目的构建并验证包含血清Klotho蛋白在内的机器学习(machine learning,ML)模型来预测慢性肾脏病(chronic kidney disease,CKD)患者全因死亡的风险。方法研究采用回顾性队列研究设计方案。选取2012年2月7日至2019年10月18日我科收治的CKD...目的构建并验证包含血清Klotho蛋白在内的机器学习(machine learning,ML)模型来预测慢性肾脏病(chronic kidney disease,CKD)患者全因死亡的风险。方法研究采用回顾性队列研究设计方案。选取2012年2月7日至2019年10月18日我科收治的CKD1~5期非透析成年患者病例资料,按照7∶3分为训练集和内部验证集。将47项常规临床特征(包括血清Klotho蛋白)用于为模型提供变量信息,在训练集中利用单因素Cox回归筛选可能的风险因素、Lasso-Cox回归模型筛选风险因素、多因素Cox逐步回归构建列线图风险预测模型,内部验证评估模型性能。结果共400例病例资料纳入分析,训练集280例,验证集120例。训练集有52例死亡,228例存活;验证集有21例死亡,99例存活。全因死亡风险预测模型显示5年生存率受试者工作曲线下面积(area under the curve,AUC)在训练集和验证集分别为0.760(95%CI:0.676,0.844)和0.788(95%CI:0.679,0.897),模型总体C指数在训练集和验证集分别为0.755(95%CI:0.685,0.826)和0.720(95%CI:0.614,0.826)。单因素Cox回归分析结果显示,年龄、心血管疾病病史、胱抑素C、碱性磷酸酶、白蛋白、嗜酸性粒细胞、血红蛋白、补体C3、钙、C反应蛋白、肿瘤坏死因子-α(TNF-α)以及血清Klotho蛋白可能是全因死亡的预测因子(P<0.05)。多因素Cox逐步回归最终筛选出年龄、白蛋白、补体C3及血清Klotho蛋白共4个独立预测因子(P<0.05),模型最终纳入了年龄、白蛋白、补体C3、血清Klotho蛋白共4个指标。结论成功构建并验证了基于血清Klotho蛋白的慢性肾脏病全因死亡预测机器学习模型;年龄大是CKD患者全因死亡的危险因素,白蛋白、补体C3及血清Klotho蛋白高是CKD患者全因死亡的保护因素。展开更多
目的 通过分析脑瘫患儿在2~4月龄时的婴儿运动表现测试(test of infant motor performance, TIMP)结果,探讨脑瘫患儿的早期运动表现特点。方法 采用横断面研究设计方案,纳入2018年12月至2022年12月期间在陆军军医大学第二附属医院早产...目的 通过分析脑瘫患儿在2~4月龄时的婴儿运动表现测试(test of infant motor performance, TIMP)结果,探讨脑瘫患儿的早期运动表现特点。方法 采用横断面研究设计方案,纳入2018年12月至2022年12月期间在陆军军医大学第二附属医院早产高危儿随访门诊就诊、1岁后确诊为脑瘫的患儿17例,收集其2~4月龄的TIMP评估结果;以相同月龄的TIMP中国常模样本作为对照,计算Z值;比较两组之间TIMP总分、7个体位分组得分以及42个项目得分的差异。结果 脑瘫患儿2~4月龄的TIMP总分Z值为(-0.95±1.11),显著低于常模对照组得分(P<0.01)。体位分组中坐位、侧方位、翻身、立位项目得分Z值分别为(-0.89±0.88)、(-1.17±0.66)、(-0.43±0.79)及(-0.63±0.77),均显著低于常模对照组得分(P<0.05),尤其以坐位、侧方位、立位项得分差异最为显著(P<0.01),而观察项目、仰卧位、俯卧位与正常同龄婴儿无显著差异。42个项目得分中,脑瘫患儿有17项评分显著低于中国常模,以第15项(坐位头控)、第16项(颈后肌群活动)、第26项(上肢防御)、第32项(拉坐)、第33项(侧卧位牵拉上肢转为侧坐)、第34项(侧卧位髋关节外展)、第40项(站立)的得分差异最为显著。结论 脑瘫高危儿随访中尤其需要关注坐位、侧方位以及立位项的运动表现,这可能对脑瘫的早期识别具有提示意义。展开更多
文摘目的构建并验证包含血清Klotho蛋白在内的机器学习(machine learning,ML)模型来预测慢性肾脏病(chronic kidney disease,CKD)患者全因死亡的风险。方法研究采用回顾性队列研究设计方案。选取2012年2月7日至2019年10月18日我科收治的CKD1~5期非透析成年患者病例资料,按照7∶3分为训练集和内部验证集。将47项常规临床特征(包括血清Klotho蛋白)用于为模型提供变量信息,在训练集中利用单因素Cox回归筛选可能的风险因素、Lasso-Cox回归模型筛选风险因素、多因素Cox逐步回归构建列线图风险预测模型,内部验证评估模型性能。结果共400例病例资料纳入分析,训练集280例,验证集120例。训练集有52例死亡,228例存活;验证集有21例死亡,99例存活。全因死亡风险预测模型显示5年生存率受试者工作曲线下面积(area under the curve,AUC)在训练集和验证集分别为0.760(95%CI:0.676,0.844)和0.788(95%CI:0.679,0.897),模型总体C指数在训练集和验证集分别为0.755(95%CI:0.685,0.826)和0.720(95%CI:0.614,0.826)。单因素Cox回归分析结果显示,年龄、心血管疾病病史、胱抑素C、碱性磷酸酶、白蛋白、嗜酸性粒细胞、血红蛋白、补体C3、钙、C反应蛋白、肿瘤坏死因子-α(TNF-α)以及血清Klotho蛋白可能是全因死亡的预测因子(P<0.05)。多因素Cox逐步回归最终筛选出年龄、白蛋白、补体C3及血清Klotho蛋白共4个独立预测因子(P<0.05),模型最终纳入了年龄、白蛋白、补体C3、血清Klotho蛋白共4个指标。结论成功构建并验证了基于血清Klotho蛋白的慢性肾脏病全因死亡预测机器学习模型;年龄大是CKD患者全因死亡的危险因素,白蛋白、补体C3及血清Klotho蛋白高是CKD患者全因死亡的保护因素。
文摘目的 通过分析脑瘫患儿在2~4月龄时的婴儿运动表现测试(test of infant motor performance, TIMP)结果,探讨脑瘫患儿的早期运动表现特点。方法 采用横断面研究设计方案,纳入2018年12月至2022年12月期间在陆军军医大学第二附属医院早产高危儿随访门诊就诊、1岁后确诊为脑瘫的患儿17例,收集其2~4月龄的TIMP评估结果;以相同月龄的TIMP中国常模样本作为对照,计算Z值;比较两组之间TIMP总分、7个体位分组得分以及42个项目得分的差异。结果 脑瘫患儿2~4月龄的TIMP总分Z值为(-0.95±1.11),显著低于常模对照组得分(P<0.01)。体位分组中坐位、侧方位、翻身、立位项目得分Z值分别为(-0.89±0.88)、(-1.17±0.66)、(-0.43±0.79)及(-0.63±0.77),均显著低于常模对照组得分(P<0.05),尤其以坐位、侧方位、立位项得分差异最为显著(P<0.01),而观察项目、仰卧位、俯卧位与正常同龄婴儿无显著差异。42个项目得分中,脑瘫患儿有17项评分显著低于中国常模,以第15项(坐位头控)、第16项(颈后肌群活动)、第26项(上肢防御)、第32项(拉坐)、第33项(侧卧位牵拉上肢转为侧坐)、第34项(侧卧位髋关节外展)、第40项(站立)的得分差异最为显著。结论 脑瘫高危儿随访中尤其需要关注坐位、侧方位以及立位项的运动表现,这可能对脑瘫的早期识别具有提示意义。
