接纳与承诺疗法在乳腺癌术后化疗患者中的应用及效果观察

目的探讨接纳与承诺疗法对乳腺癌术后化疗患者康复期创伤后水平及负性情绪变化的作用及效果。方法选取2019年3月-2020年2月收治于深圳市萨米医疗中心、西安交通大学第一附属医院、西安交通大学第二附属医院和陕西省肿瘤医院的乳腺癌术后化疗患者280例,采用随机数字表法分为对照组和观察组,各140例。对照组给予常规疗法,观察组在对照组基础上给予接纳与承诺疗法。比较两组患者创伤后成长及负性情绪得分。结果干预3个月后,观察组创伤后成长水平明显高于对照组,差异有统计学意义(P<0.05);观察组负性情绪评分均明显低于对照组,差异有统计学意义(P<0.05)。结论接纳与承诺疗法应用于乳腺癌术后化疗患者中,可有效提高其创伤后成长水平,缓解患者的负性情绪,提高患者的生存质量,值得临床推广。

基于CT影像组学模型预测肺原位腺癌及微浸润腺癌与浸润性腺癌

目的探讨基于CT影像组学预测肺腺癌中的原位癌(AIS)和微浸润腺癌(MIA)以及浸润性腺癌(IAC)的价值。方法回顾性分析542例经手术病理确诊且病理亚型明确的肺腺癌患者,将AIS及MIA归为第1组,IAC为第2组。比较2组患者性别和年龄差异。采用特征提取软件提取病灶三维纹理特征参数,分析组间差异明显的影像组学特征,筛选最佳影像组学特征构建预测模型。按2∶1比例将数据分为训练集和验证集,采用6种机器学习算法对5倍交叉验证数据集进行分类,选择最佳分类器;以之分析5倍交叉验证数据集、训练集和验证集,获得模型预测肺腺癌病理分型的ROC曲线及相应AUC、特异度、敏感度及准确率。结果第1组235例,第2组307例,组间性别和年龄差异均无统计学意义(χ^2=0.56、t=-0.19,P=0.63、0.98)。共提取病灶1766个三维纹理特征参数,其中988个影像组学特征存在明显组间差异,最终以10个最佳影像组学特征构建预测模型。以Perceptron分类器为最佳分类器。模型预测验证集病理分型的AUC为0.95,准确率、特异度、敏感度分别为0.88、0.87、0.84。结论基于CT影像组学模型能有效预测肺腺癌中的AIS及MIA与IAC。