神经重症患者术后颅内感染列线图模型的构建

目的：建立预测神经重症患者术后颅内感染风险的列线图模型。方法：回顾性分析2018年1月—2021年1月南京医科大学第一附属医院神经外科监护病房行开颅手术的200例患者的临床资料。按照7∶3的比例随机分为训练集（n=140）和验证集（n=60）。采用单因素分析和多因素Logistic回归筛选神经重症患者术后发生颅内感染的危险因素并构建列线图预测模型。通过绘制受试者工作特征（receiver operating characteristic，ROC）曲线及决策曲线分析（decision curve analysis，DCA）评价模型的效能及临床净获益。结果：神经重症患者的原发病、脑室外引流时间、腰大池引流时间是术后发生颅内感染的危险因素 （P ＜ 0.05）。绘制列线图模型的ROC曲线显示，训练集和验证集的曲线下面积（area under curve，AUC）分别为0.774（95%CI： 0.695~0.853）、0.831（95%CI：0.725~0.936），DCA曲线显示颅内感染发生的预测可提高临床获益率。结论：基于神经重症术后颅内感染的危险因素构建了列线图预测模型，有助于早期筛查神经重症术后颅内感染高危患者，利于早期诊治，改善患者预后。     

食管曲张静脉最大直径对肝硬化患者首次食管曲张静脉出血风险的预测价值

目的：预测伴有食管静脉曲张的肝硬化患者发生首次曲张静脉出血的风险。方法：回顾性分析2016年1月—2019年 3月在南京医科大学第一附属医院确诊为肝硬化伴食管静脉曲张患者的临床资料。利用单因素及多因素Cox回归分析确定肝硬化食管静脉曲张患者出现首次曲张静脉出血的独立预后因素。使用R软件构建列线图模型,采用受试者工作特征（ROC）曲线评估列线图模型的预测能力。采用Bootstrap法进行模型内验证,计算一致性指数（C-index）评价模型的区分度。绘制校准曲线以评估模型的校准度。结果：食管曲张静脉最大直径、脾脏上下径、总胆红素是肝硬化食管静脉曲张患者出现首次曲张静脉出血的独立危险因素。基于此构建列线图预测模型,该模型的1年内无首次出血的ROC曲线下面积（AUC）为0.918,2年内无首次出血的AUC为0.893。经内部验证后,模型的C-index为0.852。校准曲线表明该列线图预测结果与实际结果具有良好的一致性。结论：食管曲张静脉最大直径、总胆红素对肝硬化食管静脉曲张患者出现首次曲张静脉出血具有良好预测作用。基于食管曲张静脉最大直径、脾脏上下径、总胆红素3项指标建立的列线图预测模型具有良好的区分度与准确度。     

食管癌术后颈部吻合口瘘危险因素分析及预测模型的建立

目的：探讨影响食管癌患者术后颈部吻合口瘘的危险因素,构建并验证吻合口瘘发生风险的列线图模型。方法：回顾性分析2019年1月—2022年5月南京医科大学附属肿瘤医院行食管癌颈部吻合术的362例患者的临床资料,对术后发生颈部吻合口瘘相关危险因素进行单因素和多因素Logistic回归分析,基于独立危险因素构建列线图模型预测颈部吻合口瘘发生风险,通过受试者工作特征曲线（receiver operating characteristic curve,ROC）及曲线下面积（area under curve,AUC）、Calibration校正曲线验证模型的预测效能。结果：362例食管癌患者术后颈部吻合口瘘发生率11.88%(43/362)。多因素Logistic回归分析显示,糖尿病、慢性支气管炎、胸腹部手术史、新辅助治疗、术后肺部感染是食管癌术后颈部吻合口瘘的独立危险因素（P<0.05）。通过整合这5个因素构建预测颈部吻合口瘘风险的列线图模型,该预测模型的AUC为0.844(95%CI 0.771～0.918),Calibration校正曲线显示预测曲线与理想曲线走势基本一致。结论：糖尿病、...     

宫颈LEEP术后发生宫颈管粘连风险模型构建及验证

目的 分析子宫颈环形电切术（loop electrosurgical excision procedure,LEEP）术后发生宫颈管粘连的危险因素,建立并验证风险预测模型。方法 本研究前瞻性选取2021年9月至2022年4月遵义市第一人民医院子宫颈鳞状上皮内病变（cervical squamous intraepithelial lesion,SIL）且行LEEP治疗的200例患者作为研究对象。根据LEEP术后有无发生宫颈管粘连分为粘连组（n=45）和未粘连组（n=155）,采用单因素和多因素logistic回归分析LEEP术后发生宫颈管粘连的影响因素,基于筛选得到的危险因素建立列线图模型,并对模型的精准度进行验证。结果 年龄（OR=1.152,95%CI=1.063~1.249）、创面出血（OR=6.602,95%CI=2.652~16.436）、创口感染（OR=6.288,95%CI=2.357~16.772）、切除深度（OR=3.383,95%CI=1.367~8.373）是宫颈管粘连发生的独立危险因素。验证结果：一致性指数（concordance index,CI）为0.904;Hosmer-Lemeshow提示该列线图模型预测LEEP术后发生宫颈管粘连的风险预测值与实际观测值比较,差异未显示统计学意义（χ²=1.810,P=0.840）;列线图模型预测LEEP术后发生宫颈管粘连的校正曲线趋近于理想曲线,验证前后的平均绝对误差为0.033;列线图模型预测LEEP术后发生宫颈管粘连的校正曲线和受试者工作特征（receiver operating characteristic curve,ROC）曲线下的面积（area under the curve,AUC）为0.904（95%CI=0.858~0.950）,灵敏度为0.933,特异度为0.768。结论 本研究构建的SIL行LEEP术后患者宫颈管粘连发生风险预测模型效果良好,可以有效预测宫颈管粘连的发生,可为早期对患者采取预防性干预措施提供参考。     

中性粒细胞/淋巴细胞比值和预后营养指数在帕金森病患者伴发抑郁中的预测价值

目的：探讨中性粒细胞/淋巴细胞比值（neutrophil-to-lymphocyte ratio,NLR）和预后营养指数（prognostic nutritional in- dex,PNI）对帕金森病（Parkinson’s disease,PD）患者伴抑郁中的预测价值,构建并验证PD患者伴发抑郁风险的列线图预测模型。方法：连续收集就诊于南京医科大学附属淮安第一医院的182例PD患者为PD组,根据汉密尔顿抑郁量表24项（hamilton depression rating scale-24,HAMD-24）评分将PD患者分为PD不伴抑郁组和PD伴抑郁组,并选取同期175例健康体检人群为健康对照组,进行组间临床资料差异比较,采用多因素Logistic回归分析探讨PD患者伴发抑郁的影响因素,并据此构建和验证个体化预测PD患者伴发抑郁风险的列线图模型。结果：PD组PNI低于健康对照组,而NLR高于健康对照组（P < 0.05）。PD伴抑郁组 NLR、左旋多巴胺等效剂量（levodopa equivalant dose,LED）、Hoehn-Yahr 分期、病程和统一帕金森病评定量表第三部分 （part Ⅲ of the unified Parkinson’s disease rating scale,UPDRS -Ⅲ）均高于 PD 不伴抑郁组,而 PNI 低于 PD 不伴抑郁组（P < 0.05）。多因素Logistic回归分析结果显示NLR、LED和UPDRS-Ⅲ评分的是PD患者伴发抑郁的独立危险因素,而PNI是PD患者伴发抑郁的独立保护因素。基于多因素Logistic回归分析结果构建个体化预测PD患者伴发抑郁风险的列线图模型,该列线图模型的受试者工作特征（reciever operating characteristic curve,ROC）曲线下面积（area under curve,AUC）为 0.835（95%CI： 0.776~0.893,P < 0.01）。Hosmer-Lemeshow拟合度检验结果为χ² =11.576（P > 0.05）。结论：基于PNI、NLR、LED和UPDRS-Ⅲ构建的个体化列线图模型可有效预测PD患者伴发抑郁的风险,具有一定的临床应用价值。     

早发急性ST段抬高型心肌梗死患者预后风险列线图模型的构建与验证

目的：分析早发ST段抬高型心肌梗死(ST-segment elevated myocardial infarction,STEMI)患者的危险因素,并建立预测早发STEMI患者术后主要心血管不良事件(major adverse cardiac events,MACE)发生风险的列线图模型。方法：选取2017年 1 月—2018 年 12 月在南京医科大学附属淮安第一医院诊断为早发 STEMI 并行经皮冠状动脉介入术(percutaneous coronary intervention,PCI)治疗的166例患者为研究对象,并随访24个月,依据MACE的发生情况,分为MACE组(62例)与非MACE组 (104例)。利用LASSO回归与Cox回归分析筛选危险因素,并构建列线图预测模型。通过受试者工作特征曲线(receiver opera- ting characteristic curve,ROC)、临床决策曲线(decision curve analysis,DCA)、校准曲线等评估模型的效能,并通过Bootstrap法自抽样验证模型的稳定性。结果：LASSO 回归与 Cox 回归结果表明中性粒细胞明胶酶相关脂质运载蛋白(neutrophil gelatin- ase associated lipocalin,NGAL)、肌酐、发生 AMI 至梗死相关动脉开通的时间、左室射血分数(left ventricular ejection fraction, LVEF)、梗死相关动脉为早发STEMI患者术后发生MACE的重要危险因素(P ＜ 0.05),利用这5个预测指标构建了列线图预测模型。在PCI术后6、12、24个月,模型的ROC曲线下面积分别为0.95(95% CI：0.89~1.00)、0.94(95% CI：0.80~0.99)、0.87(95% CI： 0.82~0.93),均大于单个危险因素;Calibration校准曲线接近理想曲线;DCA曲线显示列线图预测模型在0.25~1阈值概率范围内的表现更好。结论：本研究根据早发STEMI患者PCI术后发生MACE的危险因素构建了列线图预测模型,经Bootstrap内部验证后,该预测模型具有较好的效能与稳定性,能够较为准确地预测早发STEMI患者PCI术后6、12、24个月MACE的发生风险。这有助于针对早发STEMI高危患者进行个体化干预治疗,改善其预后。     

预测剖宫产瘢痕妊娠发生风险列线图模型的建立与验证

目的 构建并验证剖宫产术后再妊娠女性发生剖宫产瘢痕妊娠(caesarean scar pregnancy,CSP)的风险预测模型。方法 收集2018~2022年于乌鲁木齐市妇幼保健院剖宫产术后再妊娠女性663例,按7∶3随机划分为训练集(n=460)和测试集(n=203),将训练集病例分为CSP组(n=239)和非CSP组(n=221)。采用单因素以及多因素Logistic回归分析评价CSP发生的危险因素。基于以上结果构建列线图模型,分别在测试集和训练集中进行验证并评价。通过受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve, AUC)、Hosmer-Lemeshow检验等评价模型的预测效能,使用临床决策曲线分析(decision curve analysis, DCA)评估模型的临床应用价值。结果 多因素Logistic回归分析结果显示,剖宫产次数＞1次、子宫后位、流产次数＞1次、剖宫产瘢痕憩室、本次妊娠距前次剖宫产间流产史是CSP发生的危险因素(P＜0.05),剖宫产时机为产程中是CSP发生的保护因素(P＜0.05)。基于以上结果构建列线图预测模型,模型在训练集中AUC为0.813(95% CI:0.773～0.852);在测试集中AUC为0.817(95% CI:0.755～0.878);训练集和测试集Hosmer-Lemeshow拟合优度检验该模型拟合度良好(χ²=7.647,P=0.469;χ²=6.162,P=0.629)。校准曲线显示,该模型在预测剖宫产术后再妊娠发生CSP具有较好的一致性,DCA曲线显示,模型在训练集和测试集中均具有较高的临床效能。结论 以上研究构建的预测模型能有效预测CSP的发生,可为高风险人群早期识别和预防性治疗提供参考。     

子痫前期不良妊娠结局的影响因素和风险预测模型建立与验证

目的：　探讨子痫前期（preeclampsia,PE）不良妊娠结局的影响因素并构建风险预测模型。方法：　回顾性选取2018年6月至2020年12月苏州大学附属苏州九院和南通大学附属医院收治的PE患者作为建模集（模型开发）,以患者入院48 h内是否出现不良妊娠结局划分为不良组、非不良组。对2组各项指标进行单因素筛选,再行多因素logistic回归分析PE不良妊娠结局的影响因素。基于筛选结果,利用R语言构建风险预测列线图模型。采用受试者工作特征（receiver operating characteristic,ＲＯＣ）曲线分析和拟合优度偏差性检验评价模型的表现。采用Bootstrap法（自抽样法）验证并制作校准图;采用决策曲线评价模型的临床获益率。选取2021年1月至2022年3月苏州大学附属苏州九院收治的PE患者作为验证集。结果：　共纳入381例PE患者作为建模集,其中126例发生不良妊娠结局,255例未发生不良妊娠结局;共纳入102例PE患者作为验证集,其中34例发生不良妊娠结局,68例未发生不良妊娠结局。Logistic回归分析显示：入院孕周越小（OR=2.672,95%CI=1.495～5.153）、临床症状数目越多（OR=2.643,95%CI=1.394～4.917）、24 h蛋白尿定量越高（OR=3.662,95%CI=1.982～7.604）、血小板计数越低（OR=2.396,95%CI=1.307～4.653）、D-二聚体越高（OR=2.929,95%CI=1.728～5.843）、miR-21表达量越高（OR=4.302,95%CI=2.426～9.185）均是PE患者发生不良妊娠结局的影响因素（P<0.05）。基于上述6个因素构建风险预测列线图模型,模型的ROC曲线下面积（area under the curve,AUC）为0.912（95%CI=0.864～0.956）,最佳截断值（阈概率）为0.32,此时的灵敏度和特异度分别0.889、0.845;拟合优度偏差性检验（χ²=4.214,P=0.837）;偏差校准曲线平均绝对误差为0.013。验证集的AUC为0.904（95%CI=0.842～0.936）,灵敏度和特异度分别0.874、0.823;拟合优度偏差性检验（χ²=3.720,P=0.729）;偏差校准曲线平均绝对误差为0.021。当决策曲线中阈概率值设为32.0%,建模集和验证集的临床获益率分别为69%、76%。结论：　PE患者的不良妊娠结局与入院孕周、临床症状数目、24 h蛋白尿定量、血小板计数、D-二聚体、miR-21表达量相关,以此构建风险预测列线图模型具有较高的预测效能。     

构建妇科恶性肿瘤术后小腿肌间静脉丛血栓预测模型

目的 分析妇科恶性肿瘤患者术后发生小腿肌间静脉丛血栓（muscular calf vein thrombosis,MCVT）的危险因素,构建列线图预测模型并进行验证。方法 回顾性分析2021年1月至12月于温州医科大学附属第一医院行手术治疗的262例妇科恶性肿瘤患者的相关资料,根据术后是否发生MCVT分为血栓组（n=46）和非血栓组（n=216）。统计分析妇科恶性肿瘤患者术后发生MCVT的危险因素,构建列线图预测模型并验证其预测效能。结果 Logistic多因素回归分析结果显示,术后高热（>38.5℃）、年龄、术中出血量,D-二聚体为妇科恶性肿瘤患者术后发生MCVT的独立危险因素（P<0.05）,根据多因素分析结果构建的列线图预测模型Hosmer-Lemeshow检验结果显示,模型拟合度良好（χ2=5.028,P=0.755）,受试者操作特征曲线下面积（area under the cure,AUC）为0.864,95%置信区间：0.808～0.920,校准图显示实际曲线和理想曲线接近。结论 妇科恶性肿瘤术后小腿肌间静脉丛血栓列线图预测模型具有较好的预测效能,可为临床上识别妇科恶性肿瘤术后MCVT高危患者,尽早给予预防和治疗提供参考。     

2型糖尿病周围神经病变风险的列线图预测模型研究

背景2型糖尿病周围神经病变（DPN）患病率高、危害性大,目前尚无有效的治疗方法。目的探讨DPN的危险因素,旨在建立并验证一种辅助临床预测DPN患者的可视化评价工具。方法收集2010—2019年在新疆医科大学第一附属医院就诊的15 020例2型糖尿病（T2DM）患者,按照3∶1的比例将患者随机分为训练组（n =11 265）和验证组（n=3 755）。收集患者的一般资料和生化资料。通过Lasso回归分析筛选独立预测因子,在此基础上利用多因素Logistic回归分析进一步探讨并建立列线图预测模型,并由验证组评估DPN列线图预测模型的可行性。最后,分别采用受试者工作特征（ROC）曲线下面积（AUC）、校正曲线和决策曲线分析（DCA）对预测模型的鉴别能力、准确性和临床实用性进行评估。结果15 020例T2DM患者中,无DPN患者8 887例,DPN患者6 133例。Lasso回归结合多因素Logistic回归分析结果显示,年龄〔OR=1.034,95%CI（1.031,1.039）〕、糖尿病视网膜病变（DR）〔OR=11.881,95%CI（10.756,13.135）〕、糖尿病病程〔OR=1.070,95%CI（1.061,1.078）〕、糖化血红蛋白（HbA1c）〔OR=1.237,95%CI（1.209,1.266）〕、高密度脂蛋白（HDL）〔OR=0.894,95%CI（0.877,0.901）〕是T2DM患者发生DPN的影响因素（P<0.05）。利用上述变量建立列线图预测模型。训练组中列线图预测模型预测DPN发生的AUC为0.858〔95%CI（0.851,0.865）〕,验证组中列线图预测模型预测DPN发生的AUC为0.852〔95%CI（0.840,0.865）〕。Hosmer-Lemeshow拟合优度检验显示出较好的拟合度（P>0.05）。DCA显示当患者的阈值概率为0~0.9,使用列线图预测模型预测DPN风险的净收益更高。结论本研究成功建立并验证一种高精度的列线图预测模型（预测变量包括年龄、DR、糖尿病病程、HbA1c、HDL）,有助于提高DPN高危患者的早期识别和筛选能力。     

基于无创诊断指标构建乙型肝炎肝硬化上消化道出血的预测模型研究

目的 探讨乙型肝炎（以下简称乙肝）肝硬化患者发生上消化道出血的危险因素,并建立无创预测模型。方法 回顾性分析2019年1月—2022年12月山西医科大学第一医院收治的142例乙肝肝硬化患者的临床资料,利用Lasso回归筛选出有效预测因子,基于Logistic回归算法建立列线图预测模型,通过Bootstrap重抽样法对模型进行内部验证,采用受试者工作特征（ROC）曲线、校准曲线（CA）和决策曲线分析（DCA）评价模型,并将结果可视化。结果 142例乙肝肝硬化患者发生上消化道出血100例。经Lasso回归筛选的最佳建模指标为：性别、血红蛋白、中性粒细胞百分比、血糖、脾脏长径、门静脉内径。ROC曲线显示,列线图模型的敏感性为96.0%,特异性为83.0%,ROC曲线下面积为0.969(95%CI:0.946,0.993),高于终末期肝病模型（MELD）评分的0.592(95%CI:0.487,0.698)和肝功能Child-Turcotte-Pugh(CTP)评分的0.623(95%CI:0.509,0.738);CA曲线提示模型的预测概率与实际概率具有较高的吻合度;DCA曲线提示使用列线图...     

川崎病患儿丙种球蛋白耐药列线图模型的构建与验证

目的 基于Lasso回归和列线图构建并验证川崎病患儿对丙种球蛋白耐药的预测模型,以期为临床诊疗提供帮助。方法 回顾性收集2014年7月—2020年7月西南医科大学附属医院收治的474例川崎病患儿的临床资料,采用Lasso回归分析筛选重要的临床因素构建Nomogram模型,通过绘制受试者工作特征（ROC）曲线、Calibration校准曲线及DCA曲线验证模型的区分度、校准度及临床有效性。结果 共纳入474例患儿资料,其中339例作为训练集,135例作为验证集。Lasso回归分析显示,心脏表现、心外并发症、首剂静脉注射免疫球蛋白使用时间、中性粒细胞比例、红细胞分布宽度-标准差、血小板压积、白蛋白、系统性免疫-炎症指数及C反应蛋白/白蛋白是川崎病患儿丙种球蛋白耐药的预测因素。基于上述预测因素构建Nomogram模型,并分别在训练集与验证集人群中进行验证。训练集ROC曲线下面积（AUC）为0.784(95%CI:0.701,0.867),当最佳阈值取0.045时,相应的特异性和敏感性分别为0.490(95%CI:0.434,0.546)和0.935(95%CI:0.849,1.000);验证...     

构建基于临床病理特征的复合模型预测甲状腺乳头状癌颈部淋巴结转移风险

目的：探讨甲状腺乳头状癌颈部淋巴结转移的风险因素,构建临床风险预测模型对颈部淋巴结转移的风险进行评估。方法：收集2020年4月至2022年7月675例甲状腺乳头状癌患者纳入研究,通过单因素和多因素Logistic回归分析甲状腺乳头状癌颈部淋巴结转移的危险因素。按照7:3的比例随机抽样将患者分为训练集（n=474）和验证集（n=201）,在训练集中构建预测模型并在验证集中进行验证。绘制列线图对模型进行可视化展示。绘制受试者工作特征曲线（ROC）、校准曲线和决策曲线分析（DCA）对预测模型的区分度、校准度和临床价值进行评估。结果：675例甲状腺乳头状癌患者中,颈部淋巴结转移212例（31.4%）。通过多因素Logistic回归分析,确定了甲状腺乳头状癌颈部淋巴结转移的独立危险因素,包括年龄<45岁、双侧病灶、多发结节（≥3个结节）、肿瘤最大径>1 cm、脉管侵犯和包膜侵犯。利用所得到的6个预测因子构建颈部淋巴结转移预测模型,绘制可视化的列线图,用于颈部淋巴结转移风险的评估。该模型在训练集中的曲线下面积（AUC）为0.787(95%CI=0.741～0.834),在验证集中的AU...     

基于多参数建立前列腺癌列线图预测模型及验证的研究

目的 基于单中心数据探讨前列腺癌相关预测因素,建立并验证前列腺癌列线图预测模型.方法 回顾性收集2014年1月至2020年1月邯郸市中心医院行前列腺穿刺活检患者的临床资料,包括年龄(Age)、总PSA(tPSA)、游离PSA(fPSA)和前列腺体积(PV)等.资料完整者纳入研究,共697例,中位年龄71岁(40～95岁...     

良性前列腺增生微创术后尿道狭窄的危险因素分析

目的 基于列线图分析良性前列腺增生（BPH）微创术后尿道狭窄（US）的危险因素。方法 选取2019年1月—2022年1月在天水市第二人民医院行微创术的BPH患者162例，术后随访6个月，统计US发生情况，分为US组、无US组。比较两组患者一般资料；采用多因素Logistic逐步回归模型分析BPH微创术后US的危险因素；建立BPH微创术后US的列线图风险模型，并评估其效能及预测价值。结果 随访6个月后，BPH行微创术患者US发生率为18.52%(30/162)。US组与无US组患者尿路感染、手术操作不规范、术中行尿道扩张、术后导尿管留置时间> 14 d构成比比较，差异均有统计学意义（P <0.05）。多因素Logistic逐步回归分析结果显示，尿路感染[■=6.521(95%CI:4.568,8.474)]、手术操作不规范[■=3.789(95%CI:1.254,6.323)]、术中行尿道扩张[■=2.818(95%CI:1.986,3.650)]、术后导尿管留置时间> 14 d [■=2.683(95%CI:1.365,4.001)]为BPH微创术后US的危险因素（P...     

基于临床及CT特征构建预测肺浸润性黏液腺癌的机器学习模型

  目的  肺黏液腺癌是一种罕见的肺癌亚型,存在独特的分子生物学特征,并影响治疗方案的选择。本研究拟通过建立浸润性黏液腺癌的机器学习模型来提高治疗前黏液腺癌诊断的准确性。  方法  回顾性分析河北医科大学第四医院在2017年1月—2022年5月期间经穿刺活检或手术病理证实的620例肺浸润性腺癌患者资料。采用倾向性评分匹配法(PSM)进行1 : 1匹配后按7 : 3比例将患者随机分为训练集和测试集, 应用具有统计学差异的变量构建支持向量机(SVM)、随机森林(RF)及逻辑回归(LR)3种机器学习模型, 并通过AUC值选择最优模型。通过5折交叉验证方法分析最优机器学习模型AUC值及绘制决策曲线分析(decision curve analysis, DCA)曲线, 并构建诺莫图。  结果  结果显示病灶位于下叶、囊腔、支气管截断征及ΔCTV值是浸润性黏液性腺癌的独立预测因素。将以上4个特征通过机器学习构建预测模型并进行模型比较, 最终显示逻辑回归模型(AUC = 0. 801)为最优模型。将285例随机抽取30%为测试集(85例), 剩余样本作为训练集进行5折交叉验证, 逻辑回归模型在验证集中得到AUC为0. 777, 测试集中的AUC为0. 785, 准确度为0. 682, 训练集中的AUC为0. 803, 准确度为0. 749。最终构建逻辑回归模型的诺莫图, 模型校准曲线中的Briser Score为0. 149, 且绘制的DCA曲线同样显示该模型具有良好的预测能力及稳定性。  结论  通过对基于临床及CT特征的机器学习模型的分析, 构建了原发性肺浸润性黏液性腺癌的临床预测模型, 该模型具有潜在指导临床诊断的作用。      

青少年腰椎间盘突出症危险因素分析及nomogram量化评估

目的：分析青少年腰椎间盘突出症（ALDH）的危险因素并制定量化评估的工具。方法：通过对154例患ALDH患者和正常青少年的基本资料及影像学资料分析进行回顾性分析,75名ALDH患者纳入病例组,79名正常青少年纳入对照组,并按照7:3的比例分为训练集与验证集,比较训练集病例组与对照组年龄、性别、BMI、职业、腰部外伤史、吸烟史、腰骶移行锥（LSTV）、髂棘长度与腰5横突长度比值（ICL/L5TP）、小关节突不对称性（FT）、胸椎后凸角（TK）、腰椎前凸角（LL）、骶骨倾斜角（SS）、骨盆入射角（PI）,选出有统计学意义的因素进行回归再次选出符合统计学意义的因素,并制定量化工具nomogram,最后通过相关方法对训练集与验证集数据进行nomogram的内部验证及外部验证。结果：卡方分析发现训练集中病例组性别、职业、腰部外伤史、吸烟史、LSTV较对照组有统计学意义（P<0.05）,独立样本t检验分析发现训练集病例组BMI、ICL/L5TP、FT、LL、SS均明显差异于对照组（P<0.05）,通过单因素与多因素回归分析筛选出其中BMI、ICL/L5TP、FT、LL、腰部外伤史、吸烟史6个因素具有统计学意义,训练集与验证集基线资料对比无统计学差异,通过R软件制作列线图（nomogram）,并对训练集与验证集数据分别行内部验证与外部验证发现ALDH风险评估nomogram区分度评价指标训练集AUC为0.980,C-index为0.71,验证集AUC为0.969,C-index为0.76,校准度评价指标训练集Hosmer-Lemeshow检验P等于0.562（>0.05）,校准曲线拟合优秀,验证集Hosmer-Lemeshow检验P等于0.985（>0.05）,校准曲线拟合优秀,训练集与验证集DCA决策曲线显示收益较好。讨论：经过分析我们发现青少年腰椎间盘突出症的危险因素包括性别、职业、腰部外伤史、吸烟史、LSTV、BMI、ICL/L5TP、FT、LL、SS等,这些因素均与ALDH相关,其中腰部外伤史、吸烟史、BMI、ICL/L5TP、FT、LL这6个因素相关最密切,通过做成nomogram可以为ALDH患病风险提供一个量化评估的工具,方便医生在诊断过程中更好的评估青少年的腰椎状况及给出更合理的建议及治疗方法,并且对于后续学者对ALDH的研究提供了更多支持。     

基于Fine-Gray竞争风险模型的青年胃癌患者预后影响因素研究

目的 寻找青年胃癌患者预后影响因素,构建预后预测模型列线图,为患者的个体化预后评估提供更精确的工具.方法 通过监测、流行病学和最终结果(SEER)数据库客户端SEER*Stat 8.3.8收集2004-2015年确诊的2673例年龄为18～44岁的青年胃癌患者信息,使用R 4.0.3软件将2673例病例按照约7:3的比例随机分成训练集(1873例)与验证集(800例).以癌症特异性生存(CSS)率为关注点,在训练集中使用Fine-Gray竞争风险模型进行单因素和多因素分析,寻找青年胃癌患者CSS的影响因素,根据影响因素建立预后预测模型并绘制列线图.使用ROC曲线和校准曲线在训练集与验证集数据中对模型的预测效果进行验证.结果 训练集数据多因素分析结果表明肿瘤分级、T分期、N分期、M分期、原发灶手术情况、区域淋巴结手术情况、放化疗情况是青年胃癌患者CSS的独立影响因素.训练集中青年胃癌患者的1、3和5年累积CSS率分别为54.56％、29.70％和23.96％.根据独立预后影响因素构建的列线图,在训练集中1、3和5年CSS率的ROC曲线AUC值分别为0.817、0.864和0.887,在验证集中分别为0.820、0.899和0.890;校准曲线显示在训练集与验证集中1、3、5年CSS率预测模型的预测概率与实际概率基本一致.结论 Fine-Gray竞争风险模型能有效识别青年胃癌患者的预后影响因素,以此为依据构建的预后预测模型能有效预测患者的CSS,可为临床医师做出治疗决策提供参考.     

基于术前CT影像组学列线图可预测Ⅰ～Ⅲ期肾透明性细胞癌术后复发

目的 探讨Ⅰ~Ⅲ期肾透明细胞癌术后复发的术前CT影像组学特征并构建列线图,以期为肾癌个体化治疗提供参考。方法 回顾性收集256例（训练集175例,测试集81例）肾透明细胞癌患者的临床病理及 CT 资料。利用 ITK-SNAP 软件和PyRadiomics计算平台对肿瘤的容积图像进行分割和特征提取。训练集中,基于lasso-CV算法进行特征筛选,并计算影像组学评分Rad_score;利用单因素和多因素逻辑回归分析筛选临床病理及CT特征为Clinic因素;构建Rad_score、Clinic、Rad_score+Clinic列线图,并在测试集中进行验证。评估列线图的辨别度和校准度,应用决策曲线分析评估其临床应用价值。结果 6个影像组学特征最终用于计算Rad_score。Clinic因素为KPS评分、血小板、钙化和TNM临床分期。在辨别度方面,Rad_score+Clinic列线图的效能（训练集AUC 0.84,测试集AUC 0.85）显著高于Rad_score列线图（训练集AUC 0.78,P=0.029;测试集AUC0.77,P=0.025）和 Clinic列线图（训练集AUC 0.77,P=0.014,测试集AUC 0.77,P=0.011）。校准度方面,Rad_score+Clinic列线图拟合优度检验为训练集P=0.065,测试集P=0.628。决策曲线分析显示,加入Rad_score后的Rad_score+Clinic列线图比单纯Clinic列线图应用价值高。结论 基于术前CT影像组学特征的列线图预测Ⅰ~Ⅲ期肾透明细胞癌术后复发有较高的效能,可为肾癌个体化治疗提供参考。