颧骨缝牵张成骨过程中组织超微结构变化的研究

目的:观察天然骨缝牵张成骨过程中组织和细胞超微结构的变化。方法:对牵张成骨的缝区组织经过系列处理,进行超薄切片、透射电镜观察。结果:间充质细胞在牵引早期大量增生,并不断分化为成纤维细胞和成骨细胞,后2种细胞的超微结构显示出具有活跃的合成和分泌功能。1周标本成纤维细胞沿牵引力的长轴方向排列,胞核增大,在其周围包绕着发达并扩张的内质网系统;3周标本大量增生活跃的成骨细胞和成纤维细胞,成骨细胞核仁增大、粗面内质网扩张、核糖体丰富、线粒体增多、富含紧密排列的嵴;5、8周标本中骨细胞形成并发育成熟,骨基质逐渐矿化,清晰可见新形成的胶原纤维、哈氏管,以及骨基质矿化的过程。结论:三维牵张过程中,成纤维细胞、成骨细胞活跃,缝区形成新骨。

乳腺癌动态增强MRI典型影像特征的诊断价值

乳腺癌是女性最常见、最多发的恶性肿瘤,严重威胁着妇女的健康和生命,全世界每年约有120万妇女患乳腺癌,50万人死于乳腺癌,无论在高发区还是低发区,乳腺癌发病率均以5%～20%的不同速度上升。

提高回归模型拟合优度的策略(Ⅱ)——算术均值变换与其他变量变换

本文目的是介绍第二种提高回归模型拟合优度的策略,即算术均值变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"算术均值变换";②对定量自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常差;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不同的;③对多值名义自变量进行"算术均值变换"是合理的,且有助于提高回归模型拟合优度;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。

提高回归模型拟合优度的策略(Ⅰ)——哑变量变换与其他变量变换

本文目的是介绍第一种提高回归模型拟合优度的策略,即哑变量变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"哑变量变换";②对定量和有序自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下几个结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常差;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不尽相同的;③对多值名义自变量进行"哑变量变换"是常规的做法,但存在不足之处;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。

提高回归模型拟合优度的策略(Ⅳ)——优化计分变换与其他变量变换

本文目的是介绍第四种提高回归模型拟合优度的策略,即优化计分变换与其他变量变换。具体方法包括以下几个方面:①第一,对多值名义自变量采取"优化计分变换";②对有序自变量分别采取"单调变换"与"优化计分变换";③对定量自变量分别采取"样条变换"和"单调样条变换";④对定量因变量分别采取"样条变换""单调样条变换"和"BOX-COX变换"。全部变量变换方法组合起来共12种,共创建了12个多重非线性回归模型。依据"拟合优度评价指标"的取值,从12个回归模型中挑选出一个,即本文中的"模型1",其"均方误差平方根=0.30935、R^2=0.9586、调整R^2=0.9527"。结合本期科研方法专题同类文章的结果和结论,得出提高回归模型拟合优度的策略主要在于以下四点:①应对"定量因变量""定量自变量"和"多值有序自变量"采取合适的变量变换方法;②在拟合回归模型的过程中,应尽可能多地引入派生变量;③应假定回归模型中不含截距项;④在构建回归模型的过程中,应尽可能多地使用筛选自变量的策略,如"前进法""后退法"和"逐步法"。

提高回归模型拟合优度的策略(Ⅲ)——校正均值变换与其他变量变换

本文目的是介绍第三种提高回归模型拟合优度的策略,即校正均值变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"校正均值变换";②对定量自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常低;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不同的;③对多值名义自变量进行"校正均值变换"是合理的,且有助于提高回归模型拟合优度;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。

危重患者急性胃肠损伤分级综合预测模型的构建

目的制定综合危重患者急性胃肠损伤（AGI）分级数字化预测模型。方法2015年4—11月期间，对解放军总医院重症医学科连续收治的60例危重患者以课题组前期研制并验证过准确性的双通路胃肠音监测系统采集胃肠音，进行AGI分级评估（Ⅰ～Ⅳ级，级别越高，胃肠功能障碍越重）；同时，每天对入组患者的各项临床资料和生理生化指标进行收集和观察记录，包括病情轻重评分（APACHEⅡ评分，由急性生理评分、年龄评分和慢性健康状况评分3部分组成）、序贯器官衰竭评估（SOFA评分，包括呼吸、凝血、肝脏、循环、中枢神经和肾脏6个器官）和格拉斯哥（GCS）昏迷评分；检测体质指数、血乳酸水平和血糖水平；治疗和药物使用情况（是否使用机械通气、镇静剂、血管活性药物、肠内营养等）。将与AGI分级相关的临床因素和胃肠音指标（前期研究有5项胃肠音指标与AGI分级呈负相关，分别为胃部位测得的胃肠音波数量、胃肠音波时间百分比、胃肠音波最大时间、胃肠音波平均功率及胃肠音波最大功率）纳入分析，取主成分分析后的前5个主成分，通过BP网络模型训练，构建神经网络模型，从而建立危重患者AGI分级的综合预测模型。结果60例患者年龄19～98（平均54.6）岁，男性42例（70.0%）。其中多发骨折22例，严重感染15例，颈椎骨折和主动脉修复术后各7例，中毒后意识障碍5例，脑外伤4例；急诊手术33例，择期手术10例，内科治疗17例。有糖尿病史56例（93.3%）；使用血管活性药物45例（75.0%），机械通气者37例（61.7%），肠内营养44例（73.3%）。APACHEⅡ评分为4.0～28.0（平均16.8）分。与AGI分级呈显著正相关的有4项临床因素，乳酸水平（r = 0.215，P = 0.000）、SOFA评分（r = 0.383，P = 0.000）、血管活性药物（r = 0.611，P = 0.000）和机械通气使用与否（r = 0.142，P = 0.014），加上与AGI分级呈负相关的5项胃肠音指标，将这9个与AGI分级相关性较强的指标组成333 × 9的特征矩，进行主成分分析后，筛选出5个主成分进入BP神经网络模型，训练测试后得到危重患者AGI分级综合神经网络模型。模型的拟合度为0.967 3，对AGI分级预测的准确率为82.61%。结论根据胃肠音指标和相关临床影响因素构建的AGI分级综合预测模型，可为医护人员进行危重患者AGI分级的进一步预测判断提供参考。

基于数字化胃肠音监测的危重患者急性胃肠损伤分级预测模型的建立

目的初步制定危重患者急性胃肠损伤分级数字化预测模型。方法采用双通路胃肠音监测系统对2015年4月至2015年11月期间北京解放军总医院重症医学科连续收治的60例危重患者（排除既往有慢性消化道疾病史或胃肠道手术者）的胃肠音进行采集和分析．同时采用急性胃肠损伤（AGI）分级标准进行评估，胃肠音与AGI分级之间的相关性采用Spearman秩相关分析，之后将显著相关的数据标准化处理后进行主成分分析，选取排在前3的主成分进行归一化后通过反向传播神经网络进行BP神经网络训练，构建神经网络模型，从而建立危重患者急性胃肠损伤分级的初步预测模型。结果共采集到60例患者1132次胃肠音和333次AGI分级的数据。其中胃部测得的胃肠音波数量（P=0．0005）、胃肠音波时间百分比（P=0．0004）、胃肠音波最大时间（P=0．0088）、胃肠音波平均频率（P=0．0101）及胃肠音波最大频率（P=0．0025）与AGI分级呈负相关；而肠部测得的胃肠音各指标均AGl分级无显著相关性（均P〉0．05）。将这5个与AGI分级相关性较强的胃肠音指标进行主成分分析后，筛选出3个主成分进入BP神经网络模型，建立了包含9个隐含中间层的AGI初步神经网络模型，模型拟合度为0．98164。应用该模型预测患者的AGl分级准确率为70．83％。结论根据胃肠音指标构建的AGI分级初步预测模型，可为医护人员进行危重患者AGI分级的初步预测判断提供参考。