基于机器学习的Stanford A型主动脉夹层术后院内主要不良事件的风险预测研究

目的基于临床一般变量,使用机器学习方法构建模型,用于预测手术治疗后的Stanford A型主动脉夹层(TAAD)患者院内主要不良事件(MAE)的发生风险。方法纳入2013年1月至2017年12月在北京安贞医院进行手术治疗的TAAD患者1641例,收集患者个体特征变量、临床体征以及入院首次临床血清标志物等。结局定义为院内MAE,包含院内死亡、夹层后新发急性心脏衰竭、呼吸衰竭、神经系统障碍、急性肾功能衰竭、感染,以及无计划的二次开胸。使用机器学习筛选变量后构建模型;采用受试者工作特征曲线(ROC)分析模型预测院内MAE的能力;使用净重新分类指数(NRI)和整体鉴别指数(IDI)对新模型与临床常用模型进行比较,评价新模型在预测TAAD术后预后方面的改善效果;最后建立列线图预测TAAD术后患者院内MAE发生风险。结果使用机器学习筛选变量,确定了由D-二聚体、肌酸激酶同工酶、尿素、白细胞计数、年龄、异常心电图和手术时间组成的TAAD术后院内MAE的风险预测模型,模型预测院内MAE的ROC曲线下面积为0.776(95%CI 0.718~0.734,P<0.001)。与临床常用模型比较,本研究构建的模型其NRI为0.654(95%CI 0.540~0.750,P<0.001),IDI为0.136(95%CI 0.117~0.155,P<0.001),提高了对TAAD术后院内MAE的预测能力。将模型通过列线图形式呈现,列线图模型评分能够评估TAAD术后发生院内MAE的风险。结论基于机器学习使用患者临床变量构建模型,该模型综合评估患者个体特征变量、炎症水平、脏器受损状况以及手术情况,对TAAD患者术后院内MAE具有预测价值。

环境空气污染对自身免疫病影响的系统评价

目的评价环境空气污染对自身免疫病的影响。方法从EMBASE,Scopus,PubMed和Cochrane数据库中检索发表的有关环境空气污染与自身免疫病关联的相关文献,检索时段从建库至2019年7月,最终纳入文献24篇。由于各研究间方法学异质性大,遂未进行Meta分析,仅对结果进行定性分析。结果共纳入24篇文献,包括RA 6例,ANCA相关性血管炎(AAV)1例,AS 1例,SLE 3例,儿童起病的SLE(cSLE)3例,幼年特发性关节炎(JIA)2例,川崎病4例和系统性自身免疫病(SARD)4例。分析结果表明,短期暴露于PM2.5可能会增加SLE、cSLE、AS、JIA、SARD恶化的风险。长期接触一氧化碳,二氧化氮,臭氧和二氧化硫会增加患RA的风险。臭氧水平升高会增加川崎病患者住院的风险,而AAV与环境空气污染之间不存在相关性。结论环境空气污染可能与某些自身免疫病的发病有关。建议未来通过开展更多研究来评估空气污染与自身免疫病的关系,同时积极开展空气污染物与自身免疫病的机制研究,达到进行早期预防自身免疫病的目的。