目的:把握目前国际补充替代医学(complementary and alternativemedicine,CAM)研究的发展态势,为我国中医药相关工作的开展提供参考依据和科学的量化信息支持。方法:以PubMed数据库为检索源,国际CAM科技论文为研究对象,采用普赖斯指数...目的:把握目前国际补充替代医学(complementary and alternativemedicine,CAM)研究的发展态势,为我国中医药相关工作的开展提供参考依据和科学的量化信息支持。方法:以PubMed数据库为检索源,国际CAM科技论文为研究对象,采用普赖斯指数增长定律、布拉德福定律等信息计量学经典方法和关联规则等文本挖掘技术,对目前国际CAM研究的文献增长规律,高生产力国家、机构,核心期刊,以及研究的热点、前沿领域进行系统、全面的分析。结果:1998～2010年,国际CAM科技论文量呈上升趋势,且增长规律符合普赖斯指数增长定律;开展CAM研究的国家和地区范围广泛;期刊分布核心趋势明显;高等院校是研究的主体;植物药、针灸、心身疗法、整体疗法等是研究的热点疗法;肿瘤(乳腺癌)、慢性疾病(中风、糖尿病、高血压)、心身疾病(心理应激、焦虑、抑郁、精神障碍)、疼痛(下腰背痛、颈痛)等则是采用CAM疗法进行干预的主要病症。结论:CAM研究将继续增加;肿瘤的CAM防治研究仍是世界范围内的关注重点;主要疗法的临床疗效、安全性与生物学基础是CAM研究的重要任务;心身疗法研究不断增多,临床疗效与生物机制研究是关键;CAM干预症状受到重视,研究前景广阔;CAM符合并有助于促进现代医学模式的发展与完善;中医药是CAM研究的重要领域,中国的优势地位面临挑战。展开更多
目的对药学科研仪器的研究现状和发展趋势进行深入分析。方法在Web of Science数据库中检索药学科研仪器相关研究论文,用TDA软件进行数据清洗,利用文献计量分析方法,借助可视化的分析工具,从论文年代分布、国家/地区分布、研究主题等多...目的对药学科研仪器的研究现状和发展趋势进行深入分析。方法在Web of Science数据库中检索药学科研仪器相关研究论文,用TDA软件进行数据清洗,利用文献计量分析方法,借助可视化的分析工具,从论文年代分布、国家/地区分布、研究主题等多个计量指标入手进行统计分析。结果研究发现近20年药学科研仪器的论文发表量增长迅速;论文发表集中在美国、德国、日本和中国;核磁共振是最受关注的研究领域。结论发达国家在药学科研仪器领域占据主导地位;我国在论文发表数量方面已具有一定优势,但是与国外相比仍然存在差距。展开更多
目的探讨艾滋病疫苗技术的研究现状及其发展态势。方法以艾滋病疫苗为主题在Web of science数据库中检索研究论文,用TDA软件进行数据清洗和处理,采用共引分析方法,借助Ucinet和SPSS数据分析工具,从论文的国家/地区分布、国家/地区合作...目的探讨艾滋病疫苗技术的研究现状及其发展态势。方法以艾滋病疫苗为主题在Web of science数据库中检索研究论文,用TDA软件进行数据清洗和处理,采用共引分析方法,借助Ucinet和SPSS数据分析工具,从论文的国家/地区分布、国家/地区合作网络和被引文献等计量指标入手进行统计分析。结果研究发现2011年以来艾滋病疫苗技术领域论文主要集中在美国、英国等国家,其中中国论文数量排在第4位;中国在艾滋病疫苗技术领域国际合作较少;通过研究得出HIV-1可溶性膜蛋白三聚体结构研究、HIV/AIDS动物模型研究等9个艾滋病疫苗技术的前沿领域。结论近年来国际上艾滋病疫苗技术研究领域发展迅速,但我国的研究实力相对美国等发达国家仍比较薄弱。展开更多
Objective To compare the performance of five machine learning models and SAPSⅡ score in predicting the 30-day mortality amongst patients with sepsis.Methods The sepsis patient-related data were extracted from the MIM...Objective To compare the performance of five machine learning models and SAPSⅡ score in predicting the 30-day mortality amongst patients with sepsis.Methods The sepsis patient-related data were extracted from the MIMIC-Ⅳ database.Clinical features were generated and selected by mutual information and grid search.Logistic regression,Random forest,LightGBM,XGBoost,and other machine learning models were constructed to predict the mortality probability.Five measurements including accuracy,precision,recall,F1 score,and area under curve(AUC) were acquired for model evaluation.An external validation was implemented to avoid conclusion bias.Results LightGBM outperformed other methods,achieving the highest AUC(0.900),accuracy(0.808),and precision(0.559).All machine learning models performed better than SAPSⅡ score(AUC=0.748).LightGBM achieved 0.883 in AUC in the external data validation.Conclusions The machine learning models are more effective in predicting the 30-day mortality of patients with sepsis than the traditional SAPS Ⅱ score.展开更多
文摘目的:把握目前国际补充替代医学(complementary and alternativemedicine,CAM)研究的发展态势,为我国中医药相关工作的开展提供参考依据和科学的量化信息支持。方法:以PubMed数据库为检索源,国际CAM科技论文为研究对象,采用普赖斯指数增长定律、布拉德福定律等信息计量学经典方法和关联规则等文本挖掘技术,对目前国际CAM研究的文献增长规律,高生产力国家、机构,核心期刊,以及研究的热点、前沿领域进行系统、全面的分析。结果:1998～2010年,国际CAM科技论文量呈上升趋势,且增长规律符合普赖斯指数增长定律;开展CAM研究的国家和地区范围广泛;期刊分布核心趋势明显;高等院校是研究的主体;植物药、针灸、心身疗法、整体疗法等是研究的热点疗法;肿瘤(乳腺癌)、慢性疾病(中风、糖尿病、高血压)、心身疾病(心理应激、焦虑、抑郁、精神障碍)、疼痛(下腰背痛、颈痛)等则是采用CAM疗法进行干预的主要病症。结论:CAM研究将继续增加;肿瘤的CAM防治研究仍是世界范围内的关注重点;主要疗法的临床疗效、安全性与生物学基础是CAM研究的重要任务;心身疗法研究不断增多,临床疗效与生物机制研究是关键;CAM干预症状受到重视,研究前景广阔;CAM符合并有助于促进现代医学模式的发展与完善;中医药是CAM研究的重要领域,中国的优势地位面临挑战。
文摘目的对药学科研仪器的研究现状和发展趋势进行深入分析。方法在Web of Science数据库中检索药学科研仪器相关研究论文,用TDA软件进行数据清洗,利用文献计量分析方法,借助可视化的分析工具,从论文年代分布、国家/地区分布、研究主题等多个计量指标入手进行统计分析。结果研究发现近20年药学科研仪器的论文发表量增长迅速;论文发表集中在美国、德国、日本和中国;核磁共振是最受关注的研究领域。结论发达国家在药学科研仪器领域占据主导地位;我国在论文发表数量方面已具有一定优势,但是与国外相比仍然存在差距。
文摘目的探讨艾滋病疫苗技术的研究现状及其发展态势。方法以艾滋病疫苗为主题在Web of science数据库中检索研究论文,用TDA软件进行数据清洗和处理,采用共引分析方法,借助Ucinet和SPSS数据分析工具,从论文的国家/地区分布、国家/地区合作网络和被引文献等计量指标入手进行统计分析。结果研究发现2011年以来艾滋病疫苗技术领域论文主要集中在美国、英国等国家,其中中国论文数量排在第4位;中国在艾滋病疫苗技术领域国际合作较少;通过研究得出HIV-1可溶性膜蛋白三聚体结构研究、HIV/AIDS动物模型研究等9个艾滋病疫苗技术的前沿领域。结论近年来国际上艾滋病疫苗技术研究领域发展迅速,但我国的研究实力相对美国等发达国家仍比较薄弱。
文摘Objective To compare the performance of five machine learning models and SAPSⅡ score in predicting the 30-day mortality amongst patients with sepsis.Methods The sepsis patient-related data were extracted from the MIMIC-Ⅳ database.Clinical features were generated and selected by mutual information and grid search.Logistic regression,Random forest,LightGBM,XGBoost,and other machine learning models were constructed to predict the mortality probability.Five measurements including accuracy,precision,recall,F1 score,and area under curve(AUC) were acquired for model evaluation.An external validation was implemented to avoid conclusion bias.Results LightGBM outperformed other methods,achieving the highest AUC(0.900),accuracy(0.808),and precision(0.559).All machine learning models performed better than SAPSⅡ score(AUC=0.748).LightGBM achieved 0.883 in AUC in the external data validation.Conclusions The machine learning models are more effective in predicting the 30-day mortality of patients with sepsis than the traditional SAPS Ⅱ score.
