三种机器学习方法在脑出血中医辨证分类中应用的比较研究

目的评价并比较人工神经网络、贝叶斯网络、随机森林三种机器学习算法在脑出血中医辨证分类中的分类效果。方法采用上述三种方法分别对518例脑出血急性期患者的中医四诊信息进行建模,并通过准确率、灵敏度、特异度来评价模型分类效果。结果三种方法中,随机森林的分类效果最好,准确率、中经络正确率、中脏腑正确率分别为81%、80%、81%;人工神经网络次之,分别为73%、74%、71%;贝叶斯网络最差,分别为60%、74%、51%。结论考虑到随机森林在分类性能、建模时间、可解释性、特征筛选、简便性等方面的优点,我们更推荐在脑出血中经络和中脏腑的辨证分类中采用随机森林模型来辅助诊断。

阿托西班对反复种植失败患者冻融胚胎移植临床结局的影响

目的:探讨不同病因反复种植失败患者冻融胚胎移植术前使用阿托西班对临床结局的影响。方法:选取2019年1月—2021年1月在南京医科大学第一附属医院生殖医学科冻融胚胎移植周期中诊断为反复种植失败的患者,利用倾向性评分匹配法共纳入230例患者的临床资料。根据胚胎移植日是否使用阿托西班分为阿托西班组和对照组各115例,阿托西班组于移植前30 min静脉推注小剂量阿托西班6.75 mg(0.9 mL),对照组未使用阿托西班。比较2组患者的胚胎种植率、临床妊娠率、异位妊娠率、流产率、早产率和活产率,并对反复种植失败的不同病因(子宫内膜异位症、免疫/凝血异常、不明原因、复合因素和其他因素)进行亚组分析,比较不同亚组人群中阿托西班组与对照组的临床结局。结果:阿托西班组和对照组胚胎种植率、临床妊娠率、异位妊娠率、流产率、早产率和活产率差异均无统计学意义(均P>0.05)。二分类Logistic回归分析结果显示,移植胚胎类型对活产率的影响差异有统计学意义(P=0.001)。对不同病因所致反复种植失败的患者进行亚组分析发现,子宫内膜异位症合并反复种植失败的亚组人群中,使用阿托西班可以显著降低流产率(P=0.036),但不增加活产率(P=0.757)。结论:使用阿托西班不能改善反复种植失败患者冻融胚胎移植周期的临床结局,不提高活产率。不建议无临床指征地使用阿托西班。

潜在类别模型在出血性中风辨证分类研究中的应用

目的评价潜在类别模型在出血性中风辨证分类研究中对于潜在证候类型探索的效果。方法利用R软件poLCA包,采用潜在类别模型对480例出血性中风患者的62条证候要素信息进行建模分析,筛选合适的适配模型,提取各潜在类别中包括的证候要素,定义各潜在类别的证候类型,并对患者进行分类预测。结果通过比较选择了潜在类别数为3的模型,将62条证候要素汇聚成了中脏腑脱证、中脏腑闭证之中脏、中脏腑闭证之中腑3个潜在证候类型,并通过预测将480名患者分别归到3个亚组,人数分别为237、165、78人。结论潜在类别模型可以探索出血性中风的潜在证候分类,分类结果符合中医理论,在出血性中风辨证分类研究中,可将其分类结果作为参考。

基于倾向性评分匹配和亚群治疗效果模式图队列研究暴露与结局关联的异质性分析

介绍亚群治疗效果模式图(STEPP)的基本原理、应用场景与主要步骤,梳理将其与倾向性评分匹配(PSM)联合应用在队列研究数据中的理论基础,旨在将STEPP应用到暴露与结局风险关联的异质性分析中。通过模拟案例“不同输液导管类型的肿瘤患者发生静脉血栓栓塞(VTE)风险的队列研究”展示如何将PSM与STEPP在队列研究数据中联合应用,得出亚群中经外周置入中心静脉导管组和中心静脉导管组发生VTE的绝对风险值和相对风险值,以及亚群间的异质性分析结果,并对PSM与STEPP联合应用的局限性和研究前景进行讨论,为实际应用提供参考。