单臂试验连续型数据的贝叶斯Meta分析方法及实现

目的 介绍单臂试验连续型数据的Meta分析模型、贝叶斯方法及实现。方法 阐述正态-正态层次模型,基于该模型框架,以贝叶斯方法拟合随机效应模型,对效应参数μ和异质性参数τ分别选择不同的先验,使用R软件的bayesmeta包对两个文献数据重新分析。结果 在正态-正态层次模型框架下,基于不同的先验信息,贝叶斯Meta分析结果为:数据1参数μ的点估计及95%CI分别为-4.26(-6.97, -1.92)和-4.50(-9.27, -0.53),参数τ点估计及95%CI分别为1.51(0.41, 2.75)和2.28(0.00, 6.57);数据2参数μ的点估计及95%CI分别为-4.07(-5.54, -2.71)和-4.12(-5.96,-2.46),参数τ点估计及95%CI分别为1.54(0.78, 2.48)和1.81(0.74, 3.51)。结论 不同的先验可能影响参数估计值。基于NNHM框架下的贝叶斯方法适用于单臂试验连续型数据的Meta分析。Bayesmeta包以其简单、快速、准确、可重量性算法等可以用于实现贝叶斯随机效应模型Meta分析。     

胃癌不同解剖部位的淋巴结清扫:建议最佳数量、与其他淋巴结分期比较及其对预后的影响

背景与目的胃癌(gastric cancer,GC)淋巴结(lymph node,LN)清扫的最佳数量一直存在争议。既往研究提出的新分期主要讨论清扫LN的数量,而未考虑其解剖部位。本研究评估了不同LN解剖部位的LN清扫对GC患者生存的影响。方法分析接受根治性胃切除术的Ⅰ-Ⅲ期胃癌患者的临床资料。根据第13版JCGC确定LNs分组,计算不同LNs分站(第1站和第2站)中LN清扫数量的最佳截断值。在此基础上,综合LN清扫最佳数量和LN部位,提出改良的LN分期(rN)。将rN分期与LN比率(lymph node ratio,LNR)、转移LN对数比(log-odds of metastatic LNs,LODDs)和第8版国际抗癌联盟/美国癌症联合会(UICC/AJCC)N分期系统进行比较。结果第1站和第2站清扫LN数量的最佳截断值分别为13个和9个。第1站LNs清扫数量>13个(vs.第1站LN清扫数量≤13个,63.2%vs.57.9%,P=0.005)和第2站LNs清扫数量>9个(vs.第2站LN清扫数量≤9个,72.5%vs.60.7%,P=0.009)的患者的5年总生存率(overall survival,OS)相对较高。采用第1站和第2站的LNs分类法对pN0–3b患者进行亚组分析。除pN3患者外,在pN0–N2患者中,第1站LNs清扫数量>13个或第2站LNs清扫数量>9个的患者的OS比第1站LNs清扫数量≤13个且第2站LNs清扫数量≤9个的患者更长(P<0.05)。由此,我们提出了新的rN分期。该分期系统与LNR、LODD和第8版UICC/AJCC N分期系统相比,rN分期5年OS预测效果更佳。结论根治性胃切除术中,第1站LNs清扫数量>13个且第2站LNs清扫数量>9个,能够更准确地预测生存和最大程度地减少分期偏移,尤其是在难以清扫16个以上LNs的情况下。     

机器学习方法对前列腺癌的诊断价值

目的建立联合多参数MRI前列腺影像报告与数据系统(PI-RADS) v2.1评分及临床数据的决策树、K近邻、朴素贝叶斯、随机森林、支持向量机5种机器学习模型, 评价上述模型对前列腺癌的诊断价值。方法回顾性分析在本院接受MR检查并获得的病理结果的242例患者。将PI-RADS v2.1评分、年龄、总前列腺特异抗原、游离前列腺特异抗原、游离前列腺特异抗原比值、体积、前列腺特异抗原密度录入5种机器学习模型进行诊断。通过F1值及ROC曲线评价机器学习模型的诊断价值并且计算特征变量所占比重大小。结果随机森林模型诊断前列腺癌ROC的AUC最大(0.93), 决策树及朴素贝叶斯模型AUC也较高(0.86、0.87), 支持向量机最差(0.55);F1值最高的为随机森林模型, 其次依序为朴素贝叶斯、决策树、K近邻, 支持向量机模型最小。通过随机森林和决策树模型计算各特征变量重要性, PI-RADS评分均占比例最大, 其次为前列腺特异抗原密度、前列腺体积, 年龄对模型分类贡献最低。结论随机森林、朴素贝叶斯、决策树分类模型用于预测诊断前列腺癌具有更好的效果。随机森林方法在5种机器学习模型中最优, 且PI-RADS v2.1及前列腺密度变量的特征重要性表现更明显。      

典型机器学习算法在脂肪肝分类预测研究中的实现与比较

目的:实现和比较5种常见的机器学习算法在脂肪肝分类预测研究中的应用。方法:通过主成分分析对数据的体检指标进行降维,然后应用决策树、神经网络、支持向量机、贝叶斯网络和随机森林算法,分别构建脂肪肝分类预测模型,对1956例体检数据进行脂肪肝的分类预测。结果:决策树分类模型在脂肪肝分类预测上的准确率最高,达到70.14%,其次是支持向量机和神经网络模型,处于68%左右的水平。结论:本文所研究的典型算法在脂肪肝分类的预测上具有较为可靠分类预测能力,但决策树模型在应用小样本数据上表现出了优势;同时,还发现臀围(HIP)和甘油三酯(TG)可能与脂肪肝分类关联密切。     

基于实时超声图像引导技术和线性判别模型分析前列腺癌放疗分次内运动模式

目的 基于经会阴超声(TPUS)实时扫描技术和线性判别分析(LDA)法,定性分析并自动判别前列腺癌放疗分次内运动模式,为个体化精确放疗奠定基础。方法 应用TPUS技术记录了61例前列腺癌患者共1265个分次近百万个实时监测数据,划分为稳定型、波浪型、小偏执型、银叉型、回归型、大偏执型和稽留型运动模式。对运动轨迹量化并提取特征参数,通过LDA法建立判别方程式,评估训练集和测试集的判别效果。结果 平均每位患者存在4种不同的运动模式,不稳定型占(35.00±21.49)%。随着治疗次数的增加,运动轨迹并未表现出越来越稳定的趋势,不同模式的出现极不规则。构建的线性判别模型对训练集和测试集的判别准确率分别为90.4%和89.5%,敏感性和特异性分别为84.9%和91.1%。结论 前列腺癌患者分次内运动模式多样且随机,具有不可预测的特点。LDA法可以有效地对分次内运动模式进行判别,同时在治疗过程中利用判别方程和中心坐标实现对未知样本的自动鉴别。     

中成药联合普利或沙坦类药物治疗糖尿病肾病的网状Meta分析＊

目的 运用网状Meta分析方法，以单纯ACEI/ARB（angiotensin receptor blockers，ARB；angiotensin-converting enzyme inhibitor，ACE）治疗为共同参照，对比海昆肾喜胶囊、黄葵胶囊、尿毒清颗粒、肾衰宁胶囊、雷公藤多苷片、金水宝胶囊、百令胶囊、火把花根片对糖尿病肾病的临床疗效。方法 计算机检索有关海昆肾喜胶囊、黄葵胶囊，尿毒清颗粒、肾衰宁胶囊、雷公藤多苷片、金水宝胶囊、百令胶囊、火把花根片联合ACEI/ARB治疗糖尿病肾病的随机对照试验。由2名研究人员独立筛选，包括质量、评估，数据采用R、Gemtc、ＲevMan 5.3软件进行网状Meta分析和传统Meta分析。最终纳入86篇RCTs，共7413例患者，涉及9种干预措施。结果 Meta分析结果显示：①在综合疗效方面，金水宝胶囊、雷公藤多苷片、肾衰宁胶囊联合ACEI/ARB排序靠前，其中雷公藤多苷片联合ACEI/ARB降低24 h尿蛋白（24 h UPQ）和尿微量蛋白（UAER）的疗效最佳，肾衰宁胶囊联合ACEI/ARB降低血肌酐（Scr）、糖化血红蛋白（HBA1C）和空腹血糖（FPG）的疗效最佳；②在安全性方面，联合中成药均较单纯ACEI/ARB治疗有一定改善，因临床异质性较大无法定量合并，所有纳入研究未发生严重不良反应。由于纳入文献质量相对偏低，得出的结论尚有待临床验证。结论 结合网状Meta分析结果和文献信息，在治疗有效率方面，金水宝胶囊联合ACEI/ARB疗效最优；在降低24 h尿蛋白（24 hUPQ）和尿微量蛋白（UAER）方面，均为雷公藤多苷片联合ACEI/ARB疗效最优；在降低血肌酐（Scr）、糖化血红蛋白（HBA1C）和空腹血糖（FPG）方面，均为肾衰宁胶囊联合ACEI/ARB疗效最优。     

生长抑素及蛋白酶抑制剂用于预防ERCP术后胰腺炎及高淀粉酶血症的贝叶斯网状Meta分析

目的:系统评价生长抑素及蛋白酶抑制剂预防内镜下逆行胰胆管造影术(ERCP)术后胰腺炎及高淀粉酶血症的临床效果。方法:计算机检索Cochrane library、Pub Med、Embase等数据库,纳入生长抑素、蛋白酶抑制剂等预防ERCP术后胰腺炎效果的随机临床对照试验(RCT),采用End Note X8软件剔除重复文献,按照Cochrane系统评价员手册5.3.3版评价文献质量,采用R 3.4.3软件Gemtc 0.8程序包通过马尔科夫链-蒙特卡洛(MCMC)方法进行贝叶斯网状Meta分析,采用Rev Man 5.3软件评估偏倚风险、Stata 14.0软件绘制漏斗图以评估发表偏倚。结果:共纳入33篇RCTs,共10 576例患者,涉及生长抑素、加贝酯、乌司他丁、萘莫司他4种药物。Meta分析结果显示,在预防ERCP术后胰腺炎方面,疗效概率从大到小排序为生长抑素(静脉团注)>萘莫司他>乌司他丁>生长抑素(大剂量静脉滴注)>加贝酯,生长抑素(小剂量静脉滴注)无效。在预防ERCP术后高淀粉酶血症方面,疗效概率从大到小排序为生长抑素(大剂量静脉滴注)>生长抑素(静脉团注)>乌司他丁。在预防高风险患者ERCP术后胰腺炎方面,仅萘莫司他有效。结论:与生长抑素(小剂量静脉滴注)、加贝酯相比,生长抑素术前静脉团注或大剂量静脉滴注、乌司他丁、萘莫司他等干预措施能较好地预防ERCP术后胰腺炎;虽然萘莫司他不能预防ERCP术后高淀粉酶血症,但可以预防高风险患者ERCP术后胰腺炎。     

基于动态贝叶斯估计的疲劳驾驶识别研究

疲劳驾驶是导致交通事故的主要原因之一。为了对驾驶员的疲劳状态进行有效识别,通过无线测量设备采集6名长途客车驾驶员的脑电、肌电和呼吸信号,并对其进行分析处理。结合当下时刻的上下文信息(睡眠质量、驾驶条件、生理节律),利用信息融合技术,建立3层隐马尔可夫模型,从而实现对疲劳驾驶的动态估计。从两种不同情况出发,估计驾驶过程中不同时刻驾驶员疲劳的概率。基于贝叶斯模型的预测结果与主观评分结果的一致性达到了0.87,表明所提出的模型能够对驾驶员的疲劳状态进行有效的动态识别。     

Bayes判别在精神分裂症血清蛋白因子水平与认知功能障碍中的预测作用

目的探讨血清蛋白因子水平与精神分裂症患者临床症状和认知障碍的相关性及对认知障碍缺陷程度的预测作用,为临床评估精神分裂症认知受损严重程度及预后提供辅助方法。方法选择2017年9月至2019年4月在昆明医科大学第一附院确诊的71例精神分裂症患者作为患者组,以同一医院体检中心的65例健康志愿者作为对照组。使用ELISA方法检测患者组与对照组外周血肿瘤坏死因子α(tumor necrosis factorα,TNF-α)、脑源性神经营养因子(brain-derived neurotrophic factor,BDNF)、钙结合蛋白β(calcium-binding proteinβ,S100β)浓度。使用系统评估工具-MATRICS认知功能成套测验(MATRICS consensus cognitive battery,MCCB)进行认知功能评估。采用阳性和阴性症状量表(positive and negative syndrome scale,PANSS)评定患者临床症状。使用SPSS 22.0进行统计分析,组间比较采用独立样本t检验,血清蛋白因子水平与认知功能和临床症状的关系采用Pearson相关分析。以血清蛋白因子浓度和PANSS总分作为自变量,MCCB各认知因子缺陷程度作为因变量,建立Bayes判别函数,对精神分裂症认知功能障碍严重程度进行客观的预测、评价和验证。结果血清TNF-α[(63.2±25.2)pg/L,(31.4±14.3)pg/L]、S100β[(68.0±26.4)pg/L,(47.3±20.2)pg/L]浓度患者组高于对照组,BDNF浓度低于对照组[(2517.8±1140.2)pg/L,(5202.2±447.2)pg/L],均差异有统计学意义(均P<0.05)。Bayes判别函数模型中认知障碍严重程度回顾性检验四个认知因子的正确判别率为:信息处理速度69.0%,词语学习63.4%,推理和问题解决76.1%,视觉学习73.2%。交叉检验正确判别率分别为:信息处理速度66.2%,词语学习60.6%,推理和问题解决73.2%,视觉学习66.2%。结论精神分裂症血清蛋白因子TNF-α、BDNF、S100β水平和临床症状评分与认知障碍存在不同程度相关性,Bayes判别模型对精神分裂症认知功能障碍严重程度有较高的正确判别率,精神分裂症相关蛋白因子水平和临床症状评分对认知功能缺陷程度可能具有预测作用,为临床疗效评估及预后分析提供较客观的依据。     

基于贝叶斯网络构建晚期非小细胞肺癌生存预后模型

正根据我国最新发布的全国癌症报告,无论是发病率还是死亡率,肺癌均居于所有恶性肿瘤之首,其中非小细胞肺癌(non-small cell lung cancer,NSCLC)占所有肺癌病例的80%左右。根据2020年美国癌症协会发布的统计数据,高达57%的肺癌患者诊断时即为晚期,其5年生存率仅5.8%~([1])。因此,建立可信度高、预测效果好的NSCLC预后预测评估模型,对于患者的个体化治疗、临床医师决策制定以及社会医疗资源的合理利用具有重要的指导意义。本研究通过大量文献阅读整理出可能有预测作用的因素,