心脏瓣膜置换术后急性肾损伤的列线图预测模型研究

目的 构建并验证心脏瓣膜置换术后急性肾损伤（acute kidney injury,AKI）的列线图（Nomogram）预测模型。方法 选择2020年1月1日至2022年3月31日河北医科大学第三医院150例心脏瓣膜置换术后心脏瓣膜病患者作为训练人群,开展前瞻性队列研究。统计术后7 d内AKI发生情况,根据是否发生AKI分为AKI组（发生AKI）和非AKI组（未发生AKI）。比较两组患者临床资料,通过Logistic多因素回归模型分析心脏瓣膜置换术后发生AKI的影响因素,根据影响因素构建Nomogram预测模型。另根据1∶1配对原则选取同期150例心脏瓣膜置换术后心脏瓣膜病患者作为验证人群,通过受试者工作特征（receiver operating characteristic,ROC）曲线、决策曲线（decision curve analysis,DCA）评价该模型预测心脏瓣膜置换术后发生AKI的价值及临床效用进行外部验证。结果 150例心脏瓣膜病患者在心脏瓣膜置换术后7 d内AKI发生率为34.67%(52/150);AKI组男性占比、年龄、合并糖尿病占比、合并高血压占比、肾功能异常...     

早期预判急性胰腺炎严重程度的预测模型建立与验证

目的 开发与验证早期预判中重症急性胰腺炎(mild severe acute pancreatitis, MSAP)与重症急性胰腺炎(severe acute pancreatitis, SAP)的临床预测模型(列线图模型)。方法 收集武汉大学人民医院于2019年10月至2022年2月收治的586例急性胰腺炎病人资料,根据病情严重程度,将急性胰腺炎病人分为轻症组与重症组(MSAP+SAP组)。首先,应用R4.1.3软件的cart安装包将收集的数据随机分为7∶3的训练集与验证集,并应用R4.1.3软件的CBCgrps安装包对训练集与验证集数据进行单变量分析。训练集数据应用单因素与多因素Logistic回归筛选预测因子,应用R4.1.3软件的rms安装包,利用筛选的预测因子构建列线图模型,通过绘制受试者工作特征(ROC)曲线,比较曲线下面积(AUC)来评估模型的区分度;通过校准图与Hoslem.test检验,评估模型预测的准确性;通过决策曲线分析(DCA)评估模型的临床应用价值;并使用验证集数据验证模型的区分度与准确性。结果 该研究训练集数据与验证集数据分别入组了399例与187例研究对象...     

机器学习算法构建急性心肌梗死患者发生急性肾损伤风险预测模型并与传统模型比较

目的利用机器学习算法建立急性心肌梗死(acute myocardial infarction, AMI)患者发生急性肾损伤(acute kidney injury, AKI)风险预测模型, 并与传统Logistic回归模型比较。方法该研究为回顾性研究。收集首都医科大学附属北京安贞医院2011年7月至2016年12月AMI患者的人口学、实验室检查、治疗方案和用药情况等资料。AKI诊断标准参照2012年改善全球肾脏病预后组织公布的AKI诊疗指南, 入选AMI患者采用单纯随机抽样法将其分为训练集(70%)及内部测试集(30%)。运用SelectFromModel和Lasso回归模型选择重要特征因素为AMI患者发生AKI的预测因素。分别利用Logistic回归模型(模型A)及机器学习算法(模型B)建立AMI患者发生AKI的风险预测模型, DeLong法比较模型A和模型B在测试集中的受试者工作特征曲线(receiver-operating characteristics curve, ROC曲线)下面积(area under the curve, AUC), 并选出最佳模型。结果共6 014例A...     

急性A型主动脉夹层术后早期急性胃肠道损伤预后及疾病预测模型构建

目的 分析急性A型主动脉夹层（acute type A aortic dissection,ATAAD）术后早期急性胃肠道损伤（acute gastrointestinal injury,AGI）的危险因素及其预后，并构建AGI发生风险列线图疾病预测模型。方法 纳入2016—2021年在兰州大学第一医院行ATAAD体外循环手术患者，并将患者分为AGI组和non-AGI组。比较两组患者的临床资料。使用R语言构建列线图并验证模型的预测能力。结果 共纳入188例患者，其中男166例、女22例，年龄22～70(49.70±9.96)岁。AGI组60例，non-AGI组128例。通过多因素logistic回归分析，两组患者的主动脉夹层（aortic dissection,AD）危险评分、肠系膜上动脉（superior mesenteric artery,SMA）灌注不良、主动脉阻断时间及术中输注红细胞均为AGI的预测因素（P<0.05）。两组在术后呼吸机辅助时间、住ICU时间、肝功能不全、肾功能不全、肠外营养、院内感染以及术后30 d死亡方面差异均有统计学意义（P<0.05）。纳入经...     

基于影像组学构建识别临床高风险颈动脉斑块的机器学习模型

目的 构建识别临床高风险颈动脉斑块的影像组学模型。方法 回顾性分析2016年12月—2022年6月中日友好医院颈动脉狭窄患者的临床资料。依据6个月内是否出现卒中、短暂性脑缺血发作及其他脑血管临床症状将患者分为临床高风险斑块组和临床低风险斑块组,纳入关键变量建立极致梯度提升、支持向量机、高斯朴素贝叶斯、逻辑回归、K最邻近以及人工神经网络6种机器学习模型,随后结合logistic回归分析临床危险因素构建联合预测模型。结果 最终纳入患者652例,其中男427例、女225例,平均年龄68.2岁。分析结果显示在6种影像组学机器学习模型中,极致梯度提升模型的表现最好,验证集曲线下面积（area under the curve,AUC）为0.751,同时利用临床资料以及颈动脉影像资料建立的极致梯度提升联合预测模型验证集AUC为0.823。结论 影像组学特征联合临床特征构建模型可以有效预识别临床高风险颈动脉斑块。     

急性A型主动脉夹层患者术后死亡风险的预测模型

目的采用不同的机器学习算法, 构建并筛选预测急性A型主动脉夹层患者术后30天内死亡风险的最佳预测模型。方法纳入2015年至2022年间行手术治疗的急性A型主动脉夹层患者521例, 收集其围手术期资料并进行筛选后保留329例。分别通过Lasso回归和主成分分析确定两组不同的预测变量后, 使用逻辑回归和支持向量机、随机森林、梯度提升、超级学习算法建立预测术后30天内死亡风险的预测模型, 并使用ROC曲线、敏感度值和特异度值等指标对各个模型进行比较。结果所有模型的ROC曲线下面积(AUC)0.791～0.959, 使用Lasso回归确定预测变量, 并通过超级学习算法建立的模型预测效果最佳, AUC 0.959。结论在对急性A型主动脉夹层术后30内死亡的预测中, 超级学习算法优于其他算法。     

基于术前MRI影像组学特征预测肝癌经肝动脉化疗栓塞治疗的反应性

目的 探索术前MRI影像组学特征预测肝细胞癌（hepatocellular carcinoma,HCC）对经肝动脉化疗栓塞（transcatheter arterial chemoembolization,TACE）治疗反应性的可行性。方法 回顾性收集2016年3月至2018年4月经临床或病理确诊、并在温州医科大学附属第五医院接受TACE治疗的中晚期HCC患者86例,采用随机数字表法分为训练组（n=59）及验证组（n=27）,基于ITK-SNAP软件在术前T2WI图像勾画肿瘤感兴趣区,使用GE AI-Kit软件提取影像特征;经最小绝对收缩与选择算子（LASSO）回归筛选最优的特征子集,并构建TACE反应性预测模型;利用受试者工作特征（ROC）曲线、校准曲线及决策曲线分析评价模型的诊断效能和临床应用价值。结果 共筛选出8个影像学特征与TACE反应性相关,并成功构建预测模型。训练组中,该模型的ROC曲线下面积（AUC）为0.838（95%CI 0.737～0.939）,灵敏度为74.1%,特异度为84.4%;在验证组中,AUC为0.794（95%CI 0.604～0.985）,灵敏度为75.0%,特异度为80.0%。校准曲线显示该模型在训练组和验证组的预测概率与实际概率拟合较好;决策曲线分析显示该模型在0.1～1.0的阈值范围内具有较高的净收益。结论 术前MRI T2WI图像影像组学特征可用于预测HCC的TACE 反应性,基于MRI T2WI图像影像特征的预测模型特异度和灵敏度较高。     

中度急性胰腺炎临床特征分析

目的探讨中度急性胰腺炎的临床特征。方法回顾性分析2013年1月至12月,青海省交通医院普通外科收治的103例急性胰腺炎（acute pancreatitis,AP）患者临床资料,根据国际AP专题研讨会最新修订的诊断和分类标准（2012年,美国亚特兰大）诊断为轻度急性胰腺炎（mildacutepancreatitis,MAP）61例、中度急性胰腺炎（moderately severe acute pancreatitis,MSAP）25例、重度急性胰腺炎（severe acute pancreatitis,SAP）17例,对比三组患者一般资料、局部并发症发生此例、器官功能衰竭发生比例、入住ICU比例和天数、干预措施、住院天数、病死率。结果三组患者性别、年龄和病因学情况差异均无统计学意义,但MSAP组APACHEⅡ评分显著高于MAP组,同时低于SAP组（均P〈0．05）。MAP、MSAP和SAP三组出现局部并发症的比例分别为0、92．0％（23125）和76．5％（13／17）（P〈0．05）。MAP组无器官功能表竭发生,MSAP组5例出现一过性（〈48h）器官功能表竭,SAP组均出观特续性（〉48h）器官功能衰竭,SAP组器官功能衰竭比例显著高于MSAP组（P〈0．05）。MAP组无入住ICU病例,均无需介入、内镜或外科干预,无死亡病例。MSAP组入住ICU此例、ICU时间、住院时间和病死率显著低于SAP组（P〈0．05）。结论中度急性胰腺炎为有别于轻度和重度急性胰腺炎的独立类型,伴有局部并发症或一过性（48h内）器官功能表竭,但病死率较低,预后明显好于重度急性胰腺炎。     

急性阑尾炎患者并发肠梗阻的风险预测列线图模型构建

目的：探讨急性阑尾炎患者并发肠梗阻的影响因素,并依此构建列线图预测模型。方法：选取本院2019年8月—2022年3月收治的395例急性阑尾炎患者的临床资料,根据患者是否并发肠梗阻将其分为并发组（22例）和未并发组（373例）,比较两组患者一般资料,采用多因素Logistic回归分析法分析急性阑尾炎患者并发肠梗阻的影响因素并绘制列线图,用受试者工作特征（ROC）曲线评估列线图的预测效能,Bootstrap法验证模型的校准度。结果：不同病理类型急性阑尾炎患者白细胞计数和中性粒细胞计数比较差异有统计学意义（P <0.05）;回肠前位/后位病变、有阑尾周围积液、发病至就诊时长、有低钾血症、白细胞计数和中性粒细胞计数高均为影响急性阑尾炎患者并发肠梗阻的危险因素（P <0.05）。ROC曲线分析显示,本研究构建的列线图模型预测急性阑尾炎患者并发肠梗阻的曲线下面积（AUC）、灵敏度和特异度分别为0.830(95%CI:0.788～0.866)、77.27%和85.52%;经Bootstrap法进行内部验证,其一致性指数（C-index）为0.837。结论：基于危险因素构建的列线图模型具有...     

急性脑卒中患者肺部感染风险预测模型的构建及验证

目的 构建急性脑卒中患者发生肺部感染的风险预测模型,为制订针对性的预防措施提供参考。方法 回顾性收集2020年7月至2021年12月440例（建模组）住院急性脑卒中患者临床资料,分析肺部感染现状及风险因素,构建风险预测模型。选择2022年1-5月188例（验证组）急性脑卒中患者对风险预测模型进行验证。结果 建模组急性脑卒中患者肺部感染发生率为23.18%,共分检出病原菌115株,其中革兰阴性菌、革兰阳性菌、真菌分别75株、33株、7株。美国国立卫生研究院卒中量表评分＞15分、入院48 h首次血清C-反应蛋白及降钙素原增高、气管插管、留置胃管、口腔功能障碍、低蛋白血症是急性脑卒中患者发生肺部感染的风险因素（均P＜0.05）。建模组和验证组入院后肺部感染发生风险的ROC曲线下面积分别为0.931和0.927（均P＜0.05）;模型验证结果显示,约登指数为0.721,灵敏度为90.9%,特异度为81.2%,准确率为93.6%。结论 急性脑卒中患者肺部感染发生率高,病原菌以革兰阴性菌为主。可根据预测模型中的风险因素尽早落实医院感染标准防控技术,降低肺部感染发生率。     

基于LASSO-Cox回归分析的非轻症急性胰腺炎死亡风险列线图预测模型的建立和临床应用效果分析

目的 构建非轻症急性胰腺炎（NMAP）患者死亡风险的列线图预测模型,并验证其预测效能和临床应用价值,同时分析其对于其他评分系统的优势。方法 纳入大型重症监护数据库MIMIC-Ⅲ中的606例NMAP患者临床资料,按7 3比例随机分为训练集和验证集。采用LASSO-Cox回归分析构建NMAP患者死亡风险列线图预测模型,并通过受试者工作特征（ROC）曲线、校准曲线以及决策曲线分析（DCA）对列线图模型进行评估。然后比较列线图模型与急性胰腺炎严重程度床边指数（BISAP）、序贯器官衰竭评分（SOFA）、快速序贯器官功能衰竭评分（q SOFA）、急性生理评分Ⅲ（APSⅢ）及牛津急性疾病严重程度评分（OASIS）对NMAP患者死亡风险的预测效能。结果 LASSO-Cox回归分析结果表明,年龄以及入院24 h内的收缩压、红细胞分布宽度（RDW）、血清白蛋白、尿素氮（BUN）、总胆红素和国际标准化比值（INR）是与NMAP患者死亡风险相关的独立危险因素（P<0.05）,以此建立的列线图预后模型预测训练集NMAP患者14、30、60、90 d内死亡风险的ROC曲线下面积（AUC）分别为0.76(9...     

机器学习方法构建老年患者术后急性肾损伤的预测模型

目的 采用机器学习方法构建老年患者术后急性肾损伤(AKI)的预测模型。方法 收集2019年6月至2020年7月行手术治疗的老年患者的术前信息和术后随访信息,提取实验室检查结果,共纳入115个术前变量,应用极端梯度提升(XGB)、梯度提升(GBM)、随机森林(RF)、支持向量机(SVM)和弹性网络逻辑回归(ELA)5种方法构建术后AKI预测模型,采用受试者工作特征曲线下面积(AUROC)、精确度-召回率曲线下面积(AUPRC)和Brier评分评估模型性能。为简化模型以便于临床实践应用,得到原始模型后剔除部分相关性较低的变量,并再次用上述方法对模型进行评估。结果 本研究最终纳入老年患者5 929例,男3 359例(56.7%),女2 570例(43.3%),年龄65～99岁,其中154例(2.6%)发生术后AKI。在应用5种机器学习方法构建的预测模型中,XGB模型的AUROC和AUPRC最高,分别为0.798(95%CI 0.705～0.888)和0.230(95%CI 0.079～0.374);Brier评分最低,为0.023(95%CI 0.014～0.029)。对XGB模型进行简化后...     

维持性血液透析患者发生急性冠脉综合征的危险因素分析

目的 探讨影响维持性血液透析患者发生急性冠脉综合征（ACS）的危险因素。方法 回顾性分析2015年3月至2018年4月在河北省承德市中心医院和滦平县中医院血液净化中心行维持性血液透析的175例患者的临床资料,根据是否发生ACS分成两组,其中发生ACS患者57例（ACS组）,未发生ACS的118例（非ACS组）。收集患者的性别、年龄、肾衰竭的基础疾病、透析龄、发生ACS前1个月的收缩压、舒张压、脱水量及发生ACS时的血红蛋白（Hb)、C反应蛋白(CRP)、甲状旁腺素(PTH)、血白蛋白(ALB)、血脂、血尿酸(UA)、肺动脉压(PH)等指标进行比较分析;应用多因素的logistic回归分析导致ACS的危险因素。结果 ACS组的男性居多[38例（66.67%）],而房颤病史、透析前的收缩压和舒张压、超流量、红细胞分布宽度（RDW）、血钾（K⁺）低于非ACS组,ALB高于非ACS组,差异均有统计学意义（均P<0.05）。二元logistic回归分析显示：透析前的收缩压≥160 mmHg（OR=3.240,95%CI：1.255～5.367,P<0.05）和超流量≥3 500 mL/次（OR=2.797,95%CI：1.033～4.574,P<0.05）是影响维持性血液透析患者发生ACS的相关影响因素。结论 透析前血压控制不良（收缩压≥160 mmHg）、超流量过大（超流量≥3 500 mL/次）使维持性血液透析患者发生ACS的风险增加。     

基于临床数据库建立急性肾损伤风险预测列线图模型

目的基于大样本临床数据库平台, 应用R语言及传统统计学方法构建急性肾损伤(acute kidney injury, AKI)的风险预测列线图模型, 同时验证模型的准确性。方法该研究为回顾性病例对照研究。筛选临床数据库2021年1月1日至12月31日于同济大学附属同济医院就诊患者中的AKI患者, 同时纳入48 h内监测血肌酐但未发生AKI的患者作为对照组。收集患者的人口学、疾病史、手术史、用药史以及实验室检查等资料, 以筛选临床上发生AKI的危险因素。首先, 采用多因素Logistic回归分析及正向逐步Logistic回归分析筛选危险因素, 利用这些危险因素构建列线图模型, 同时使用交叉验证、Bootstrap验证和随机拆分样本验证方法进行内部验证, 并收集同院后1年(即2022年1月至12月)患者的临床资料进行外部验证, 通过受试者工作特征曲线来确定模型的区分度, 同时采用校准曲线和决策曲线分别评估准确性和临床净效益。结果共有5 671例患者纳入该研究, AKI患者1 884例(33.2%), 非AKI患者3 787例(66.7%)。与非AKI组相比, AKI组年龄、手术史比例、肾脏替...     

新疆地区单中心七年回顾性研究:妊娠相关急性肾损伤临床特征分析

目的 探讨新疆地区单中心妊娠相关急性肾损伤患者的流行病学特点和临床特征.方法 利用新疆医科大学第一附属医院住院患者网络病历系统,回顾性分析2013年1月至2020年11月,在该院住院的妊娠期女性的临床资料.结果 本研究共筛选出妊娠期急性肾损伤(pregnancy-related acute kidney injury,...     

重症急性胰腺炎肾损伤危险因素分析

目的：探讨重症急性胰腺炎（severe acute pancreatitis,SAP）发生急性肾损伤的相关危险因素。方法回顾性分析收治的245例SAP患者临床资料,根据是否发生肾损伤将患者分为急性肾损伤（acute kidney injury,AKI）组及非急性肾损伤（non-acute kidney injury,NAKI）组,AKI组43例,NAKI组202例,比较组间相关指标的差异。结果 SAP相关AKI的发生率为17．6％（43／245）。AKI组患者平均BMI[（26．8±7．4）vs（22．3±5．6）]、高脂血症发生率（58．1％vs 31．2％）较高,组间比较差异有统计学意义（P＜0．05）。相关指标的多元回归分析发现,BMI（OR 1．17,95％CI 1．06～1．30,P＜0．05）,高脂血症（OR 2．96,95％ CI 1．49～5．92,P＜0．05）是SAP发生AKI的独立危险因素。结论肥胖、高脂血症是SAP发生AKI的的独立危险因素,可作为预测SAP患者发生AKI的预测指标。     

髋或膝关节置换术后急性疼痛的影响因素和预测模型

目的 探讨髋或膝关节置换术患者术后急性疼痛(APP)的影响因素,建立并验证预测模型。方法 收集行髋或膝关节置换术患者316例的临床资料,男111例,女205例,年龄≥18岁,ASAⅠ—Ⅲ级。根据是否发生APP将患者分为两组：非APP组和APP组。将患者按7∶3的比例随机分成训练集和验证集。通过LASSO回归和多因素Logistic回归分析训练集,筛选危险因素并构建预测模型,绘制受试者工作特征(ROC)曲线并计算曲线下面积(AUC)评估模型的预测效率。在验证集中,采用Bootstrap方法进行内部验证,采用临床决策曲线分析(DCA)评价预测模型的临床价值。结果 有137例(43.4%)患者发生APP。多因素Logistic回归分析显示,高BMI、糖尿病史、手术时间延长、疼痛灾难化评分≥27分是髋或膝关节置换术患者发生APP的独立危险因素(P<0.05),放置引流管、术前药物预防性镇痛、术后使用镇痛泵、术后行神经阻滞镇痛是髋或膝关节置换术患者发生APP的保护因素(P<0.05)。纳入BMI、糖尿病史、放置引流管、手术时间、疼痛灾难化评分构建预测模型,训练集的AUC为0.879(...     

中青年首发脑卒中患者急性应激障碍动态列线图模型的构建

目的 探讨首发中青年脑卒中患者急性应激障碍的影响因素并构建动态列线图模型，以帮助医护人员早期识别急性应激障碍。 方法 选取锦州医科大学附属第一医院298例首发脑卒中的中青年患者为研究对象，其中建模组208例和验证组90例。以生物-心理-社会医学模式为理论指导，收集15个备选因素。使用LASSO回归和多因素logistic回归分析筛选出急性应激障碍的危险因素。基于R-shiny构建动态列线图预测模型，采用Bootstrap法分别在建模组和验证组进行验证。 结果 298例首发中青年脑卒中患者中141例发生ASD，发生率（47.32%）。筛选出心理韧性、ADL、神经受损程度、吞咽障碍、偏瘫5个影响因素构建预测模型。建模组验证AUC为0.884，验证组验证AUC为0.879，2次验证Calibration曲线均与理想曲线接近。 结论 所构建的动态在线列线图模型预测效能良好，可为首发中青年脑卒中患者急性应激障碍筛查提供借鉴。     

重症急性胰腺炎合并腹腔间隙综合征的诊断和治疗

目的探讨重症急性胰腺炎（severe acute pancreatitis,SAP）合并腹腔间隙综合征（abdominal compartment syndrome,ACS）的诊断和治疗方法。方法总结我院1999年6月至2004年6月收治的12例重症急性胰腺炎合并腹腔间隙综合征的临床资料,分析其诊断及治疗方法。结果本组12例患者均经积极的针对SAP的药物治疗,其中10例经穿刺或开腹引流进行腹腔减压。本组12例中治愈9例,好转后出院1例,死亡2例。结论对重症急性胰腺炎患者常规进行腹内压监测,不但可及时诊断腹腔间隙综合征,而且可协助判断重症急性胰腺炎的手术时机。本病的治疗方法主要是以腹腔减压为主的综合治疗。     

基于CT影像组学预测临床ⅠA期老年非小细胞肺癌淋巴结转移

目的探讨基于胸部增强CT影像组学模型预测临床ⅠA期非小细胞肺癌(NSCLC)老年患者淋巴结转移(LNM)的价值。方法回顾性分析361例临床ⅠA期NSCLC老年患者术前增强CT及临床资料。术后病理显示其中87例LNM(LNM组)、274例无LNM(无LNM组),比较2组临床及影像学表现差异。提取术前增强CT影像学特征,进行归一化和降维,采用最小绝对收缩选择算子(LASSO)法筛选最优影像组学特征,建立影像组学模型。按7∶3比例将患者分为训练组和测试组,于训练组中以10次交叉验证法获得最佳影像组学预测模型。根据临床ⅠA期NSCLC老年患者LNM影响因素建立LNM临床预测模型,以之预测训练组和测试组LNM,并以ROC曲线评价2种模型对于训练组和测试组的诊断效能。结果共于所有病灶中提取396个影像组学特征,经归一化后采用LASSO法获得5个最佳影像组学特征建立影像组学模型,并获得最佳影像组学模型,以之预测训练组和测试组LNM的AUC值分别为0.816和0.797,均高于临床模型(0.650和0.686,P均<0.05)。结论基于胸部增强CT的影像组学模型可用于预测临床ⅠA期NSCLC老年患者LNM。