联合肌肉减少症建立模型预测结直肠癌术后腹腔内感染风险

目的：分析直肠癌术后腹腔内感染与肌肉减少症之间的关系,并构建联合模型预测腹腔内感染风险。方法：收集383例接受结直肠癌根治术的患者,在手术前收集并测量诊断肌肉减少症的三要素,包括腰椎骨骼肌指数、术前握力和步行速度。通过单因素和多因素分析确定影响腹腔内感染的因素。构建由独立风险因素组成的联合预测模型,以量化结直肠癌术后腹腔内感染的个体风险。结果：383例患者中,有93例被诊断出肌肉减少症,而44例被诊断出腹腔内感染。Logistic分析表明,肌肉减少症、肿瘤大小、年龄是 结直肠癌术后腹腔内感染的独立预后因素（P ＜0.05）。腹腔内感染的联合预测模型能够可靠地预测及量化结直肠癌术后发生腹腔内感染的风险（一致性指数为0.710）。结论：术前肌肉减少症是结直肠癌术后发生腹腔内感染的的独立预测因子。本联合预测模型是一种简单实用的工具,可量化腹腔内感染的个体风险,用于识别高风险患者。     

采用逆转录聚合酶链反应来预测溃疡性结肠炎相关性结直肠癌

非肿瘤性黏膜中的基因变异可能是预测溃疡性结肠炎相关性结直肠癌（UC-Ca）的有效标志物。Watanabe T等为建立相关基因表达与UC-Ca关系的预测模型,采用逆转录聚合酶链反应（RT-PCR）检测了53例UC患者（其中10例为UC-Ca患者,43例为非UC—Ca患：苦）非肿瘤性直肠黏膜中的189个基因（其中40个基因为笔者前期芯片研究中认为对UC-Ca有预测价值的基因,另149个基因为报道的重要的癌基因）。研究结果：     

体外冲击波碎石治疗单发输尿管结石及疗效预测

目的探讨体外冲击波碎石术（ESWL）治疗输尿管结石疗效的影响因素,并建立预测模型。方法2008年1月至2011年2月接受ESWL治疗的输尿管结石患者1116例,随访3个月。用X^2检验或t检验、秩和检验进行单因素分析来研究患者性别、年龄、身高、体重、病程、临床症状和结石特征等因素与疗效的关系,多因素分析采用Logistic逐步回归分析（Forward：LR法）,建立Logistic回归预测模型。结果ESWL单次治疗输尿管结石成功率84．3％（941／1116）。单因素分析发现结石部位、结石长短径及肾绞痛对疗效均有影响。Logistic回归分析则显示结石部位、结石长短径及肾绞痛决定治疗的成功率,预测模型对碎石成功率的解释力良好（X^2=117．434,P〈0．001）,并通过拟合优度检验（X^2=5．261,P=0．729）,预测总体准确率为83．8％。结论结石部位、结石长短径及肾绞痛是ESWL治疗输尿管结石成功率的重要决定因素。     

防治术后恶心呕吐的研究进展

背景 术后恶心呕吐(postoperative nausea and vomiting,PONV)是麻醉手术后最常见的并发症之一,其发生率可高达30％.虽然国际上已公布了防治PONV共识和指南,但尚存在缺陷的PONV预测模型和复杂的防治策略成为临床防治PONV最大的障碍. 目的 探究在临床工作中防治PONV的主要障碍,为临床防治PONV工作提供更有效的途径. 内容 尚存在缺陷的PONV预测模型和复杂的防治策略是临床防治PONV最大的障碍,多模式防治PONV是一种简单、有效的预防PONV发生的方法. 趋向 多模式防治PONV更容易被临床麻醉医生接受和应用,新型的抗PONV药物和传统经典的抗呕吐药物为临床多模式防治提供了更大的选择空间.     

非综合征型唇腭裂的遗传预测模型研究进展

非综合征型唇腭裂(NSOC)是我国常见的出生缺陷。近年来, 随着我国生育政策相继调整两次, 与高龄生育伴发的出生缺陷防控形势日益严峻。开展NSOC风险预测将为健全出生缺陷防控链条提供重要证据。近年来, 全基因组关联研究和二代测序等发现了多个与NSOC有关的遗传位点, 为开展预测提供了有益信息。本文综述了NSOC风险预测, 特别是利用遗传信息开展风险预测的常用方法, 以期在研究设计、变量筛选、构建策略及评价方法等方面, 为进一步开发和完善NSOC等复杂出生缺陷的风险预测模型提供参考。     

急性心力衰竭再入院及死亡风险预测模型研究进展

心力衰竭是各种心脏疾病的严重和终末期表现,具有高住院率、高病死率等特点,已成为重要的公共卫生问题。急性心力衰竭患者出院后再入院率及死亡率是评价心力衰竭医疗质量的重要指标,基于此开展急性心力衰竭患者疾病预后风险预测研究,对量化疾病风险、落实分层管理、优化临床决策、提高生存质量、改善患者预后、全面提升我国急性心力衰竭医疗质量至关重要。近20年来,国外学者已开发出数十个急性心力衰竭再入院及死亡风险预测模型,我国学者也开发出了近十个基于中国人群的预测模型,但目前国内指南中尚无推荐使用的急性心力衰竭预后风险预测模型。本文旨在通过介绍国内外主要急性心力衰竭再入院和死亡风险预测模型,重点概述现有模型局限性及今后发展方向,包括整合多源数据、挖掘新兴生物标志物、构建多基因风险评分、优化机器学习方法、推进模型适用性调整及拓宽应用渠道等,以期为国内急性心力衰竭再入院和死亡风险预测模型相关研究提供思路。     

基于机器学习算法的脑梗死伴颅内动脉狭窄预测模型研究北大核心CSCD

目的评价3种机器学习算法模型对脑梗死患者是否伴有颅内动脉狭窄的预测性能,为缺血性卒中诊治策略提供参考依据。方法回顾性收集自2013年1月至2019年9月喀什地区第一人民医院神经内科收治的缺血性脑卒中患者临床资料。通过特征选择筛选出脑梗死伴颅内动脉狭窄的相关因素作为预测因子,基于随机森林、决策树和神经网络3种机器学习算法建立预测模型。利用受试者工作特征曲线下面积(area under ROC,AUC)、灵敏度、准确率等指标评价3种模型对脑梗死患者是否伴有颅内动脉狭窄的预测性能。结果研究分析了2365例脑梗死患者的74种特征,通过特征选择选出23个特征作为预测因子纳入建模。决策树模型、神经网络模型、随机森林模型的AUC值分别为0.78±0.11、0.85±0.12、0.89±0.10;灵敏度依次为0.92±0.05、0.91±0.06、0.88±0.10;准确率依次为0.79±0.12、0.77±0.13、0.85±0.13。结论随机森林模型对脑梗死患者是否伴有颅内动脉狭窄的预测性能最佳,在无条件进行血管成像检查时可应用于脑梗死是否伴有颅内动脉狭窄的预测,具有一定的临床应用价值。