全文获取类型
收费全文 | 81篇 |
免费 | 20篇 |
专业分类
耳鼻咽喉 | 1篇 |
基础医学 | 3篇 |
临床医学 | 8篇 |
内科学 | 2篇 |
综合类 | 18篇 |
预防医学 | 44篇 |
眼科学 | 1篇 |
药学 | 6篇 |
中国医学 | 18篇 |
出版年
2023年 | 3篇 |
2022年 | 8篇 |
2021年 | 5篇 |
2020年 | 2篇 |
2019年 | 3篇 |
2018年 | 7篇 |
2017年 | 7篇 |
2016年 | 4篇 |
2015年 | 2篇 |
2014年 | 3篇 |
2013年 | 3篇 |
2012年 | 3篇 |
2011年 | 2篇 |
2010年 | 5篇 |
2009年 | 4篇 |
2008年 | 9篇 |
2007年 | 5篇 |
2006年 | 1篇 |
2005年 | 1篇 |
2004年 | 1篇 |
2003年 | 1篇 |
2002年 | 2篇 |
2001年 | 3篇 |
2000年 | 4篇 |
1999年 | 2篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 2篇 |
1987年 | 1篇 |
1986年 | 1篇 |
1983年 | 1篇 |
1977年 | 1篇 |
排序方式: 共有101条查询结果,搜索用时 31 毫秒
101.
目的基于临床一般变量,使用机器学习方法构建模型,用于预测手术治疗后的Stanford A型主动脉夹层(TAAD)患者院内主要不良事件(MAE)的发生风险。方法纳入2013年1月至2017年12月在北京安贞医院进行手术治疗的TAAD患者1 641例,收集患者个体特征变量、临床体征以及入院首次临床血清标志物等。结局定义为院内MAE,包含院内死亡、夹层后新发急性心脏衰竭、呼吸衰竭、神经系统障碍、急性肾功能衰竭、感染,以及无计划的二次开胸。使用机器学习筛选变量后构建模型;采用受试者工作特征曲线(ROC)分析模型预测院内MAE的能力;使用净重新分类指数(NRI)和整体鉴别指数(IDI)对新模型与临床常用模型进行比较,评价新模型在预测TAAD术后预后方面的改善效果;最后建立列线图预测TAAD术后患者院内MAE发生风险。结果使用机器学习筛选变量,确定了由D-二聚体、肌酸激酶同工酶、尿素、白细胞计数、年龄、异常心电图和手术时间组成的TAAD术后院内MAE的风险预测模型,模型预测院内MAE的ROC曲线下面积为0.776(95%CI 0.718~0.734,P0.001)。与临床常用模型比较,本研究构建的模型其NRI为0.654(95%CI 0.540~0.750,P0.001),IDI为0.136(95%CI 0.117~0.155,P0.001),提高了对TAAD术后院内MAE的预测能力。将模型通过列线图形式呈现,列线图模型评分能够评估TAAD术后发生院内MAE的风险。结论基于机器学习使用患者临床变量构建模型,该模型综合评估患者个体特征变量、炎症水平、脏器受损状况以及手术情况,对TAAD患者术后院内MAE具有预测价值。 相似文献