基于机器学习算法的NT-proBNP灰值患者心力衰竭判别模型评价

目的应用机器学习算法构建氨基末端脑钠尿肽（N-terminal pro-brain natriuretic peptide, NT-proBNP）灰值患者心力衰竭判别模型并评价。方法收集2013年1月至2018年12月在上海市浦东新区公利医院进行NT-proBNP实验室检测的患者临床资料和实验室检测信息,数据清洗后纳入研究对象,并按7∶3的比例划分训练集和测试集。用L1范数正则化和递归特征消除方法对特征进行筛选。应用基于机器学习的Logistic回归、随机森林、梯度提升树和XGBoost算法构建模型,比较4种方法构建的模型对NT-proBNP灰值患者心力衰竭判别价值。结果按重要性筛选出模型因子年龄、性别、肌酸激酶同工酶、肌酐、肌红蛋白、肌钙蛋白Ⅰ、血红蛋白、白细胞计数。Logistic回归、随机森林、梯度提升树和XGBoost四种模型灵敏度分别为58.42%、56.83%、65.74%和60.04%;特异度分别为57.47%、68.18%、60.13%、65.93%。结论基于机器学习建立的NT-proBNP灰值患者心力衰竭判别模型有一定临床价值,本研究结果应用价值有待于更大样本进行验证。     

急性脑梗死白细胞介素-6和肿瘤坏死因子-α变化的临床研究

目的了解急性脑梗死早期患者的血清IL-6和TNF-α浓度变化和临床意义。方法用放免法测定血清中IL-6和TNF-α浓度。结果神经功能恶化组的血清IL--6和TNF-α浓度、血糖、纤维蛋白原和体温均显著高于非恶化组（P均〈0．01）。随着梗死体积的增大血清IL-6和TNF-α浓度也明显增加。结论IL-6和TNF-α与早期脑梗死体积和神经功能变化关系密切。两者血清水平可能作为临床预测病情变化的指标。     

主动脉夹层的急诊临床探讨

目的:强化对急性主动脉夹层分离的认识,以期早警觉、早诊断、早治疗,改善预后,降低死亡率.方法:回顾性分析35例主动脉夹层分离患者的临床资料.结果:35例首诊印象为冠心病、心肌梗死、脑梗死、下肢动脉血栓、休克等,经辅助检查明确为夹层动脉瘤.结论:对可疑病例应注重相关病史,认真全面体检,进行特异性辅助检查以提高早期诊断率.