肾积水患儿血清胱抑素C与术后并发症的关系及其预测模型的构建

目的探讨肾积水患儿血清胱抑素C(Cys-C)与术后并发症的关系,并构建一种可以预测术后并发症的Nomogram模型。方法回顾性收集249例行手术治疗的肾积水患儿的临床资料,根据术后是否发生并发症分为研究组与对照组。采用多因素Logistic回归模型分析术后并发症的独立危险因素,使用校准曲线以及决策曲线来评价Nomogram模型的准确度与区分度。结果249例肾积水患儿中,86例(34.54%)发生术后并发症。研究组Cys-C水平显著高于对照组(P<0.05);研究组ASA分级Ⅲ〜Ⅳ比例、DFR分级1〜2级比例、C反应蛋白(CRP)、尿素氮(BUN)、肌酐(Cr)、手术时间及术中出血量均高于对照组(均P<0.05),年龄、肾实质厚度、肾小球滤过率(GFR)及白蛋白(Alb)均低于对照组(均P<0.05).Logistic回归分析显示Cys-C、年龄、ASA分级、DFR分级、GFR及手术时间是肾积水患儿术后并发症发生的独立危险因素(均P<0.05)o内部验证结果显示,Nomogram模型预测肾积水患儿术后并发症发生风险的C-index为0.793(95%CI:0.720〜0.859),校准曲线结果显示,Nomogram模型的预测值与真实值之间保持较好一致性。Nomogram模型预测肾积水患儿术后并发症发生风险的受试者工作特征曲线(ROC)的曲线下面积(AUC)为0.817(95%CI:0.738〜0.871)。DCA结果显示,Nomogram模型预测肾积水患儿术后并发症发生风险阈值>0.11,此Nomogram模型可提供额外的临床净收益;Nomogram模型临床净收益均高于Cys-C、年龄、ASA分级、DFR、GFR以及手术时间。结论肾积水患儿Cys-C水平与术后并发症相关,基于Cys-C、年龄、ASA分级、DFR、GFR及手术时间所构建Nomogram模型可用于临床识别术后并发症发生的高风险患儿。     

个体化预测重症监护室老年患者谵妄的列线图预测模型的建立

目的：分析重症监护室(ICU)老年患者发生谵妄的危险因素,建立风险预测模型并验证其准确性。方法：收集美国重症监护医学信息数据库-Ⅳ的1 216例老年患者,按照3∶1比例随机分为训练集(n=912)和验证集(n=304)。使用Lasso回归和二元Logistic回归分析筛选训练集中谵妄的独立危险因素,绘制列线图模型。采用受试者工作特征曲线(ROC)、校准曲线、决策曲线对训练集和验证集进行内部和外部验证。结果：训练集中谵妄的发生率为32.6%(297/912),年龄、慢性阻塞性肺疾病、急性生理学与慢性健康状况评分系统Ⅱ(APACHEⅡ)评分、应用镇静药物、机械通气是谵妄的独立危险因素。训练集和验证集的ROC曲线下面积分别为0.762(95%CI:0.727～0.797)和0.767(95%CI:0.714～0.820)。校准曲线表明预测结果与实际结果一致性较好,决策曲线分析结果显示模型的净获益率高。结论：本研究建立的ICU老年患者谵妄的列线图预测模型具有良好的预测效能,有助于医护人员判断高危患者并制定针对性的预防措施。     

ICU重症患者脓毒症发生风险预测模型的构建与验证

目的 构建重症监护室(ICU)重症患者发生脓毒症的风险预测模型，为临床医生早期识别脓毒症患者提供工具。方法 选择2021年5月至2022年10月在山西白求恩医院ICU入住的患者为研究对象，将符合纳入标准的患者随机分为训练集和验证集。收集临床常用指标，采用Logistic回归模型，根据赤池信息准则，筛选脓毒症的独立危险因素，建立预测模型。采用受试者工作特征曲线(ROC)、校准曲线、决策曲线(DCA)对预测模型进行评价，并与单一指标的预测性能进行比较。结果 共有171名患者纳入研究，随机分为训练集139例，验证集32例。Logistic回归分析结果显示，性别(OR=0.504,95%CI 1.008～1.059),中性粒细胞计数和淋巴细胞计数比值(NLR)(OR=1.030,95%CI 1.008～1.059)和序贯器官衰竭(SOFA)评分(OR=1.179,95%CI 1.073～1.308)是ICU重症患者发生脓毒症的独立危险因素。联合预测ICU患者发生脓毒症ROC曲线下面积(AUC)为0.722(95%CI 0.637～0.807),校准曲线提示模型校准度良好，决策曲线提示模型具有临...     

扩张型心肌病患者心内血栓形成危险因素及预测模型研究

目的 探究扩张型心肌病(DCM)患者心内血栓形成的危险因素,基于此构建列线图预测模型并进行验证及评价。方法 该研究纳入诊断为DCM的88例合并心内血栓患者和544例无心内血栓患者,并将研究对象按7∶3比例随机分为训练集和验证集。通过单因素及多因素Logistic回归分析筛选出DCM患者心内血栓形成的独立危险因素,借助R软件构建列线图预测模型。应用受试者工作特征曲线(ROC)、Hosmer-Lemeshow拟合优度检验和校准曲线、决策曲线对模型进行验证及评价。结果 二元Logistic回归分析显示：年龄、心房颤动(房颤)、左心室舒张末内径(LVEDD)、脑钠肽(BNP)和β受体阻滞剂与DCM患者心内血栓形成独立相关。基于此5项因素构建列线图预测模型并进行验证,结果显示训练集和验证集的ROC曲线下面积分别为0.823(95%CI:0.760～0.887)、0.803(95%CI:0.705～0.901),表明模型具有良好的鉴别能力;校准曲线的Hosmer-Lemeshow检验结果分别为χ²=6.679、P=0.572和χ²=2.588、P=0.9...     

婴幼儿视网膜母细胞瘤生存率预测列线图模型的构建

目的:构建预测婴幼儿视网膜母细胞瘤(RB)生存率的列线图。方法:收集2004年至2019年SEER数据库中929例RB患儿(0～3岁)的临床资料作为训练集,采用Cox回归分析筛选出婴幼儿RB生存的影响因素,并基于回归结果构建预测RB患儿3、5和10 a生存率的列线图。收集2010年至2019年郑州大学第一附属医院诊断的RB患儿111例为外部验证集。利用C指数、ROC曲线、校准曲线和决策曲线分析(DCA)评估列线图模型的预测价值。结果:以因RB死亡为终点事件,Cox回归分析结果显示,肿瘤基底直径≥15 mm、T3期、T4期、M1期和放化疗联合治疗是生存预后的危险因素,HR(95%CI)分别为3.049(1.459～7.782)、6.341(1.811～12.372)、9.554(6.054～13.989)、5.087(1.602～16.155)、10.452(1.180～19.598)。在训练集和外部验证集中,列线图模型预测的C指数(95%CI)分别为0.948(0.923～0.973)、0.858(0.728～0.987);在训练集中,列线图模型3、5和10 a生存率预测的AUC(95...     

基于无创诊断指标构建乙型肝炎肝硬化上消化道出血的预测模型研究

目的 探讨乙型肝炎（以下简称乙肝）肝硬化患者发生上消化道出血的危险因素,并建立无创预测模型。方法 回顾性分析2019年1月—2022年12月山西医科大学第一医院收治的142例乙肝肝硬化患者的临床资料,利用Lasso回归筛选出有效预测因子,基于Logistic回归算法建立列线图预测模型,通过Bootstrap重抽样法对模型进行内部验证,采用受试者工作特征（ROC）曲线、校准曲线（CA）和决策曲线分析（DCA）评价模型,并将结果可视化。结果 142例乙肝肝硬化患者发生上消化道出血100例。经Lasso回归筛选的最佳建模指标为：性别、血红蛋白、中性粒细胞百分比、血糖、脾脏长径、门静脉内径。ROC曲线显示,列线图模型的敏感性为96.0%,特异性为83.0%,ROC曲线下面积为0.969(95%CI:0.946,0.993),高于终末期肝病模型（MELD）评分的0.592(95%CI:0.487,0.698)和肝功能Child-Turcotte-Pugh(CTP)评分的0.623(95%CI:0.509,0.738);CA曲线提示模型的预测概率与实际概率具有较高的吻合度;DCA曲线提示使用列线图...     

腹膜透析相关腹膜炎患者治疗失败预测模型的构建和验证：一项多中心临床研究

目的 构建和验证腹膜透析相关性腹膜炎（PDAP）患者治疗失败的风险预测模型。方法 对2013年1月1日~2019年12月31日在吉林省3个腹膜透析中心发生PDAP的腹膜透析（PD）患者进行了回顾性分析。收集入选者基线临床资料,主要研究终点为治疗失败。根据腹膜透析中心地域的不同,将数据分为训练集（吉林大学第二医院、吉林大学第一医院二部）和验证集（吉林市中心医院）。采用Logistic风险回归模型筛选影响PDAP治疗失败的危险因素,用Stata建立预测模型;用ROC曲线和校准曲线评估模型的区分度和准确性,并以DCA曲线评估列线图的临床有效性。结果 共纳入977例次PDAP,训练集中625例次,其中78例治疗失败,验证集中352例次,其中35例治疗失败。建模队列多因素Logistic回归分析结果显示,血清白蛋白、第5天腹透液白细胞计数、透析龄和致病微生物类型是治疗失败的独立危险因素,在训练集中的C统计量为0.827（95% CI：0.784–0.871）。在验证集中,C统计量为0.825（95%CI：0.743-0.908）。预测模型在训练和验证集的校准方面都表现良好。结论 基于血清白蛋白、第5天腹透液白细胞计数、透析龄和致病微生物类型构建了预测模型,性能良好。     

梯度提升机模型在非静脉曲张上消化道出血后再出血中的预测价值

目的：探讨梯度提升机（GBM）模型在预测非静脉曲张上消化道出血（NVUDB）患者再出血中的临床价值。方法：回顾性分析2020年10月至2021年12月本院收治的258例NVUDB患者的临床资料，并按照7∶3比例将数据集随机分为训练集和验证集，分别用于构建GBM模型和验证模型的可靠性。采用受试者工作特征（ROC）曲线分析评价模型性能，校准曲线评估模型预测概率与样本概率之间的一致性，决策曲线评估该模型的临床实用性。结果：NVUDB患者再出血发生率为20.9%。GBM算法模型中重要特征得分前5项为Rockall评分、入院时休克、D-二聚体水平、白蛋白水平、红细胞分布宽度。训练集曲线下面积为0.985(95%CI:0.971～0.998)，验证集为0.873(95%CI:0.785～0.960)。训练集的预测准确率为92.2%，验证集的预测准确率为83.3%。校准曲线显示GBM模型预测值与实际观测值之间具有良好的一致性，模型能够较好地预测实际概率。临床决策曲线分析结果展示了模型具有良好的临床表现能力。结论：基于GBM算法模型可以较好地预测NVUDB患者再出血的风险因素，且具有较高的临床有效性。     

重症俯卧位通气患者并发压力性 损伤列线图模型的构建

目的 构建重症俯卧位通气（PPV）患者并发压力性损伤（PI）的列线图模型。 方法 选取 2019 年 8 月至 2022 年 12 月在温州医科大学附属第一医院ICU 行PPV 治疗的200 例重症患者作为训练集数据，根据PPV 治疗期间是否发生PI 分为PI 组 77 例和非 PI 组 123 例。利用单因素及 LASSO 回归分析筛选影响因素并纳入多因素 logistic 回归分析，构建列线图模型。运用 Calibration 校准曲线、一致性指数（C-index）及 Hosmer-Lemeshow 检验评估预测效果。最后，纳入 2023 年 2 至 6 月的 60 例数据 验证模型的准确性。 结果 多因素 logistic 回归分析显示，Braden 评分、白蛋白、有饮酒史、机械通气时长、血管活性药物使用时 长是均重症 PPV 患者并发 PI 的独立影响因素（均 P＜0.05）。构建模型的训练集和验证集 C-index 分别为 0.763（95%CI：0.695~ 0.831）和0.732（95%CI：0.596~0.868）；Calibration 校准曲线证实模型有较好一致性，Hosmer-Lemeshow 拟合优度检验的χ2 值分 别为10.801和8.697，均P＞0.05。 结论 构建的重症PPV患者PI的列线图模型预测效果良好，使用便捷，可为临床提供参考。     

慢性阻塞性肺疾病急性加重期继发肺部真菌感染的列线图预测模型

目的 探究慢阻肺急性加重患者继发肺部真菌感染的危险因素,应用列线图构建并验证用于辅助临床预测慢阻肺急性加重患者发生肺部真菌感染概率的可视化工具。方法 采用回顾性队列研究的方法,收集2021年1月—2021年12月期间,于成都医学院第一附属医院呼吸与危重医学科住院治疗的慢阻肺急性加重患者作为训练集。并收集2020年1月—2020年12月期间的慢阻肺急性加重患者作为验证集。通过单因素、Lasso回归分析及多因素Logistic分析到独立危险因素。用独立危险因素构建列线图预测模型,并通过受试者工作特征(Receiver operating characteristic,ROC)曲线下面积(The area under ROC curve,AUC)、校准曲线和决策曲线分析(decision curve analysis,DCA)对列线图进行多方面评估。结果 使用糖皮质激素、抗生素联合使用、抗生素使用时间及低蛋白血症是慢阻肺急性加重患者继发肺部真菌感染的独立危险因素(均P<0.05)。所构建预测模型的训练集和验证集的AUC值分别为0.915[95%CI:0.891～0.940]和0.830...     

胰十二指肠切除术术后出血列线图预测模型的建立和验证

目的 分析胰十二指肠切除术（PD）术后出血的危险因素,构建预测PD术后出血的列线图模型。方法 回顾性分析2017年1月—2023年1月494例在南昌大学第二附属医院行PD患者的临床资料。将2017年1月—2020年12月收集的376例患者作为训练集,2021年1月—2023年1月118例患者作为验证集。通过单因素分析、Lasso回归分析和多因素一般Logistic回归分析筛选预测因素并构建列线图预测模型。通过受试者工作特征曲线下面积（AUC）、校正曲线和决策曲线分析（DCA）评估模型的鉴别能力、一致性和临床效果。结果 多因素一般Logistic回归分析结果显示,血管重建、术后胰瘘、术后胆瘘、腹腔感染和白蛋白为PD术后出血的独立风险因素（P <0.05）。由上述因素构建列线图预测模型在训练集的AUC为0.870（95% CI：0.820,0.920）,验证集AUC为0.799（95% CI：0.691,0.907）,提示模型诊断效能较好,在训练集和验证集中绘制出的校正曲线与标准曲线较为接近,提示模型一致性较好。绘制的DCA曲线也表明了明显的正向净收益。结论 通过血管重建、术后胰瘘、术后胆瘘和腹腔感染和白蛋白构建的列线图预测模型能够很好识别出PD术后出血的高风险患者,具有很好的临床应用价值。     

急性心力衰竭患者住院期间发生心血管不良事件风险预测模型的构建与验证

目的 分析急性心力衰竭（AHF）患者住院期间心血管不良事件发生的主要影响因素,构建心血管不良事件风险预测模型并进行验证。方法 回顾性选取2021年2月—2022年2月宁夏医科大学总医院心脑血管病医院收治的515例AHF患者,根据患者住院期间是否发生心血管不良事件将其分为发生组与未发生组。采用R 4.2.1统计软件对两组各项指标进行单因素Logistic分析并进行Lasso回归初步筛选,再经多因素一般Logistic回归分析确定预测变量,构建AHF患者住院期间心血管不良事件预测模型,并通过绘制列线图、受试者工作特征（ROC）曲线及校准曲线对模型的性能进行评价,最后采用Bootstrap法对模型进行内部验证。结果 515例AHF患者中有62例发生心血管不良事件。心血管不良事件发生组与未发生组的冠心病、扩心病、脑卒中、睡眠差、呼吸频率、合并心房颤动（以下简称房颤）比较,差异均有统计学意义（P <0.05）;先后经单因素Logistic分析及Lasso回归初步筛选变量后,最终通过多因素一般Logistic回归分析确定AHF患者住院期间发生心血管不良事件的主要影响因素为脑卒中［O^R=7.99（95% CI：3.29,19.59）］、白细胞计数［O^R=1.25（95% CI：1.00,1.52）］、血尿素氮［O^R=1.13（95% CI：1.04,1.23）］、D-二聚体［O^R=1.13（95% CI：1.03,1.24）］、左心室短轴缩短率［O^R=0.89（95% CI：0.81,0.96）］、合并房颤［O^R=2.40（95% CI：1.07,5.31）］。基于以上6个影响因素构建风险预测列线图模型,结果显示,模型的ROC曲线下面积（AUC）为0.82（95% CI：0.76,0.88）,校准曲线贴近理想曲线。经Bootstrap法内部验证所得AUC值为0.81（95% CI：0.75,0.87）。结论 AHF患者住院期间发生心血管不良事件的主要影响因素是脑卒中、白细胞计数、血尿素氮、D-二聚体、左心室短轴缩短率、合并房颤,以此构建的心血管不良事件风险预测模型具有良好的效能。     

系统免疫炎症指数在川崎病IVIG治疗抵抗患儿中的预测价值

  目的  评价系统免疫炎症指数(SII)对于川崎病(KD)患儿静脉注射免疫球蛋白(IVIG)治疗抵抗的预测价值。  方法  回顾性分析2018年1月—2022年3月在中国科学技术大学附属第一医院儿科诊断为KD并接受IVIG治疗的住院患儿445例,依据是否出现IVIG抵抗分为IVIG抵抗组(39例)和IVIG敏感组(406例);再依据血小板值进行分层分析。分别比较各组间炎症指标的差异;针对各差异指标,采用二元logistic回归分析研究其与KD患儿IVIG治疗抵抗的相关性;采用受试者工作特征(ROC)曲线评价各炎性指标预测KD患儿IVIG治疗抵抗的价值。  结果  整体KD患儿样本中,IVIG抵抗组较IVIG敏感组中性粒细胞(N)、中性粒细胞淋巴细胞比率(NLR)、血小板淋巴细胞比率(PLR)、SII、CRP水平高,淋巴细胞(L)较低,差异有统计学意义(均P＜0.05);血小板减少KD患儿样本中,各炎症指标数值差异均无统计学意义;非血小板减少KD患儿样本中,IVIG抵抗组较IVIG敏感组N、NLR、SII水平高,差异有统计学意义(均P＜0.05)。Logistic回归分析显示,整体样本和非血小板减少KD样本中,NLR与SII均为预测KD患儿IVIG治疗抵抗的因素;ROC曲线分析显示,NLR对于整体KD患儿IVIG抵抗预测敏感度为55%,特异度为67%;SII对于非血小板减少KD患儿IVIG抵抗预测敏感度为56%,特异度为64%。  结论  NLR对于整体KD患儿IVIG抵抗预测能力较强,SII对于非血小板减少KD患儿IVIG抵抗预测能力较强。      

糖皮质激素治疗降低川崎病患儿冠状动脉病变发生风险的Meta分析

目的：系统评价皮质激素在治疗川崎病患儿当中对冠状动脉病变的预防作用。方法系统搜索医学文献引擎,纳入相关的前瞻性随机对照高质量研究文献,分析皮质激素对预防川崎病冠状动脉病变的疗效及安全性。结果按照既定的纳入标准筛选后共有8项前瞻性随机对照临床研究纳入分析。总体研究提示糖皮质激素联合静脉免疫球蛋白（IVIG）和阿司匹林比单用IVIG和阿司匹林治疗能显著降低川崎病冠状动脉病变发生风险（OR：0．32,95％CI：0．14～0．71,P＝0．005）,且两组药物不良事件发生率差异无统计学意义（OR：1．24,95％CI：0．33～4．67,P＝0．75）。亚组分析显示,患儿的年龄似乎对皮质激素的治疗作用没有影响;同时,皮质激素能降低非IVIG抵抗患儿发生冠状动脉病变风险（OR：0．53,95％CI：0．28～1．01,P＝0．05）,而对于IVIG抵抗患儿,糖皮质激素降低冠状动脉病变风险的作用似乎更加显著（OR：0．19,95％CI：0．09～0．39,P＜0．01）。结论糖皮质激素联合IVIG和阿司匹林能够安全有效降低川崎病患儿冠状动脉并发生风险,且IVIG抵抗患儿可能是皮质激素联合IVIG和阿司匹林治疗的最大获益人群。     

川崎病丙种球蛋白耐药的危险因素及预测模型研究

背景　目前,川崎病（KD）已成为儿童获得性心脏病的主要病因。丙种球蛋白（IVIG）联合阿司匹林作为KD的标准治疗方案,可使冠状动脉损害发生率降低,但仍有部分患儿对IVIG不敏感,而此类患儿的冠状动脉损害发生率更高。因此,研究KD发生IVIG耐药的预测指标十分重要。目的　探讨KD发生IVIG耐药的危险因素并建立其预测模型,比较新模型和其他4种IVIG耐药预测模型（Egami、Kobayashi、Fu和Lin）的预测效能。方法　回顾性分析2016年1月-2018年6月于江西省儿童医院确诊并经规范治疗及随诊的173例初诊KD患儿的临床资料,根据患儿是否发生IVIG耐药,分为IVIG耐药组和IVIG敏感组。采用多因素Logistic回归分析IVIG耐药的独立危险因素,通过赋值建立新的预测模型,并应用其他4种耐药预测模型对入组患者进行评估,通过受试者工作特征（ROC）曲线比较新模型与其他4种预测模型的预测效能。结果　173例KD患儿中,IVIG耐药组31例（17.9%）,IVIG敏感组142例（82.1%）。IVIG耐药组男性患儿比例高于IVIG敏感组,白细胞计数（WBC）、中性粒细胞计数（N）、中性粒细胞分数、C反应蛋白（CRP）、铁蛋白（SF）水平高于IVIG敏感组,血Na水平低于IVIG敏感组（P<0.05）。多因素Logistic回归分析结果显示,男性〔OR=5.151,95%CI（1.583,16.756）〕、CRP〔OR=1.166,95%CI（1.070,1.272）〕、血Na〔OR=0.837,95%CI（0.719,0.974）〕和SF〔OR=1.192,95%CI（1.079,1.318）〕是IVIG耐药的独立危险因素（P<0.05）。通过ROC曲线计算各指标的截断值,结果显示,CRP、血Na和SF的截断值分别为94 mg/L、135 mmol/L和148 μg/L。通过对CRP≥94 mg/L和血Na≤135 mmol/L赋值1分,男性和SF≥148 μg/L赋值2分建立新的预测模型,以总分4分为截断值,其灵敏度和特异度分别为79.9%和53.3%。而Egami模型对本组资料的灵敏度和特异度分别为38.7%和73.8%,Kobayashi模型的灵敏度和特异度分别为35.5%和88.7%,Fu模型的灵敏度和特异度分别为48.4%和78.7%,Lin模型的灵敏度和特异度分别为77.4%和55.3%。结论　男性、血Na、CRP和SF是KD发生IVIG耐药的独立危险因素。联合以上4个指标建立的新模型具有较高灵敏度,较Egami、Kobayashi、Fu和Lin 4种IVIG耐药预测模型具有更好的预测效能。     

乳腺癌患者预后评估模型的构建

目的 筛选影响乳腺癌患者预后的预测因素,构建评价乳腺癌患者预后的模型.方法 SEER数据库获得2010—2015年间119779名乳腺癌患者的临床和随访数据,将所有病例随机分为70％(83854名)的训练集以及30％(35925名)的验证集.利用Lasso回归筛选出对预测乳腺癌患者预后有意义的预测因子,并构建Cox比例风险模型,利用受试者工作曲线(ROC曲线)分别在训练集以及验证集中评价模型的鉴别能力,并与单纯纳入TNM预后分期因素(原发肿瘤大小、区域淋巴结以及远处转移)以预测患者预后的准确性进行对比.利用校准图评价模型的准确性.结果 年龄、种族、肿瘤分级、肿瘤大小、分子分型、手术治疗、淋巴结状态、远处转移是能够预测患者生存的独立预测因子.在训练集中,1年、3年、5年ROC曲线下面积分别为0.840、0.812、0.797,在验证集中为0.712、0.707、0.684.当单纯纳入T N M预后因素时为0.738、0.714、0.693.1年、3年、5年校准图显示了模型具有良好的预测准确性.结论 与单纯依靠传统的TNM预后因素预测预后相比,该模型能够更准确的量化、评估患者的预后,可为医生、病人以及医疗政策制定者提供直观的信息.     

基于儿童营养相关指标的反复呼吸道感染预测模型构建与验证

目的：探讨基于儿童营养相关指标的反复呼吸道感染预测模型构建及验证。方法：选取2018年1月至2020年3月温州医科大学附属第一医院收治的283例呼吸道感染患儿为研究对象,均接受规范治疗,根据呼吸道感染是否反复发作分为反复呼吸道感染组和非反复呼吸道感染组,比较患儿的临床资料,应用Logistic回归模型分析反复呼吸道感染相关因素,随机选取70%（198例）的病例作为训练集,30%（85例）作为测试集,并用R软件基于训练集建立列线图预测模型,采用决策曲线分析评估Nomogram模型临床净收益,并在测试集评估模型效能。结果：两组慢性呼吸系统疾病家族史比例、出生体质量、户外活动时间、母乳喂养时间、血红蛋白、维生素A、维生素D水平对比差异有统计学意义（P＜0.05）;性别、年龄、体质量指数、居住地、出生方式、是否窒息、睡眠时间、白细胞计数、血清锌、铁、钙、镁对比差异无统计学意义（P＞0.05）;多因素Logistic回归分析显示,出生体质量提高（OR=0.995,P=0.004）、户外活动时间延长（OR=0.630,P=0.003）、血红蛋白水平升高（OR=0.846,P＜0.001）、维生素A水平升高（OR=0.437,P＜0.001）、维生素D水平升高（OR=0.938,P=0.007）为患儿反复呼吸道感染的保护因素;构建的Nomogram模型预测反复呼吸道感染相关因素C-index为0.869（95%CI=0.818～0.920）,决策曲线分析评估两组预测模型的临床收益,当含营养相关指标模型预测患儿反复呼吸道感染的值为0～0.59时,可提供附加临床收益。外部验证显示敏感度为92.00%,特异度为96.67%,准确率为95.29%。结论：出生体质量提高、户外活动时间延长、血红蛋白水平升高、维生素A水平升高、维生素D水平升高为儿童反复呼吸道感染的保护因素,含维生素A、维生素D营养指标构建的Nomogram模型可提高预测儿童反复呼吸道感染的准确性。     

基于临床及CT特征构建预测肺浸润性黏液腺癌的机器学习模型

  目的  肺黏液腺癌是一种罕见的肺癌亚型,存在独特的分子生物学特征,并影响治疗方案的选择。本研究拟通过建立浸润性黏液腺癌的机器学习模型来提高治疗前黏液腺癌诊断的准确性。  方法  回顾性分析河北医科大学第四医院在2017年1月—2022年5月期间经穿刺活检或手术病理证实的620例肺浸润性腺癌患者资料。采用倾向性评分匹配法(PSM)进行1 : 1匹配后按7 : 3比例将患者随机分为训练集和测试集, 应用具有统计学差异的变量构建支持向量机(SVM)、随机森林(RF)及逻辑回归(LR)3种机器学习模型, 并通过AUC值选择最优模型。通过5折交叉验证方法分析最优机器学习模型AUC值及绘制决策曲线分析(decision curve analysis, DCA)曲线, 并构建诺莫图。  结果  结果显示病灶位于下叶、囊腔、支气管截断征及ΔCTV值是浸润性黏液性腺癌的独立预测因素。将以上4个特征通过机器学习构建预测模型并进行模型比较, 最终显示逻辑回归模型(AUC = 0. 801)为最优模型。将285例随机抽取30%为测试集(85例), 剩余样本作为训练集进行5折交叉验证, 逻辑回归模型在验证集中得到AUC为0. 777, 测试集中的AUC为0. 785, 准确度为0. 682, 训练集中的AUC为0. 803, 准确度为0. 749。最终构建逻辑回归模型的诺莫图, 模型校准曲线中的Briser Score为0. 149, 且绘制的DCA曲线同样显示该模型具有良好的预测能力及稳定性。  结论  通过对基于临床及CT特征的机器学习模型的分析, 构建了原发性肺浸润性黏液性腺癌的临床预测模型, 该模型具有潜在指导临床诊断的作用。