日本脑卒中流行形势及其应对

1951-1980年脑卒中曾是日本中老年居民致残、致死的主要原因,其死亡率曾一度居发达国家首位,出血性脑卒中的死亡率显著高于西方国家。1965年日本脑卒中死亡率达到峰值（175.8/10万）,此后以5%~7%幅度下降,到1980年下降至139.5/10万,其死因顺位成为第三位,到2010年下降至97.7/10万。日本脑卒中发病率、死亡率的大幅下降,主要归于重要危险因素的控制和公共卫生服务体系的完善,以及政策和法规予以保障综合干预措施的实施并可利用现有监测系统和调查评估干预措施的效果。鉴于日本脑卒中的流行病学特征和危险因素与我国具有相似之处,其在脑卒中防控中采取的策略和措施对我国有效防控脑卒中具有一定的借鉴意义。     

集成学习和决策树在2型糖尿病前瞻性风险评估中的应用

目的 比较多种集成学习算法和决策树（DT）在构建中国45岁及以上中老年人2型糖尿病（T2DM）前瞻性风险评估模型中的性能差异，为集成学习算法在中老年人T2DM预防与控制中的应用提供理论依据。方法 数据来源于2011—2015年中国健康与养老追踪调查项目，选取其中7 979名45岁及以上中老年人为研究对象。收集研究对象基线社会人口学特征、生活方式与健康行为、疾病史、体格检查和实验室检查结果。采用Python 3.7.6和R 4.1.2软件构建DT、随机森林（RF）、自适应提升算法（AdaBoost）、轻量级梯度提升机（LightGBM）和极端梯度提升（XGBoost）模型。在训练集中处理不平衡数据并优化超参数，采用5折交叉验证评估模型效能。根据默认阈值、平均灵敏度高于80%时阈值，计算受试者工作特征曲线下面积（AUC）、灵敏度和特异度；计算默认阈值下净重新分类改善指数（NRI）和综合判别改善指数（IDI）。结果 7 979名研究对象中，T2DM患者为1 061例（13.3%）。默认阈值下，RF、AdaBoost、LightGBM和XGBoost 4种集成学习算法平均AUC分别为0.640...