5月至2020年5月浙江中医药大学附属第二医院行手术治疗的53例CCRCC患者术前MSCT影像,包括肿瘤位置、是否浸润性生长、肿瘤最长径、边缘是否规则、是否发生液化、坏死及钙化等。将具有统计学意义的CT征像建立术前Fisher判别模型,将术前判别结果与术后WHO/ISUP分级结果进行对比,并检验Fisher判别模型的效能。结果53例CCRCC患者中术后病理低级别组(Ⅰ、Ⅱ)28例,高级别组(Ⅲ、Ⅳ)25例。高级别和低级别组肿瘤在肿瘤最长径、边缘是否规则、是否发生液化、坏死及浸润性生长均有统计学意义(均P<0.05),其中边缘规则或有假包膜、肿瘤长径小的CCRCC倾向于低级别组(WHO/ISUPⅠ~Ⅱ级)。长径越大、浸润性生长、发生液化或者坏死的CCRCC倾向于高级别组(WHO/ISUPⅢ~Ⅳ级)。选定具有统计学意义的4项CT征象:肿瘤长径(X1,临界值为5 cm),浸润性生长(X2),发生液化或坏死(X3),肿瘤边缘规则或有假包膜(X4),判别函数为:Z=0.485X1+0.348X2+0.741X3+0.414X4,Zc=1.24;将判别指标代入判别模型,得出低级别组为31例,高级别组为22例,判别模型将病理结果中5例高级别组判为低级别组,2例低级别组判为高级别组,误判率为13.21%,正确率为86.79%,灵敏度为89.66%,特异度为71.43%。结论Fisher判别方法联合MSCT建立的判别模型对CCRCC术前预测分级具有较高的临床实用价值。

CT平扫影像组学模型在术前预测肾透明细胞癌WHO/ISUP分级的临床价值

目的探讨术前基于CT平扫影像组学模型预测肾透明细胞癌(Clear cell renal cell carcinoma,ccRCC)世界卫生组织/国际泌尿病理学会(WHO/ISUP)分级中低级别(Ⅰ~Ⅱ级)与高级别(Ⅲ~Ⅳ级)的价值。方法回顾性分析经手术病理证实的201例ccRCC患者共203枚病灶的CT平扫数据(低级别组147枚,高级别组56枚),用图像分割软件获取3D肿瘤感兴趣区(3D-ROI),从3D-ROI中提取5种特征。基于上述特征建立逻辑回归(LR)模型。结果LR模型训练集预测高级别ccRCC的准确度为82.35%、精确度为63.51%,最佳点的敏感性和特异性分别为83.93%和81.76%,AUC为0.893(95%CI:0.8479~0.9381);对应的测试集准确度为79.90%、精确度为60.27%,最佳点的敏感性和特异性分别为78.57%和80.41%,AUC为0.864(95%CI:0.8106~0.9174)。结论基于CT平扫影像组学模型可以对ccRCC WHO/ISUP分级进行术前预测,可为患者的治疗及预后提供参考依据。

透明细胞肾细胞癌:WHO/ISUP分级验证

肿瘤组织学分级是肾细胞癌（RCC）公认的预后指标。2012年,国际泌尿病理学会（International Society of Urological Pathology,ISUP）引入了一种新型的分级系统,按核仁突出的程度,将透明细胞肾细胞癌（clear cell renal cell carcinoma,CCRCC）和乳头状肾细胞癌（papillary renal cell carcinoma,PRCC）的分级标准分为1～3个核级,其中若存在极端多形性和/或肿瘤巨细胞、和/或肉瘤样、和/或横纹肌样分化,则作为4级。

增强CT模型及影像组学模型预测肾透明细胞癌WHO/ISUP分级

目的比较增强CT模型与影像组学模型预测肾透明细胞癌(ccRCC)WHO/ISUP分级的效能。方法回顾性分析131例经病理确诊ccRCC患者,按照3∶2比例分层抽样分为训练集(n=78)和验证集(n=53)。根据2016版肾癌WHO/ISUP病理分级标准,以Ⅰ~Ⅱ级为低级别、Ⅲ~Ⅳ级为高级别ccRCC。训练集55例低级别、23例高级别ccRCC;验证集37例低级别、16例高级别ccRCC。以训练集构建增强CT模型及影像组学模型预测ccRCC级别,于验证集加以验证,比较其诊断效能。结果增强CT模型在训练集及验证集预测高、低级别ccRCC的曲线下面积(AUC)分别为0.89及0.76,敏感度分别0.83及0.56,特异度分别为0.84及0.87;影像组学模型的AUC分别为0.98及0.85,敏感度分别0.96及0.91,特异度分别为0.75及0.84。训练集中影像组学模型的AUC大于增强CT模型(Z=2.05,P<0.05),验证集中二者AUC差异无统计学意义(Z=0.95,P=0.34)。决策曲线分析结果显示高风险概率阈值为0.08~1.00时,影像组学模型净获益高于增强CT模型。结论影像组学模型预测ccRCC WHO/ISUP分级的效能优于增强CT模型。

基于CT征象构建肾透明细胞癌WHO/ISUP分级积分评价系统

目的探讨基于CT征象构建的积分评价系统对术前预测肾透明细胞癌(ccRCC)WHO/国际泌尿病理学会(ISUP)分级的评估价值。方法收集2017年1月至2022年9月杭州市中医院(87例)和浙江大学医学院附属邵逸夫医院(53例)经病理检查证实的ccRCC患者共140例,依据WHO/ISUP分级标准分为低级别组(98例,Ⅰ级13例、Ⅱ级85例)和高级别组(42例,Ⅲ级34例、Ⅳ级8例),并以分层抽样法按照8∶2的比例将患者分为训练集(112例)与验证集(28例)。通过Mann-Whitney U检验、χ2检验、多因素logistic回归分析CT征象筛选组间差异有统计学意义的因素,并进行加权赋分得到积分模型;绘制ROC曲线评价模型预测效能;最后将积分模型分为3个积分区间。结果多因素logistic回归分析显示,形状与边界、坏死及皮髓质期强化程度为预测ccRCC分级的独立危险因素,该模型的AUC为0.851(95%CI:0.762~0.941),灵敏度为0.794,特异度为0.846。积分模型包括形状与边界(分叶型2分或浸润型3分)、大量坏死(3分)及皮髓质期轻中度强化(2分)。积分模型的AUC为0.850(95%CI:0.760~0.940),应用Youden指数确定最佳阈值(3.5),灵敏度为0.765,特异度为0.859。将积分模型分为3个积分区间:0~3分、4~6分、7~8分。随着积分增加,训练集、验证集各积分区间高级别ccRCC的发生率逐渐增高。结论基于CT征象构建的积分评价系统对术前预测ccRCC WHO/ISUP分级具有较高的临床应用价值。

基于多尺度3D-CT特征预测肾细胞癌组织亚型和WHO/ISUP分级模型的构建与验证

目的 探讨基于多尺度3D-CT特征构建的模型能否为肾细胞癌(RCC)组织亚型和WHO/ISUP分级提供稳健的预测。方法 回顾性分析来自4个医疗中心的507例经术后病理证实为RCC的患者,将其分为训练集(中心1~3,346例)、内部验证集(中心1~3,87例)和外部测试集(中心4,74例)。构建的预测模型包含以下模块:由3D-UNet构建的肾脏-肿瘤语义分割模型、基于感兴趣区域的多尺度特征提取器以及由XGBoost算法构建的2个分类器。另外,采用五折交叉验证和多中心外部测试的策略验证和测试模型的稳定性和泛化能力。最后,通过计算单一特征的SHAP量探索每个特征对模型决策的贡献。结果 无论RCC组织亚型还是WHO/ISUP分级预测,相比单期相CT模型,多期相CT模型的准确率和效能都更加优秀。在预测RCC组织亚型模型中,五折交叉验证的AUROC分别为0.86、0.85、0.88、0.88和0.89,最优模型的内部验证集和外部测试集AUROC分别为0.89和0.75。而对于WHO/ISUP分级的预测模型,五折交叉验证的AUROC分别为0.81、0.82、0.79、0.73和0.81,最优模型的内部验证集和外部测试集AUROC分别为0.82和0.73。在模型的可解释性分析上,一阶统计量和灰度矩阵特征分别为RCC组织亚型预测模型贡献量排名第一、二的特征;而在WHO/ISUP分级预测模型中一阶统计量则发挥了最重要的作用。结论 基于多尺度3D-CT特征构建的模型可为术前评估RCC组织亚型和WHO/ISUP分级提供一个强有力的预测。

改进残差网络的肾细胞癌ISUP分级研究

术前预测透明细胞肾细胞癌(clear cell renal cell carcinoma,ccRCC)的分级可有效评估患者的预后并指导临床治疗,但实现精准预测是目前本领域内的一项重要问题。该研究首先确定最优建模的CT类型与网络层数,提出了一种基于改进残差网络的ccRCC的CT影像分级模型,具体包括:利用大卷积操作对图像进行原始特征提取,利用混合注意力模块通过计算特征图中当前空间和临近空间以及当前空间和远距离空间之间的信息交互获取更多有用的特征,使得原始图像特征图在通道维度与空间维度上进行自适应特征细化,利用四个深度卷积网络层提取图像深度特征,并利用改进通道注意力模块产生通道注意力特征图信息,提取更多通道上的交互信息。实验结果表明,增强CT实质期图像和34层残差网络最有利于分级预测模型的开发,所提出的模型的总体加权准确率、AUC、精度、召回率和F1分数分别为90.8%、0.897、90.5%、90.8%、90.9%,各项指标优于其他常见网络结构,因此,该模型在预测ccRCC的国际泌尿病理学学会(International Society of Urological Pathology,ISUP)分级方面有良好的效能,对患者的临床辅助诊断和预后治疗具有重要的理论指导意义。

基于术前增强CT探讨肾透明细胞癌瘤周静脉特征与WHO/ISUP分级的关系

目的基于术前增强CT探讨肾透明细胞癌(ccRCC)瘤周静脉的特征与世界卫生组织(WHO)/国际泌尿病理协会(ISUP)分级的关系。方法回顾性分析安徽医科大学第二附属医院2018年5月至2021年12月经术后病理证实为ccRCC且有明确病理分级的250例患者资料。将ccRCC瘤周静脉定义为实质期在Gerota筋膜内与受累肾脏相邻的不对称增加且形态不规则的血管。按有无瘤周静脉将250例病例分为两组,观察两组的影像特征并分析有无瘤周静脉与WHO/ISUP分级的关系。对于有瘤周静脉的病例,进一步分析瘤周静脉的支数,最大内径,空间构型(有无交叉)与WHO/ISUP分级的关系。并利用Spearman相关分析瘤周静脉支数与WHO/ISUP分级的相关性。结果250例ccRCC患者中有瘤周静脉的有146例(58.4%),无瘤周静脉的有104例(41.6%)。有瘤周静脉的患者较无瘤周静脉的患者肿瘤直径更大、更容易出现囊变坏死(P<0.05)。两组间患者年龄、性别、体重指数(BMI)、肿瘤位置、有无癌栓的差异无统计学意义(P>0.05)。ccRCC患者瘤周静脉的有无,支数,空间构型与WHO/ISUP分级的差异有统计学意义(P<0.05)。且瘤周静脉支数与WHO/ISUP分级呈正相关(r=0.310,P<0.001)。瘤周静脉的最大内径与WHO/ISUP分级的差异无统计学意义(P>0.05)。结论ccRCC瘤周静脉的特征与WHO/ISUP分级相关,术前评估瘤周静脉对患者的临床治疗决策具有指导意义。

肾透明细胞癌数字病理图像细胞核ISUP分级预测

针对全切片数字病理图像中的肾透明细胞癌进行精准的细胞核分级并改善肾癌的治疗和预后,提出了一种基于多尺度通道信息拼接与融合残差网络的ccRCC病理图像国际泌尿病理学会核分级方法。通过多尺度通道信息拼接将不同阶段的语义信息进行融合,从而在不损失深度信息的同时提取更多的浅层特征,实现更准确的分类效果。实验收集了90例病人的肾组织病理切片,对WSI图像进行裁切和增强后,按照4:1的比例分成训练集和测试集。在训练集上对CSFNet卷积神经网络模型参数进行迭代优化,并在测试集上验证模型性能。实验结果表明,提出的CSFNet模型鉴别ISUPⅠ级、ISUPⅡ级、ISUPⅢ级和正常病理图像的宏平均AUC与微平均AUC分别为0.9758和0.9794,准确率为88.00%,精确率为88.36%,召回率为86.67%,F1分数为87.32%,且优于其他主流的分类网络模型,因此,本文所提出的肾透明细胞癌病理图像ISUP细胞核分级模型有良好的诊断效能,具有潜在的临床应用价值。

基于超声影像组学对肾透明细胞癌WHO/ISUP分级的探索研究

目的探讨基于超声影像组学术前预测肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)世界卫生组织/国际泌尿病理学会(WHO/ISUP)分级的临床价值。方法回顾性收集2021年1月至2022年10月天津医科大学肿瘤医院经手术病理证实的175例ccRCC患者的临床、超声影像学资料,采用WHO/ISUP病理分级标准将其分为低级别组(Ⅰ、Ⅱ级,共105例)和高级别组(Ⅲ、Ⅳ级,共70例)。选择肿瘤最大径线的清晰图像导入ITK-SNAP软件对图像进行手动分割,并提取超声影像组学特征。将患者按照7∶3的比例随机分为训练组和测试组,其中训练组122例,测试组53例。通过降维处理获得稳定的影像组学特征,并应用支持向量机(SVM)算法预测ccRCC的病理分级,最终构建临床超声影像模型、超声影像组学模型和二者结合的联合模型。通过ROC曲线下面积(AUC)分析三种模型的预测效果,应用校准曲线评价模型性能,应用决策曲线确定患者的净获益。结果共提取873个影像组学特征,经降维处理,最终获得10项特征用于构建模型。最终测试结果显示,临床超声影像模型、超声影像组学模型以及联合模型的AUC、敏感性、特异性及准确性分别为0.68、0.47、0.78、0.66,0.74、0.53、0.88、0.74,0.84、0.63、0.86、0.77,其中联合模型的AUC大于临床超声影像模型(Z=-3.224,P=0.001)及超声影像组学模型(Z=-2.594,P=0.009)。校准曲线显示联合模型稳定性较其他两种模型更好。决策曲线显示在阈值0.1~1.0的范围内,联合模型的临床净获益要高于其他两种模型。结论基于超声图像构建的影像组学模型术前预测ccRCC的病理分级效果良好,结合相关临床、超声参数构建的联合模型性能更佳,在一定程度上可帮助临床术前预测ccRCC分级,对于医生在个性化医疗时代选择最佳管理方案至关重要。

基于演化博弈的我国分级诊疗策略分析

目的在分级诊疗制度中涉及政府、医院和患者之间的利益关系,探讨三方动态博弈策略,有利于完善分级诊疗的理论范式和政策逻辑。方法构建政府、医院和患者三方模型,分析其策略选择及演化路径,求解三方演化博弈的稳定策略,探究如何进行利益平衡和合作以实现三方共赢。另外,利用Matlab R2018b对模型进行仿真,进一步分析三方主体的演化路径以及不同策略选择对分级诊疗制度推广的影响。结果政府、医院和患者3个主体的决策行为之间相互影响,最终将演化至点(1,1,1)的理想稳定状态。增大政府补贴会加速医院和患者的初始参与概率值收敛至1,但过多的补贴会使政府逐渐背离鼓励分级诊疗的策略。结论政府应在成本范围内加大对医院优质医疗资源下沉的专家补贴力度,并加强政府监管。大型医院和基层医疗卫生机构重要的是实现医生资源的自由流动和合理分布。患者还需转变固有的就医观念,才能最终实现有序就医。

急性胃肠道损伤分级联合序贯器官衰竭评分对脓毒症患者28天预后有评估价值

目的:探讨急性胃肠损伤(AGI)分级联合序贯器官衰竭评分(SOFA)对脓毒症患者28 d预后的预测价值。方法:以192例脓毒症患者为研究对象,根据患者28 d是否存活分为存活组和死亡组,比较2组的临床特征。入院1周内每日记录AGI分级,并分析不同AGI分级患者的临床特征。分别绘制AGI分级、SOFA评分、急性生理学及慢性健康状况(APACHEⅡ)评分以及AGI分级联合SOFA评分对患者28 d预后的受试者工作特征(ROC)曲线,计算相应的曲线下面积(AUC),并进行比较。结果:192例脓毒症患者28 d死亡率为38.0%(73/192),AGI的发生率为89.1%(171/192),其中1级患者69例,2级72例,3级26例,4级4例。AGI分级越高,患者危重症评分、28 d死亡率越高(P均<0.01)。多元回归分析显示,年龄、乳酸、机械通气(MV)、AGI分级以及APACHEⅡ评分是脓毒症患者28 d死亡的独立危险因素(P均<0.05)。ROC曲线分析提示,AGI分级、SOFA评分对患者28 d死亡的预测能力均低于APACHEⅡ评分,但两者相结合的预测能力与APACHEⅡ评分相当(P>0.01)。结论:脓毒症患者AGI发生率高,AGI分级联合SOFA评分对脓毒症患者28 d预后有预测价值。

数据分类分级确权对数据要素价值实现的影响

数据确权是释放数据要素价值的基础,同时也是数据要素市场正常运行和不断发展的关键支撑。研究梳理了数据确权相关概念以及如何建立产权体系以实现数据确权的路径。在此基础上,本研究明晰了数据分类分级确权的具体方式,并基于价值链分析其对数据价值实现中各个环节的影响。研究结果表明,在数据采集环节数据分类分级确权制度能够激励数据供给,提高数据质量,同时激发市场活力;在数据组织环节,它细分了技术工作,保护隐私数据,并挖掘潜在价值;在数据流通环节,它能调节负外部性、降低交易成本、优化资源配置;最后,在数据利用环节,它在数据合规监管和数据价值再开发方面发挥了关键作用。

基于差异化网络分析的CT平扫期影像组学模型可有效预测及解释肾透明细胞癌WHO/ISUP核分级

目的探讨基于差异化网络分析特征选择的CT影像组学模型预测肾透明细胞癌世界卫生组织/国际泌尿病理学会(WHO/ISUP)核分级的可行性,以及探讨模型特征的可解释性。方法回顾性分析175例肾透明细胞癌患者的CT图像以及临床病理资料,其中训练集105例,测试集70例。使用ITK-SNAP和PyRadiomics软件平台对肿瘤的图像进行分割和特征提取。在训练集中,通过差异化网络分析进行特征选择,并构建不同期相的WHO/ISUP核分级预测模型。选择性能最佳的期相模型,并与其他机器学习模型和临床模型比较检验其性能。通过K-M生存分析、Cox回归分析以及风险评分,对最佳期相模型中的特征进行重要性评估,以验证其可解释性。结果平扫期模型的预测效能最好,验证集中的曲线下面积均为0.76,优于其他机器学习模型以及临床模型(P<0.05)。K-M生存分析、Cox回归分析以及风险评分分析结果均显示平扫期模型中的影像组学特征可预测无进展生存期。结论基于差异化网络分析特征选择构建的平扫期模型不仅可以有效预测肾透明细胞癌的WHO/ISUP核分级,同时该模型的特征也能很好的预测无进展生存期,有较强的可解释性。