基于深度学习算法开发和验证的肝细胞癌预后预测模型:一项大样本队列和外部验证研究

目的基于深度学习算法开发和验证可评估肝细胞癌(hepatocellular carcinoma,HCC)患者预后的预测模型,并评估其价值。方法选择2011年1月—2015年12月美国国立癌症研究所的监测、流行病学和最终结果(Surveillance,Epidemiology and Results,SEER)数据库中经病理确诊的HCC患者为训练队列用于构建模型,选择同期在本院经病理确诊的HCC患者为外部验证队列用于评估模型。主要预测结局为1、3、5年总生存率。分别使用深度学习算法DeepSurv、随机生存森林(RFS)、Cox比例风险回归开发模型,使用C-index评价模型的区分度,一致性曲线评估模型的校准度,log-rank检验评估危险分层能力。结果训练队列9730例患者和外部验证队列405例患者被纳入分析。在训练队列中,DeepSurv算法1、3、5年的C-index分别为0.85(95%CI:0.80~0.90)、0.82(95%CI:0.77~0.89)、0.80(95%CI:0.73~0.87),在外部验证队列中分别为0.83(95%CI:0.78~0.87)、0.79(95%CI:0.74~0.83)、0.72(95%CI:0.67~0.77)。无论在训练队列还是外部验证队列中,DeepSurv算法的C-index和校准度均优于RFS、Cox回归和TNM分期(均P<0.05);log-rank检验显示,DeepSurv算法具有良好的危险分层能力(P<0.001)。结论基于深度学习算法DeepSurv开发的预测模型可有效预测HCC患者死亡率,且优于常规的算法和预后评价指标。

利多卡因用于瘢痕子宫人工流产术50例临床观察

目的比较利多卡因单用于瘢痕子宫人工流产术中的镇痛作用及官颈松弛以及不良反应等临床效果。方法将100例孕45-65天无阴道分娩史且均为一次剖宫产后第一次行人工流产术的妇女随机分为单用利多卡因镇痛组（观察组，n=50）和常规未用其它药物镇痛组（对照组，n=50）。观察组术前20min于官颈注射2％利多卡因5ml，对照组未用药。结果观察组镇痛效果达镇痛、宫颈松弛和较松弛、不良反应发生与对照组比较差异均有高度显著性（P〈0．01）。结论单用利多卡因用于瘢痕子宫人工流产术中镇痛安全、经济、简便适用于基层医疗单位而且效果好。

比阿培南治疗重症下呼吸道感染疗效评价

目的评价比阿培南治疗重症下呼吸道感染（LRT）的临床疗效和安全性。方法87例LRT患者随机分为两组，观察组42例应用比阿培南治疗，对照组45例应用美罗培南治疗，疗程7—14d。连续检测C．反应蛋白（CRP）水平，计算CRP下降50％者所占比例；疗程结束时判定疗效及细菌清除率。结果治疗第3天观察组30例CRP下降50％，对照组32例CRP下降50％；观察组临床有效率为86％，细菌清除率为84％；对照组临床有效率为84％，细菌清除率为80．0％；均无严重不良反应。观察组CRP下降50％者所占比例、痊愈率、有效率及细菌清除率均高于对照组，但差异均元统计学意义（均P〉0．05）。结论比阿堵南治疗重症下呼吸道感染临床疗效可靠，安全性好。