基于SMOTE算法的化疗肿瘤患者下呼吸道感染预警模型构建

 目的 构建基于少数类样本合成过抽样技术（synthetic minority over-sampling technique,SMOTE）算法的化学治疗（化疗）肿瘤患者下呼吸道感染预警模型。方法 共纳入西宁市4所三级医院2019年1月-2021年6月收治的2 384例接受化疗的肿瘤患者为研究对象,将所收集病例按照7：3的比例随机分为建模组1 668例和验证组716例,建模组数据用来建立模型,验证组数据对所建立的模型进行验证,利用单因素比较和logistic回归分析筛选下呼吸道感染影响因素,基于SMOTE算法建立化疗肿瘤患者下呼吸道感染预警模型。结果 logistic回归分析可得,年龄（x₁）、身体质量指数（BMI）值是否正常（x₂）、恶性肿瘤分期（x₃）、吸烟史（x₄）、合并糖尿病（x₅）、合并肺部疾病（x₆）均是化疗肿瘤患者下呼吸道感染的危险因素（均P<0.01）,获得原始数据预警模型：Logit（P）=0.055x₁+0.967x₂-0.195x₃+1.383x₄+0.968x₅+0.939x₆-14.073和基于SMOTE算法的预警模型：Logit（P）=0.090x₁+1.092x₂-0.249x₃+1.724x₄+1.136x₅+1.344x₆-14.859。基于SMOTE算法预警模型AUC为0.949（95%CI：0.937~0.961）,高于原始数据预警模型AUC 0.780（95%CI：0.734~0.846）。结论 基于SMOTE算法所构建的预警模型能更准确预警化疗肿瘤患者下呼吸道感染,有效解决感染与非感染患者样本数据不平衡所导致的预测误差,基于预测模型可选择相应的对策进行应对。     

What is the Level of Evidence Substantiating Commercial Payers’ Coverage Policies for Total Joint Arthroplasty?

BackgroundThe prevalence of total joint arthroplasty (TJA) in the United States has drawn the attention of health care stakeholders. The payers have also used a variety of strategies to regulate the medical necessity of these procedures. The purpose of this study was to examine the level of evidence of the coverage policies being used by commercial payers in the United States.MethodsThe references of the coverage policies of four commercial insurance companies were reviewed for type of document, level of evidence, applicability to a TJA population, and success of nonoperative treatment in patients with severe degenerative joint disease.Results282 documents were reviewed. 45.8% were primary journal articles, 14.2% were level I or II, 41.2% were applicable to patients who were candidates for TJA, and 9.9% discussed the success of nonoperative treatment in patients who would be candidates for TJA.ConclusionMost of the references cited by commercial payers are of a lower level of scientific evidence and not applicable to patients considered to be candidates for TJA. This is relatively uniform across the reviewed payers. The dearth of high-quality literature cited by commercial payers reflects the lack of evidence and difficulty in conducting high level studies on the outcomes of nonoperative versus operative treatment for patients with severe, symptomatic osteoarthritis. Patients, surgeons, and payers would all benefit from such studies and we encourage professional societies to strive toward that end through multicenter collaboration.     

Supracondylar Humerus Fractures: Classification Based Treatment Algorithms

Supracondylar humerus fractures are the most common fractures around the elbow in children between 4 and 10 years of age. The treatment of supracondylar humerus fractures can vary from conservative treatment to operative treatment depending on the fracture type. All around the world, the most commonly used classification system is the Wilkins-modified Gartland classification of supracondylar humerus fractures. Currently, the decision to operate or conserve the fracture is taken on basis of this classification system. Non-operative treatment for type I fractures and operative treatment for type III fractures have been well-established in literature. The management of type II supracondylar humerus fracture creates confusion in the minds of numerous orthopaedic surgeons around the world. We have tried addressing this using a classification-based treatment algorithm. Other classification systems like the AO classification, Lagrange and Rigault classification and Bahk classification with special reference to special fracture patterns that require attention and pre-op planning have also been mentioned. It is important to understand that operative management of each supracondylar humerus fracture is unique as regards fixation method and it is important to consider the fracture pattern before internal fixation.     

基于Apriori算法的含丹参-当归药对的方剂用药特点与规律分析

目的 通过挖掘整理含丹参-当归的方剂,利用统计软件系统分析其用药规律。方法 检索筛选《中医方剂大辞典》中含丹参-当归药对的方剂,利用Excel软件分析中药使用频次、频率及丹参-当归配伍特征和主治中医病证频次,运用SPSS Modeler 18.0软件关联规则Apriori算法进行数据挖掘。结果 通过统计共筛选出含丹参-当归药对的方剂390首,频次统计分析发现涉及中药504味,使用频次≥60的中药共22味,除丹参、当归外,核心高频药物为川芎、甘草、白芍、肉桂、地黄、牛膝6味。通过组方规律分析得到常用中药组合有丹参-当归-川芎、丹参-当归-甘草、丹参-当归-白芍。主治病证涉及105种,频次≥10的中医病证10种,以瘀血疼痛病症、妇科病症为主。通过网络可视化得到治疗月经病的核心中药组合为丹参-当归-川芎-白芍-香附,治疗痹证的核心中药组合为丹参-当归-川芎-肉桂,治疗虚劳病核心中药组合为丹参-当归-牛膝-肉桂-防风。结论 与丹参-当归配伍的高频中药为白芍、川芎、肉桂等,优势病证为月经病、痹证和虚劳病,揭示了丹参-当归药对的用药规律,为该药对在临床合理用药及深入研究与开发提供科学依据。     

基于关联规则的脂肪肝与5种慢性代谢性疾病的关联性分析

目的 探讨体检人群中高血压、超重肥胖、血脂异常、高尿酸、糖尿病等5种慢性代谢性疾病与脂肪肝的关系,为脂肪肝和慢性代谢性共患病的防治提供依据。方法 采用二分类logistic回归分析脂肪肝患病的危险因素;运用Apriori算法进行年龄别和性别分组的5种慢性代谢性疾病与脂肪肝关联规则挖掘。结果 研究人群中,高血压、超重肥胖、血脂异常、高尿酸、糖尿病、脂肪肝的患病率分别为32.0%、52.0%、34.7%、31.8%、9.9% 和43.4% ;高血压、超重肥胖、血脂异常、高尿酸、糖尿病均是脂肪肝患病的危险因素 (P<0.001,OR值>1);5种慢性代谢性疾病单独患病对脂肪肝患病的提升度均大于1 (1.42~1.66);年龄、性别分组后按置信度排名第1的强关联规则均为{高血压,超重肥胖,血脂异常,高尿酸}→{脂肪肝};不同年龄组和不同性别组在强关联规则个数、关联强度等方面存在差异。结论 高血压、超重肥胖、血脂异常、高尿酸、糖尿病等5种慢性代谢性疾病均可单独对脂肪肝患病起到提升作用,多种疾病共患可增加脂肪肝患病的风险。     

基于数据挖掘的低增生性骨髓增生异常综合征与再生障碍性贫血分类模型研究

目的 构建低增生性骨髓增生异常综合征（hypo-MDS）与再生障碍性贫血（AA）鉴别诊断的决策树、贝叶斯、卷积神经网络、改进的支持向量机四种模型并选择出最优模型。方法 收集2010—2019年华北理工大学附属医院的AA与hypo-MDS患者的病例资料,使用统计学方法筛选指标,将处理后的样本以4[DK]∶1随机分为训练集和测试集,构建决策树、贝叶斯、卷积神经网络、改进的支持向量机四种模型,采用五折交叉验证法多次重复验证,通过灵敏度、AUC等指标评价鉴别诊断效果。结果 hypo-MDS患者红细胞、血红蛋白含量等指标低于AA患者,成熟单核细胞比例等指标高于AA患者,年龄和职业分布也存在差异(P＜0.05）;最终选出21个特异性指标。四种模型的分类效果比较:灵敏度分别为82.56%、65.12%、87.21%、79.07%;AUC分别为0.81、0.68、0.82、0.83;准确率分别为75.32%、69.48%、77.27%、74.03%。对卷积神经网络的误判病例分析得出年龄、血成熟淋巴细胞等7个指标均存在差异（P＜0.05）。结论 在决策树、贝叶斯、卷积神经网络、改进的支持向量机四种诊断模型中,卷积神经网络具有最佳分类效果。     

CORDIC算法在B超数字扫描变换器中的应用

数字扫描变换器在B型超声诊断仪的应用，能使现代实时B型超声诊断仪实现一些新的诸如图像冻结、多帧贮存、数据测量计算和TV显示等功能。在设计B型超声诊断仪中数字扫描变化器的过程中，直角坐标到极坐标变换是一个关键的技术，本研究论述了应用在数字扫描变化器中的一种新的算法——CORDIC算法，对该算法的原理进行了简介，将CORDIC算法应用到直角——极坐标变换中，并进行了算法修正和公式计算。根据其具体的应用对该算法进行了优化，并给出了算法的硬件实现结构。最后，对算法进行了软件仿真，并给出了结果分析。     

自适应算法与小波变换在心电信号滤波中的应用

心电信号是一种基本的人体生理信号,具有重要的临床诊断价值。然而,体表检测人体心电信号中常带有工频干扰、基线漂移、肌电干扰等各种噪声,给临床对心血管疾病的诊断带来了障碍。为了消除心电信号检测过程中带有的上述三种噪声,采用LM S自适应算法及小波变换理论,有针对性的设计了自适应滤波器、小波变换滤波器和自适应信号分离器等三种数字滤波器来滤除相应干扰。结果表明,对心电信号中存在的这三种噪声具有很好的滤波效果。     

医学显微图像分割方法研究进展

医学显微图像分割是医学图像处理中的一个经典难题.针对近年来出现的新方法、新理论,对各种分割方法进行了系统论述,主要包括基于数学形态学方法、神经网络分割、模糊分割、小波分析、遗传算法、统计方法和基于特定模型等方法的图像分割.由于显微图像的复杂性,采用单一方法很难准确分割,故对混合方法也作了一定论述.文中还简要讨论了各种方法的特点和局限性.同时对分割的评价体系也做了简要论述.     

搜索空间逐步缩小的遗传算法用于尿沉渣图像特征选择的研究

基于尿沉渣图像特征选择问题,提出一种新的特征优选方法,首先引入类空间分层分类思想,将多类成分特征集优选问题转化为两类成分的特征集优选问题以减少特征数,从而减少了后续分类器的维数复杂度并提高了优选后的特征集对成分的识别率;针对红细胞和白细胞的特征集优选问题,采用改进的遗传算法进行处理,先根据统计实验结果,锁定待选特征集中形态特征和纹理特征相应的两个可分度最大且相互独立的特征,然后使用基因位逐步锁定技术,结合小生境技术和自适应交叉变异算子,提高了遗传算法的搜索性能;最后,为了提高特征集的优选效果和稳定性,引入"多票投选"机制。就多个尿沉渣成分样本进行验证实验,结果表明,该算法优选的特征集与通过其他方式获得的特征集相比,识别率较高,而且明显减少了后续分类器的维数复杂度。