大细胞肺癌列线图预后模型构建及验证

目的 探讨大细胞肺癌患者预后影响因素并构建列线图,提高患者生存率。方法 下载SEER数据库2010—2015年诊断为大细胞肺癌患者2 196例,使用多因素Cox比例风险模型筛选患者预后影响因素并构建列线图模型,C指数和ROC曲线验证模型区分度,校准图验证一致性,决策曲线分析验证临床应用价值。结果 年龄、性别、种族、骨转移、肝转移、脑转移、AJCC分期、手术、化疗、肿瘤大小和婚姻是大细胞肺癌患者预后的重要影响因素（P＜0.05）,训练集和验证集的C指数分别为0.765和0.769,训练集1年和3年AUC分别为0.848(95%CI:0.832～0.865)和0.859(95%CI:0.839～0.877),验证集1年和3年AUC分别为0.840(95%CI:0.810～0.869)和0.857(95%CI:0.823～0.891),表明列线图有较高的区分度,校准图表明其一致性较好,决策曲线分析表明列线图的临床应用价值较高。结论 基于大细胞肺癌预后影响因素AJCC分期、手术、化疗等构建的列线图模型,预测价值较高,可评估患者预后,有利于提高患者生存率。     

妊娠糖尿病发病风险交互式列线图预测模型的构建和验证

目的 探讨妊娠糖尿病(gestational diabetes mellitus, GDM)发病影响因素,构建并验证GDM交互式列线图风险预测模型。方法 回顾性收集2021年1—12月入院登记的2 279例孕产妇临床数据,按4∶1随机划分为训练集和验证集。采用χ²检验、Wilcoxon秩和检验分析GDM发病风险的影响因素,使用LASSO logistic回归筛选预测变量构建列线图模型,并进行模型验证,采用ROC曲线、校准曲线、临床决策曲线和临床影响曲线对模型进行评价。结果 训练集共纳入1 823例孕产妇,GDM患病率为16.84%。通过多因素LASSO logistic回归分析筛选GDM风险预测因素,其中妊娠年龄(OR=1.094,95%CI:1.055～1.135)、孕前BMI(OR=1.177,95%CI:1.126～1.230)、农村户籍(OR=0.242,95%CI:0.073～0.805)、本科及以上学历(OR=2.003,95%CI:1.291～3.106)、糖尿病家族史(OR=6.516,95%CI:4.034～10.525)、初产(OR=0.600...     

急性药物中毒性脑病患者 ICU 住院时间预测模型的构建

目的 构建急性药物中毒性脑病患者重症监护室(intensive care unit,ICU)住院时间延长的预测模型并评价其效能。方法 选择重症监护医疗信息集市(MIMIC)-Ⅳ2.2数据库中148例急性药物中毒性脑病患者作为研究对象,收集患者临床资料,根据ICU住院时间分非延长组(≤48 h)与延长组(>48 h)。采用最小绝对收缩和选择算子(LASSO)回归联合Logistic回归筛选变量,构建和绘制列线图。分别采用受试者工作特征曲线下面积(AUC)、Hosmer-Lemeshow校准曲线和决策曲线分析(DCA)评价模型的区分度、校准度及临床适用度。结果 患者ICU住院时间1~15 d,其中ICU住院时间延长69例,采取LASSO回归与Logistic回归相结合方法筛选预测变量。结果显示SOFA评分、心率、合并心血管疾病、使用机械通气4个变量为独立危险因素,依据以上预测变量构建和绘制列线图,列线图的AUC为0.837,95%CI0.774~0.900;Bootstrap内部验证AUC 0.873,95%CI 0.817~0.930,说明该列线图预测模型具有较好的预测能力。校准曲线和Hosmer-Lemeshow检验(χ2=6.392,P=0.603)均显示该模型具有较高的一致性和拟合度;DCA结果表明,患者可从模型中净获益(阈值范围0.05~1.00),具有较好的临床适用性。结论 本研究开发的模型性能良好, 有助于评估急性药物中毒性脑病患者ICU住院时间的延长风险。     

抗病毒治疗HIV/AIDS患者列线图建立及验证

目的针对接受抗逆转录病毒治疗的HIV/AIDS患者建立有效的列线图并验证,准确预测HIV/AIDS患者的死亡风险。方法所有数据均来自中国艾滋病防治信息系统新疆维吾尔自治区2006—2019年的数据。通过基于建模组的单因素和多因素Cox比例风险回归分析来确定列线图中纳入的因子,在建模组(3 272人)与验证组(1 636人)中均使用受试者工作特征曲线下面积(AUC-ROC)和校准曲线评估列线图的预测准确性,使用决策曲线分析(DCA)、x-tile分析和Kaplan-Meier曲线评估列线图的临床实用性。结果根据多因素Cox比例风险回归确定独立的预后因素包括血红蛋白、体质指数(BMI)、性别、谷草转氨酶、WHO分期、延迟时间和CD4细胞,以此建立了列线图模型。列线图模型在建模组的AUC-ROC为0.781(95%CI=0.703～0.861),在验证组的AUC-ROC为0.829(95%CI=0.758～0.896),在预测生存率的校准曲线中可以观察到列线图预测与实际观察之间一致性良好。此外,根据列线图得分,将研究对象分为3个不同的(低、中、高)风险组,以预测不同组患者生存率。结论列线图可以为接受抗逆转录病毒疗法的HIV/AIDS患者提供准确和有利的预测。     

预测胃癌D2根治术后感染风险列线图模型的建立与验证

目的 调查胃癌D2根治术后感染发生的危险因素,构建能够准确预测术后感染发生风险的列线图模型并进行评价。方法 回顾性分析安徽某医科大学附属医院2019年1月—2021年12月胃肠外科接受胃癌D2根治术患者的临床资料,按照3∶1比例随机分为训练集和验证集。将训练集病例分为感染组和非感染组,采用单因素及多因素logistic回归分析胃癌D2根治术后感染的独立危险因素。基于胃癌D2根治术后感染独立危险因素构建列线图风险预测模型,并分别在训练集和验证集数据中进行验证、评价,采用受试者工作特征(ROC)曲线、Hosmer-Lemeshow拟合优度检验、校准曲线评估模型的效能,采用临床决策曲线(DCA)评估模型的临床效用。结果 共纳入477例患者,其中训练集358例,验证集119例;185例胃癌D2根治术患者发生术后感染,以下呼吸道感染为主(98例,53.0%),其次为器官或腔隙感染(48例,25.9%)、血流感染(17例,9.2%)。多因素logistic回归分析显示,腹部手术史(OR=1.922,95%CI:1.048～3.523)、NRS2002≥3分(OR=3.525,95%CI:2.178...     

脑卒中手术患者医院感染风险预测列线图模型的构建

目的构建脑卒中手术患者医院感染风险预测列线图模型,为早期筛查医院感染高风险人群和制定预防策略提供一定的参考和依据。方法回顾性收集2016-2018年山东大学齐鲁医院脑卒中手术患者的临床相关资料,将患者按照7∶3的比例随机分为建模组(571例)和验证组(245例)。采用单因素和多因素Logistic回归探讨医院感染的独立危险因素,基于危险因素的回归系数构建脑卒中手术患者医院感染风险预测列线图模型。分别在建模组(内部验证)和验证组(外部验证)中采用受试者工作特征(ROC)曲线下面积(AUC)和校准曲线评估预测模型的区分度和校准度。结果共纳入816例脑卒中手术患者,医院感染213例,医院感染发生率为26.10%。Logistic回归分析显示,脑卒中类型、留置胃管、静脉血栓、手术风险分级(NNIS)、美国国立卫生研究院卒中量表(NIHSS)评分以及住院时间是脑卒中手术患者医院感染的独立危险因素(P<0.05)。依此构建的列线图模型在建模组和验证组中的ROC曲线下面积分别为0.849和0.858,具有良好的区分度;两组校准曲线显示列线图模型的预测值和实际观察值结果一致性良好(P=0.731、P=0.224)。结论本研究构建的个体化风险预测列线图模型有助于提高对脑卒中术后医院感染高危人群的筛查和早期诊断,尽早制定干预策略,以降低感染发生率。     

个体化预测2型糖尿病患者并发周围神经病变风险的列线图模型的建立

目的 探究2型糖尿病(T2DM)患者并发周围神经病变(DPN)的危险因素,并建立个体化预测DPN风险的列线图模型。方法 选取符合标准的T2DM患者452例,收集临床资料,采用单因素分析筛选DPN相关因素,将有统计学意义变量纳入多因素logistic回归模型,分析DPN危险因素;应用R软件建立预测DPN风险的列线图模型,采用Bootstrap法进行验证,并应用ROC曲线探索列线图模型预测DPN的效率。结果 452例T2DM患者并发DPN 200例,发生率为44.25%。T2DM病程(OR=7.782,95%CI:2.005~30.171)、HbAlc(OR=2.561,95%CI:1.440~4.517)及HOMA-IR(OR=3.563,95%CI:1.456~8.722)为DPN的独立危险因素,而Vaspin(OR=0.759,95%CI:0.636~0.908)与Omentin-1(OR=0.602,95%CI:0.414~0.870)为DPN的独立保护因素。列线图模型预测DPN风险的一致性指数为0.742,区分度良好;校准曲线示列线图模型预测DPN发生风险与实际DPN发生风险平均绝对误差为0.010;ROC曲线示列线图模型预测DPN的曲线下面积为0.789(95%CI:0.741~0.873)。结论 本研究基于DPN的危险因素与保护因素,建立的个体化预测DPN风险的列线图模型,具有良好区分度与准确度,临床应用价值高,对甄别DPN高风险人群,制订干预对策具有指导意义。     

中国健康与养老追踪调查:中老年人跌倒的相关因素分析及列线图预测模型的构建

目的 探讨我国中老年人跌倒的相关因素及构建跌倒的列线图预测模型,为中老年跌倒的防控工作提供指导。 方法 抽样方法为全样本分析,研究数据来源于中国健康与养老追踪调查(China Health and Retirement Longitudinal Study,CHARLS)2015年随访数据,以自2013年以来是否曾跌倒为因变量,纳入年龄、BMI(身体质量指数)、左手肌力、右手肌力、站立时间、步行速度、从椅子上起立时间、性别、吸烟、饮酒、腰围、亚洲人骨质疏松自我筛查工具(OSTA指数)共12个变量探讨中老年人跌倒的相关因素,采用SPSS进行1:1倾向性评分、描述性分析,Rstudio将数据集分为训练集与验证集,训练集进行单因素、多因素回归分析、列线图模型构建及内部验证,验证集进行外部验证。 结果 共纳入中老年人15 584人,其中检出有跌倒史2 339人(15.0%),无跌倒史13 185人(85.0%)。倾向性评分以1:1从无跌倒史的13 185人中选出2 339人作为对照组,有跌倒史患者作为患病组,构建数据集,以7:3将数据集随机分为训练集(3 276人)与验证集(1 402人)。根据单、多因素回归分析结果从训练集选取出年龄、身体质量指数(BMI)、右手肌力、从椅子上起立时间、腰围、骨质疏松OSTA指数等6个变量纳入列线图预测模型,模型ROC曲线下面积为0.704,表明模型具有较好的区分度,校准曲线说明模型具有较高的校准度。内部验证曲线下面积0.708,校准曲线拟合良好。由验证集对跌倒列线图预测模型进行外部验证,外部验证的ROC曲线下面积为0.729,表明模型具有较高的区分度,校准曲线说明模型具有较高的校准度。 结论 列线图模型可根据年龄、身体质量指数(BMI)、右手肌力、从椅子上起立时间、腰围、骨质疏松OSTA指数等因素预计老年人跌倒的概率,有利于跌倒的预防,可在临床与实际生活中上推广及应用。     

新冠肺炎住院患者危重症的危险因素分析及危重症预测

目的 回顾性探讨新冠住院患者危重症的相关危险因素并进行危重症预测。方法 收集2022年11月—2023年1月某三甲医院收治的新冠住院2 745例患者的临床资料，根据住院结局分组。通过单因素分析和多因素logistic回归分析明确危险因素，并通过受试者工作特征(ROC)曲线下面积(AUC)、训练集和验证集的校准曲线、训练模型和验证模型的决策曲线分析（DCA曲线）等评价联合因素对新冠住院患者预后结局的预测价值。结果 经单因素和多因素logistic回归分析结果显示年龄（OR=1.05,95%CI:1.03～1.06）、手术（OR=8.81,95%CI:5.64～13.76）、预后营养指数（PNI）(OR=0.92,95%CI:0.89～0.96)、淋巴细胞绝对值（OR=0.47,95%CI:0.26～0.83）、胸腔积液（OR=0.49,95%CI:0.28～0.86）等与新冠住院危重症相关（P<0.05）。ROC曲线下面积显示几项指标联合预测AUC值为0.924。结论 发现高龄、中性粒细胞绝对值高、红细胞压积低、乳酸脱氢酶高、手术、营养状况差、血红蛋白低、血小板计数低、淋巴细胞绝对...     

基于SEER 数据库构建前列腺癌术后生存率预测模型

目的 探讨前列腺癌患者术后总生存率的影响因素,构建术后总生存率的列线图预测模型,预测患者术后1、3及6年总生存率,并进行该模型的临床获益分析 。方法 通过 SEER stat 软件提取Surveillance,Epidemiology,and End Results Program(SEER)数据库2012年1月至2017年12月经病理学诊断的48 486例前列腺癌患者一般临床资料和随访数据。将年龄、肿瘤转移情况、gleason评分、PSA、有无骨转移和肿瘤分化程度等6个因素纳入研究中,通过Cox回归,分析影响患者术后总生存率的因素,采用逐步回归法选择对总生存率影响最大的因素,并构建列线图。通过校准图、ROC曲线和C指数对模型进行评估。通过决策曲线对列线图预测模型的临床获益预测的准确性进行评估。结果 年龄(=3 535.714,P<0.001)、肿瘤分化程度(=2 127.478,P<0.001)、转移情况(=2 020.823,P<0.001)、有无骨转移(=33.409,P<0.001)、PSA(=3 197.936,P<0.001)和gleason评分(=9 257.727,P<0.001)等均是影响前列腺癌患者术后总生存率的独立危险因素,通过逐步回归法筛选出肿瘤分化程度、gleason评分、转移情况、有无骨转移和年龄与前列腺癌患者术后生存率关联最紧密,使用这些因素构建列线图预测模型。训练集和验证集的一致性指数分别为0.622(95%CI:0.618～0.625)和0.617(95%CI:0.614～0.620),训练集和验证集样本的1、3、6年ROC 曲线下面积(AUC)均为0.6左右。校准图表示该模型的预测值和实际值之间具有较好的一致性。结论 基于肿瘤分化程度、gleason评分、有无骨转移、转移情况和年龄5个因素构建的前列腺癌患者术后总生存率列线图预测模型具有一定的参考价值,有助于医师正确的评估患者的术后总生存率,对患者诊疗和预后评价提供参考依据。     

剖宫产术后瘢痕子宫再次妊娠经阴道分娩可行性的预测模型构建

目的 构建剖宫产术后瘢痕子宫再次妊娠经阴道分娩预测模型并探讨其可行性.方法 回顾性分析2020年2月至2021年3月在苏州市第九人民医院和苏州市立医院接受剖宫产术后瘢痕子宫再次妊娠经阴道试产的294例孕妇的临床资料.采用Logistic回归分析筛选瘢痕子宫阴道分娩可行性的影响因素,基于筛选结果建立列线图预测模型.采用R...     

大型综合医院应对新型冠状病毒肺炎疫情“双分诊、双缓冲”模式的建立与实践

自新型冠状病毒肺炎疫情发生以来,随着防控措施的深入开展,新型冠状病毒肺炎患者的医疗救治工作取得积极进展,但疫情形势依然严峻复杂。武汉大学人民医院建立了"双分诊、双缓冲"的组织管理模式,使用了入院前双分诊、入院后双缓冲的方法应对新型冠状病毒肺炎疫情,在保证各项医疗任务顺利完成的同时,减少了医院感染风险,保障了诊疗质量和医患身心健康,取得了科学推进疫情防控的有利成效。     

慢性心力衰竭患者营养不良风险列线图预测模型的构建与验证

目的 分析慢性心力衰竭患者营养不良的危险因素,构建营养不良风险列线图预测模型。方法 选取2020年9月至2021年10月于唐山市某三甲医院心内科住院治疗的320例慢性心力衰竭患者为研究对象,采集患者一般资料、疾病相关资料,采用单因素分析和多因素logistic回归分析慢性心力衰竭患者营养不良的危险因素,建立营养不良风险的列线图预测模型,采用受试者工作特征曲线和校准曲线评价列线图模型的诊断效能和校准度、临床决策曲线评估临床收益性。结果 多因素logistic回归分析显示,年龄≥65岁(OR=2.472,95%CI: 1.189～5.139)、水肿(OR=2.228, 95%CI: 1.190～4.171)、贫血(OR=3.266, 95%CI: 1.566～6.810)、血清尿素氮≥8.85 mmol/L(OR=3.241,95%CI: 1.639～6.411)、血清总蛋白＜60g/L(OR=9.166,95%CI: 4.083～20.576)是慢性心力衰竭患者营养不良的独立危险因素。列线图预测模型的受试者工作特征曲线下面积为0.833,灵敏度为74.04%,特异度为84.72%,H-L检验P=0.254,校准曲线内部验证的C-index为0.824,平均绝对误差为0.022。临床决策曲线的阈值概率为0.08～0.9时,临床净收益率较高。结论 基于危险因素构建的慢性心力衰竭患者营养不良风险列线图预测模型有较好的预测效率和临床适用性,有望成为营养不良的重要预测工具。     

28例新型冠状病毒肺炎死亡病例分析

 目的 探讨新型冠状病毒肺炎（COVID-19）死亡病例的临床特征与死因,提高对COVID-19的认知。方法 收集和分析2020年2月1日—3月21日武汉大学人民医院东院区重症监护病房（ICU）内确诊COVID-19死亡病例的临床资料。结果 共纳入COVID-19死亡病例28例,平均年龄（69.14±14.70）岁,男女比例2.5：1;19例（67.86%）伴基础疾病,以高血压、糖尿病居多,入院当日序贯器官衰竭估计评分（SOFA）平均分为6.00（4.00~9.00）,与同期存活病例比较差异有统计学意义（Z=-3.86,P<0.05）。经受试者工作特征曲线分析,其曲线下面积为0.90（0.79~1.00）。发病至确诊平均时间为6.50（3.00~12.00）d,发病主要累及呼吸与循环系统,均有呼吸困难。发病至死亡平均时间为21.50（15.25~29.00）d,均有重度急性呼吸窘迫综合征（ARDS）,19例（67.86%）发生多脏器功能障碍综合征（MODS）。6例（21.43%）合并其他感染,主要为革兰阴性杆菌。结论 ARDS及MODS为COVID-19重要死因,合并细菌感染也是死亡促进因素,应通过临床表现、SOFA评分等及时筛查危重型病例并及时优化治疗。     

基于NRS 2002的新型冠状病毒肺炎病人营养风险状况及其相关因素分析

目的:了解新型冠状肺炎病人营养风险状况及相关因素,为新型冠状病毒肺炎病人的临床营养支持与治疗提供参考依据。方法:采用NRS 2002营养风险筛查量表对收入武汉大学人民医院东院区的115名病人进行营养风险筛查,并分析年龄、合并症种类、新冠肺炎分型、BMI值与营养风险的相关性。结果:115名病人中有40(34.8%)名病人存在营养风险,其中重型病人70%存在营养风险,危重型病人100%存在营养风险,Logistic回归分析显示,合并症种类及新冠肺炎临床分型为病人营养风险的危险因素,P <0.05;年龄、BMI值与营养风险无关,P> 0.05。结论:新型冠状肺炎病人普遍存在营养风险,其中重症及危重症病人发生营养风险比率很高,应给予及时有效的营养干预。     

新型冠状病毒肺炎疫情下整建制接管医院的医疗管理模式实践与探索

新型冠状病毒肺炎疫情在湖北武汉暴发后,为进一步保证确诊患者应收尽收、应治尽治的要求,国家卫生健康委于2020年2月9日紧急组建全国17支医疗队紧急奔赴武汉,整建制接管华中科技大学附属同济医院光谷院区。来自全国5省1市的17支国家医疗队在同济医院院方的统一指挥、统筹协调下通过不断完善组织框架、建立战时规章制度、加强多团队协作、强化院内感染防控与培训等举措,在最短时间内整建制接管同济医院光谷院区。通过总结整建制接管同济医院光谷院区的医疗运行的实践,探索在紧急状态下整建制接管大型医疗机构院区的战时医务工作模式,为进一步完善应急救治提下的医疗管理提供参考。     

新型冠状病毒肺炎患者早期肝功能损伤与免疫功能的关系

目的 分析新型冠状病毒肺炎（COVID - 19）患者的免疫状态及肝功能等实验室指标的特征,探讨细胞、体液免疫与肝功能损伤之间的关系。方法 回顾性分析2020年1月31日—2020年2月26日入住武汉大学人民医院东院区616例确诊病例的临床资料,根据入院患者肝功能变化情况,分为肝功能异常组（265例）及肝功能正常组（351例）,分别对患者一般情况、血生化、凝血功能、细胞免疫及体液免疫进行比较,采用SPSS 24.0软件对数据进行t检验、非参数检验及χ2检验。结果 两组的细胞免疫CD3%、CD3计数、CD4计数、CD8%、CD8计数与体液免疫免疫球蛋白A（IgA）、补体C3（C3）比较,差异均有统计学意义(P＜0.05）;而两组的细胞免疫CD4%、CD4/CD8、CD19%、CD19计数、NK细胞(CD16+CD56)%、NK细胞(CD16+CD56)计数与体液免疫免疫球蛋白M（IgM）、免疫球蛋白G（IgG）、免疫球蛋白E（IgE）、补体C4（C4）比较,差异均无统计学意义(P＞0.05)。结论 COVID - 19患者早期肝损伤的发生可能与免疫抑制有关。     

Predicting Coronavirus Disease 2019 Infection Risk and Related Risk Drivers in Nursing Homes: A Machine Learning Approach

ObjectiveInform coronavirus disease 2019 (COVID-19) infection prevention measures by identifying and assessing risk and possible vectors of infection in nursing homes (NHs) using a machine-learning approach.DesignThis retrospective cohort study used a gradient boosting algorithm to evaluate risk of COVID-19 infection (ie, presence of at least 1 confirmed COVID-19 resident) in NHs.Setting and ParticipantsThe model was trained on outcomes from 1146 NHs in Massachusetts, Georgia, and New Jersey, reporting COVID-19 case data on April 20, 2020. Risk indices generated from the model using data from May 4 were prospectively validated against outcomes reported on May 11 from 1021 NHs in California.MethodsModel features, pertaining to facility and community characteristics, were obtained from a self-constructed dataset based on multiple public and private sources. The model was assessed via out-of-sample area under the receiver operating characteristic curve (AUC), sensitivity, and specificity in the training (via 10-fold cross-validation) and validation datasets.ResultsThe mean AUC, sensitivity, and specificity of the model over 10-fold cross-validation were 0.729 [95% confidence interval (CI) 0.690‒0.767], 0.670 (95% CI 0.477‒0.862), and 0.611 (95% CI 0.412‒0.809), respectively. Prospective out-of-sample validation yielded similar performance measures (AUC 0.721; sensitivity 0.622; specificity 0.713). The strongest predictors of COVID-19 infection were identified as the NH's county's infection rate and the number of separate units in the NH; other predictors included the county's population density, historical Centers of Medicare and Medicaid Services cited health deficiencies, and the NH's resident density (in persons per 1000 square feet). In addition, the NH's historical percentage of non-Hispanic white residents was identified as a protective factor.Conclusions and ImplicationsA machine-learning model can help quantify and predict NH infection risk. The identified risk factors support the early identification and management of presymptomatic and asymptomatic individuals (eg, staff) entering the NH from the surrounding community and the development of financially sustainable staff testing initiatives in preventing COVID-19 infection.