某三级医院慢性阻塞性肺疾病患者住院费用分析研究

目的探讨慢性阻塞性肺疾病(COPD)患者住院费用构成及其影响因素,为合理控制医疗费用提供参考。方法收集2019年1月1日至2021年12月31日重庆市某三级综合医院COPD患者1642例,对不同年份患者住院费用进行比较,分析住院费用影响因素,并构建住院费用决策树模型。结果患者人均住院费用11833.24元,住院费用中位数8813.23(6951.53,12762.90)元。不同年份各种费用比较,差异有统计学意义(P<0.05)。住院时间、呼吸衰竭、年龄、肺源性心脏病、D级COPD、药占比、护理级别、性别、冠心病是患者住院费用的影响因素(P<0.05)。住院时间、年龄、药占比被纳入最终决策树模型。结论在临床中,医务人员应优化治疗方案,及时监测患者病情,减少并发症的发生,缩短患者平均住院时间,从而合理控制患者住院费用。

基于"互联网+"的高血压管理服务模式对高血压患者血压管理效果观察

目的探讨基于"互联网+"的高血压管理服务模式对高血压患者的健康管理效果.方法选取2016年9月至2017年2月重庆医科大学附属第一医院高血压患者110例分为平台管理组和对照组.平台管理组接受健康管理平台管理,管理流程包括建立电子健康档案并评估、制定健康计划、患者自测血压等指标并上传平台、阶段性评估、健康宣教等;对照组接受门诊常规管理,随访12周.比较两组干预前后血压、血压控制率、服药依从性、生活质量、体力活动改变.结果随访干预12周后,两组的血压水平均较入组时下降,平台管理组收缩压、舒张压分别为(132.7±9.9)mm Hg、(80.6±9.9)mm Hg,对照组分别为(140.7±14.2)mm Hg、(77.6±14.3)mm Hg,但平台管理组收缩压下降更显著(P<0.05).平台管理组血压控制率(64.3%)明显高于对照组(33.3%),差异有统计学意义(P<0.05).单因素和多元线性回归分析均显示,平台管理与收缩压变化值显著相关,回归系数为-8.9.两组服药依从性评价、12条目简易健康量表(SF-12)评分、体力活动水平差异无统计学意义(P>0.05).结论基于"互联网+"的高血压管理服务模式可以显著降低高血压患者收缩压水平,提高血压控制率.

基于BCPNN 法对培门冬酶和左旋门冬酰胺酶上市后安全警戒信号的挖掘与评价

目的:挖掘和评价培门冬酶(PEG-ASP)和左旋门冬酰胺酶(L-ASP)上市后的安全警戒信号,比较二者的安全性差异,为临床安全合理用药提供参考。方法:调取美国FDA不良事件报告系统2004年1月1日至2020年6月30日发布的PEG-ASP和L-ASP的药品不良事件(ADE)报告,采用贝叶斯置信区间递进神经网络法(BCPNN),以信息成分(IC)下限(IC-2SD)>0且事件数≥3为条件,挖掘这两种药品的安全信号,重点评价和比较两药在胃肠系统、肝胆系统、血液及淋巴系统、血管及淋巴管类、各类神经系统、免疫系统、代谢及营养类和各类检查等8个系统器官分类中IC-2SD≥1.5的中强及强信号,并对特定ADE信号的IC值及其95%置信区间进行时间扫描图谱分析。结果与结论:以PEG-ASP、L-ASP为怀疑药物的报告分别有2324、3824份,纳入中强及强信号分别为67、68个。其中,胃肠系统疾病中,筛选出两药的共同强信号为坏死性胰腺炎;肝胆系统疾病中,两药均有静脉闭塞性肝病的强信号且该ADE未在二者的药品说明书中出现;血液及淋巴系统疾病中,筛选出两药的共同强信号为发热性中性粒细胞减少症、凝血障碍、中性粒细胞减少症、发热性骨髓再生障碍;血管及淋巴管类疾病中,除血流动力学不稳定外,L-ASP其余信号的IC值均高于PEG-ASP;各类神经系统疾病中,除颅内出血外,L-ASP其余信号的IC值均高于PEG-ASP;免疫系统疾病中,L-ASP的速发过敏反应为中强信号,而PEG-ASP的这一ADE为强信号;代谢及营养类疾病中,除肿瘤溶解综合征外,L-ASP其余信号的IC值均高于PEG-ASP。时间扫描图谱结果显示,PEG-ASP的坏死性胰腺炎和凝血障碍2个信号为稳定信号,而静脉闭塞性肝病和超敏反应2个信号为不稳定信号,需继续观察;L-ASP的上述4个信号均为稳定信号。临床使用PEG-ASP或L-ASP时,应密切关注超敏反应、凝血障碍、血栓、坏死性胰腺炎、静脉闭塞性肝病和低蛋白血症等安全问题。

便携式家庭医疗设备的应用发展研究

目的:便携式家庭医疗设备应用和发展趋势研究。方法:从便携式家庭医疗设备发展状况、应用现状和未来发展趋势等方面进行研究。结果:便携式家庭医疗设备成为医疗设备的一大发展趋势,在病情监控、疾病诊断、辅助治疗等方面提供强大数据支撑功能。结论:便携式家庭医疗设备成为医疗硬件的发展趋势,将有效解决当前城乡医疗资源和诊疗水平不均衡的问题。

基于机器学习算法的原发性高血压并发冠心病的患病风险研究

目的筛选原发性高血压并发冠心病发病的危险因素并建立个体风险分类模型,为疾病诊断提供计算机辅助方法。方法收集重庆医科大学医疗大数据平台中2014年1月1日-2019年5月31日确诊的2791例原发性高血压并发冠心病患者及2135例单纯原发性高血压患者的70项临床信息资料,筛选出单因素分析有统计学意义的指标,采用R3.6.1分别构建logistic回归分类模型及BP神经网络、随机森林、极限梯度上升(XGBoost)3种机器学习模型,比较各种模型的相关参数,选择最优的分类模型。结果单因素分析筛选出有统计学意义的指标44项,将其纳入logistic回归分类模型及机器学习模型。Logistic回归分类模型、BP神经网络模型、随机森林模型、XGBoost模型的测试集中分类精度分别为0.852、0.968、0.966、0.976,受试者工作特征曲线下面积(AUC)分别为0.853、0.970、0.967、0.977。将性能最优的XGBoost模型应用于重庆医科大学附属大学城医院心内科临床实践,灵敏度为1.000,特异度为0.912,诊断精度为0.926,AUC为0.956。结论建立的XGBoost模型对原发性高血压并发冠心病有很好的辅助诊断功能,在临床实践中取得了良好的效果。

基于机器学习算法建立2型糖尿病患者冠心病辅助诊断模型

目的筛选2型糖尿病患者群合并冠心病危险因素并建立风险分类模型,为临床辅助诊断提供有价值的参考。方法通过重庆医科大学大数据平台收集出院时间为2014年1月1日至2019年12月31日行冠状动脉造影术的2型糖尿病患者944例,根据造影结果分为2型糖尿病合并冠心病715例(T2DM-CAD组)和2型糖尿病非冠心病229例(T2DM组)。采用倾向得分匹配法(Propensity Score Matching,PSM)均衡组间混杂因素的影响,匹配后T2DM-CAD组389例,T2DM组221例。使用单因素分析与Logistic回归筛选冠心病发病的危险因素。采用贝叶斯优化(Bayesian Optimization,BO)算法优化支持向量机(Support Vector Machine,SVM)模型、随机森林(Random Forest,RF)模型、极限梯度上升(eXtreme Gradient Boosting,XGB)模型和Logistic回归模型,并比较4种分类模型的分类性能。结果共收集缺失值<30%的指标35项,单因素分析筛选出有统计学差异的指标20项。逐步向前Logistic回归筛选出11项危险因素,包括心率、吸烟、糖尿病肾病、血肌酐、甘油三酯、脂蛋白a、白蛋白、总胆红素、谷草转氨酶、糖化血红蛋白和尿糖。基于危险因素建立的分类模型中优化后的RF模型性能在5折交叉验证(F1值=0.711,AUC=0.811)以及验证集(F1值=0.752,AUC=0.810)中表现最优。结论建立了参数优化RF模型,可用于判断2型糖尿病患者是否合并冠心病,具有良好性能。

医疗大数据应用现状研究

目的:医疗大数据应用现状研究。方法:从医疗大数据的应用现状和发展趋势等方面进行研究。结果:医疗大数据应用不仅可以更好地为人类医疗健康服务,还能促进医学及医学技术进步。结论:我国医疗大数据应用处于初级阶段,但随着大数据分析技术的快速发展,对医疗数据进行挖掘和分析,能带来较大的社会效益。

护理临床思维训练平台的构建

目的设计开发护理临床思维训练平台,为"互联网+"时代背景下学生护理临床思维的培养提供途径。方法运用HTML5+CSS3+JS网页技术,Windows Server 2008 R2操作系统,采用B/S结构设计开发以临床常见症状为线索的护理临床思维训练平台。由12名教师和10名护理专业学位研究生试用平台,并采用自制的平台满意度调查问卷进行评价。结果护理临床思维训练平台由症状护理理论知识模块、临床病例分析模块、考核评价模块3个部分组成,包含20个症状护理理论知识及相应的测试题,目前共导入1 856份住院病历,完成点评20份;85%以上师生对平台的学习内容、界面设计和技术服务感到满意。结论护理临床思维训练平台紧贴临床,具有较好的易用性和实用性,对学生护理临床思维的培养具有重要作用。

基于改进A~*算法的地图游戏寻径研究

【目的】对A~*算法进行研究和改进优化,以提高基于A~*算法的地图游戏寻径效率。【方法】使用最小二叉堆和标记数组两种混合数据结构优化OPEN表的存储和遍历,用夹角余弦值作为新的启发信息,减少搜索过程中对非最有节点的考察量,通过仿真实验对标准A~*算法、改进A~*算法地图寻径进行数据对比分析。【结果】综合地提高了路径搜索的效率。【结论】通过对A~*算法进行改进优化,有效提高了基于A~*算法的地图游戏寻径效率。

医疗大数据平台研究与实践

研究医疗大数据平台搭建方法,以及与和医学相关的技术和实践意义。从医疗大数据平台的基础架构、多源异构数据的统一及标准化、智能患者索引技术、数据质量监控与评价技术、医疗大数据平台的分析技术等方面进行分析。同时介绍重庆医科大学区域医疗大数据平台建设概况和在医院管理和科研上的应用状况。重庆医科大学医疗大数据平台汇集重庆市多家大型三甲医院业务数据,目前已成功上线且运行稳定,基于此数据平台开展了多项数据应用。医疗大数据平台在促进医院互联互通,提升医院医疗质量和效率有积极促进作用。

结肠腺癌能量代谢相关mRNA-LncRNA预后预测模型的构建与验证

目的构建和验证能量代谢相关信使RNA(mRNA)-长链非编码RNA(LncRNA)在结肠腺癌(COAD)患者中的预后预测模型。方法从癌症基因组图谱(TCGA)中下载TCGA-COAD项目中COAD转录本数据与临床病理信息,转录本数据用于筛选差异表达的mRNA(DEGs)与差异表达的LncRNA(DELs)。从MSigDB数据库中收集能量代谢相关基因,与DEGs取交集得到能量代谢相关DEGs,再将其与DELs进行共表达分析得到能量代谢相关DEGs、DELs。将得到的能量代谢相关DEGs与DELs纳入Cox回归模型中,筛选并建立COAD患者的预后预测模型。根据预测模型结果建立风险得分,将其分为高风险组与低风险组,然后利用Kaplan-Meier曲线、受试者工作特征曲线(ROC)、Cox回归分析对风险得分进行评估。结果共表达分析得到125个能量代谢相关DEGs和451个能量代谢相关DELs。Cox回归结果显示1个mRNA(LRP2)与5个LncRNA(分别为CTC-428G20.6、LINC02257、PRR7-AS1、RP11-29G8.3、RP11-677M14.3)与COAD患者预后独立相关。Kaplan-Meier分析显示高风险组与低风险组的中位数生存期分别是5.066年和8.334年(P<0.05);1、3、5年生存的患者风险得分的ROC曲线下面积分别是0.767、0.694和0.691;多因素Cox回归显示高风险组生存时间明显短于低风险组(HR=3.78,95%CI:2.29~6.22,P<0.05)。结论研究成功构建COAD能量代谢相关mRNA-LncRNA预后预测模型,该模型具有较好的预测性能。