在尿路结石患者中预测草酸钙结石列线图的建立与应用

目的建立和应用个性化的列线图模型,探讨列线图预测尿路结石患者中草酸钙结石的准确性及可行性。方法回顾性分析2017年1月1日至2018年12月31日在中山大学附属第五医院接受手术治疗的298例泌尿系结石患者资料,以7∶3的比例随机分为建模组和验证组,基于建模组采用最小绝对值收敛和选择算子回归(Lasso)模型及多变量Logistic回归分析选择草酸钙结石的最佳预测特征,根据最佳预测特征以列线图的形式构建预测模型。通过C指数、校准曲线和决策曲线分别评估列线图的辨别力、校准和临床实用性,并基于验证组对外部验证进行评估。结果在LASSO模型中选择的最佳预测特征包括结石位置、甘油三酯(TG)和尿比重(SG)。将以上最佳预测特征和性别、年龄一起建立列线图模型后,建模组和验证组的C指数分别为0.706、 0.603,表明模型具有良好的辨别能力。校准曲线中标准曲线与预测校准曲线贴合良好,提示校正效果良好。决策曲线分析表明,在草酸钙结石可能性阈值为31%时使用该列线图可以在临床上获益。结论本研究建立的列线图预测模型可有效预测草酸钙结石,有助于筛选和早期识别草酸钙尿路结石的高危患者,对泌尿科医师进行临床治...     

卒中后抑郁风险列线图预测模型的构建及验证

目的 建立早期卒中后抑郁风险列线图预测模型,为临床医护人员筛查卒中后抑郁高危患者提供工具。 方法 对建模组259例卒中患者在卒中后第7~14天收集10项相关危险因素,于卒中后8~10周采用汉密尔顿抑郁量表和蒙哥马利抑郁量表测评卒中患者抑郁状况。利用χ2检验、Lasso回归及logistic回归筛选危险因素建立列线图预测模型,对模型进行内部及外部验证（验证组有82例患者）。 结果 卒中后抑郁检出率为39.38%;性别、婚姻状况、并存疾病数目、卒中部位、神经功能受损程度、日常生活活动能力是卒中后抑郁的独立危险因素（均P＜0.05）。基于上述6个独立危险因素建立的列线图预测模型具有较好的区分度（AUC值：内部验证为0.883,外部验证为0.849）和准确度（Hosmer-Lemeshow检验：内部验证χ2=7.939,P=0.439,外部验证χ2=3.538,P=0.896）;决策曲线分析显示预测模型曲线在大于10%的阈值概率区间具有临床实用价值。 结论 卒中患者发作后8~10周即有较高的卒中后抑郁发生率,构建的列线图模型能够有效预测早期卒中后抑郁风险,利于临床给予针对性干预。     

全麻苏醒期患儿躁动风险预测模型的建立与验证

目的 建立与验证全麻苏醒期患儿躁动风险列线图预测模型,为识别躁动高风险患儿提供评估工具。方法 收集全麻手术的1～6岁患儿651例,随机分为建模组(n=459)和验证组(n=192),利用多因素logistic回归分析确定建模组全麻苏醒期患儿躁动的危险因素,构建列线图预测模型,分别使用建模组和验证组数据集对模型进行验证。结果 苏醒期发生躁动160例(建模组113例,验证组47例),躁动发生率24.58%。多因素logistic回归显示,年龄、手术科室、身体约束、麻醉方式、镇痛治疗、留置尿管是全麻苏醒期患儿躁动的影响因素(均P<0.05)。基于6个危险因素构建列线图预测模型,模型验证的校正曲线显示模型准确度良好,建模组ROC曲线下面积为0.767,验证组为0.827。结论 全麻苏醒期患儿躁动风险列线图预测模型具有良好的准确度和区分度,可为临床筛查术后躁动高危患儿提供评估工具。     

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...     

女性良性乳腺结节增长的危险因素分析及列线图预测模型的构建

目的 分析影响良性乳腺结节增长的相关因素,建立列线图预测模型并进行验证。方法 选取2021年1月～2022年1月在我院进行治疗的女性良性乳腺结节患者为研究对象,根据有无发生结节增长将患者分为增长组和未增长组;通过Logistic回归分析筛选结节增长的危险因素,构建列线图预测模型;采用受试者工作特征曲线(receiver operating characteristic curve, ROC curve)和校准图验证模型的区分度以及一致性。结果 本研究中424例良性乳腺结节患者有182例出现结节增长,发生率为42.92%。多因素Logistic回归分析显示,年龄<50岁(OR=1.015)、多发结节(OR=1.864)、囊性结节(OR=2.130)、对侧有结节(OR=1.705)、结节最大直径<8 mm(OR=2.411)、血小板计数升高(OR=3.206)均为影响结节增长的危险因素(P<0.05)。基于以上危险因素建立预测良性乳腺结节增长风险的列线图模型,ROC曲线显示,建模组和验证组预测良性乳腺结节增长风险的模型AUC分别为0.725(95%CI:0.674～0.7...     

颈动脉支架植入术后谵妄风险列线图模型构建

目的 分析与提取颈动脉支架植入术后患者发生谵妄的危险因素,为针对性干预提供参考.方法 统计350例颈动脉狭窄支架植入术后患者谵妄发生率,行单因素和多因素分析获得术后患者谵妄相关危险因素,基此构建列线图预测模型,采用校正曲线和ROC曲线评估其准确度和区分度.结果 60例术后发生谵妄,发生率17.14％;高龄、术前NIHSS评分和术前焦虑是术后发生谵妄的独立危险因素(均P＜0.05);由3项独立危险因素构建的谵妄风险列线图预测模型,预测曲线和观察曲线基本吻合,AUC=0.888.结论 颈动脉支架植入术后患者谵妄发生率较高;高龄、术前焦虑及脑卒中倾向是术后患者发生谵妄的危险因素;构建的列线图预测模型具有较好的准确度和区分度,可提高筛选效能.     

脐尿管癌生存的预测模型和改良分期系统的构建：基于SEER数据库的真实世界研究

目的:基于SEER数据库构建并验证脐尿管癌患者的预后列线图模型并建立改良的分期系统。方法:回顾性检索2010—2018年脐尿管癌患者的临床信息,将患者队列随机以6:4比例分配为训练队列和验证队列。在单因素、多因素Cox回归分析以及双向逐步回归分析的基础上,筛选出独立危险因素并建立列线图。分别采用C指数、受试者工作特征(receiver operating characteristic, ROC)曲线和曲线下面积(area under curve, AUC)值、校准曲线、决策曲线分析(decision curve analysis, DCA)来验证列线图预测准确性。最后使用患者新列线图的评分结合生存信息建立新的分期系统。结果:共筛选出413例患者,分为训练队列247例,验证队列166例。经单因素、多因素Cox回归分析和双向逐步回归分析后,确定年龄、N分期、M分期、Mayo分期及Sheldon分期为脐尿管癌的独立预后因素(P<0.05),其中Mayo分期与Sheldon分期二者呈线性相关,因此分别以二者为基础建立列线图预测模型,C指数分别为0.71±0.02、0.71±0.02。对于...     

冠状动脉造影或经皮冠状动脉介入术前患者临床列线图预测术后发生对比剂急性肾损伤的风险

目的构建接受冠状动脉造影(CAG)或经皮冠状动脉介入(PCI)治疗患者术前临床指标的列线图,据此预测术后发生对比剂急性肾损伤(CI-AKI)的风险。方法收集245例接受CAG或PCI治疗患者的术前临床资料。采用LASSO回归方法筛选与CI-AKI相关的临床特征,据以构建列线图预测模型,计算CI-AKI风险分数。绘制ROC曲线,计算风险评分临界值。结果 245例中,34例(34/245,13.88%)发生CI-AKI。LASSO回归分析显示性别、糖尿病史、乳酸脱氢酶水平、超敏C反应蛋白,饮酒年限、慢性肾脏病及其分期、脑卒中史、急性心肌梗死及收缩压是CI-AKI风险评分和预测模型的危险因素。CI-AKI列线图预测效能较好,其风险评分临界值为-1.953。结论列线图可用于术前预测患者接受CAG或PCI治疗后发生CI-AKI的风险。     

社区老年高血压患者衰弱的动态列线图风险预测模型构建

目的 构建动态列线图预测模型,分析社区老年高血压患者衰弱的影响因素,为制定针对性的干预措施提供参考。方法 从中国健康与养老追踪调查随访数据库中提取高血压患者信息,以7∶3比例随机分为训练集(n=1 160)与验证集(n=494)。采用Lasso法筛选最佳预测变量,使用logistic回归模型分析高血压患者衰弱影响因素,并构建动态列线图。使用ROC曲线的曲线下面积、Hosmer-Lemeshow检验、校准曲线和决策曲线分析评估列线图的预测性能。结果 共筛选出1 654例老年高血压患者,其中560例(33.86%)并发衰弱。受教育程度、握力、BMI、抑郁、认知障碍、自评健康、代谢性疾病、心脑血管疾病、呼吸系统疾病、胃肠道疾病10个变量纳入预测模型。预测模型在训练集和验证集的ROC曲线下面积分别为0.883(95%CI为0.863～0.903)和0.887(95%CI为0.857～0.916);Hosmer-Lemeshow检验值分别为P=0.825和P=0.410;校准曲线显示预测值和实际值之间存在显著一致性。决策曲线分析显示该模型具有良好的净效益和预测准确性。结论 动态列线图具有良好预测...     

消化道肿瘤患者输液港导管相关血流感染列线图模型构建

目的 分析与验证影响消化道肿瘤化疗患者输液港导管相关血流感染(CRBSI)的危险因素,为针对性干预提供参考.方法 回顾性收集573例植入静脉输液港的消化道肿瘤化疗患者为建模组,统计CRBSI发生率,通过单因素分析与多因素Logistic回归分析筛选影响CRBSI发生的危险因素,将危险因素纳入R软件建立CRBSI的列线图预测模型.前瞻性选取201例植入静脉输液港的消化道肿瘤化疗患者为验证组,对列线图预测模型进行外部验证.结果 建模组CRBSI发生率为10.82％,验证组发生率为12.94％.Logistic回归分析显示,卡氏评分(KPS)≤60分、胃肠外营养支持、糖尿病史、蝶形针每次使用时间是输液港CRBSI发生的危险因素(均P<0.01);基于筛选出的危险因素构建CRBSI的列线图预测模型,内部验证的ROC曲线下面积为0.865,外部验证的ROC曲线下面积为0.775.结论 影响消化道肿瘤化疗患者输液港CRBSI发生的独立危险因素包括患者身体健康状态、肠外营养、糖尿病史及蝶形针单次使用时间,基于这些危险因素构建的列线图模型具有良好的预测效能.医护人员应针对危险因素加强干预,以预防CRBSI的发生.     

肛周脓肿术后复发形成肛瘘的影响因素分析及预测模型建立

目的 分析肛周脓肿患者术后复发形成肛瘘的影响因素,构建预测术后复发形成肛瘘的列线图模型并验证模型的预测效果。方法 采取便利抽样法,选取2019年1月至2022年2月重庆市大足区人民医院收治的419例肛周脓肿患者,按照7∶3随机分为建模组(293例)与验证组(126例),术后随访3个月,根据是否复发形成肛瘘分为肛瘘组与非肛瘘组。采用单因素和多因素Logistic回归分析筛选肛周脓肿患者术后复发形成肛瘘的独立危险因素,然后利用R 3.6.3软件建立列线图模型。以验证组对模型进行外部验证,绘制受试者工作特征(ROC)曲线、校准曲线证实列线图模型的预测效能。结果 术后3个月内有140例(33.41%)患者复发形成肛瘘,其中建模组96例(32.76%),验证组44例(34.92%)。Logistic回归模型显示,糖尿病史(OR=3.101,95%CI:1.620～5.935)、肥胖(OR=3.157,95%CI:1.707～5.587)、有脓肿病史(OR=4.120,95%CI:2.201～7.713)、深部肛周脓肿(OR=3.686,95%CI:1.988～6.833)、肠道来源致病菌(OR=...     

基于临床病理大数据的早发乳腺癌腋窝淋巴结转移风险预测模型构建

背景与目的：近年来,乳腺癌的发病人群趋于年轻化,并且更容易发生腋窝淋巴结（ALN）转移。本研究通过临床病理大数据平台分析年轻乳腺癌患者ALN转移的影响因素,并建立风险预测模型,为年轻乳腺癌患者的诊断和治疗提供参考依据。 方法：收集SEER数据库中2010—2015年间被诊断为乳腺癌并且接受了ALN手术的年轻患者的临床病理资料,采用单因素和多因素回归分析筛选ALN转移的影响因素,并以列线图的方式可视化。通过AUC/C指数量化列线图区分不同ALN状态患者的能力,采用bootstrap方法（1 000次重复,随机数种子设置为12）进行列线图预测性能内部验证。另外,收集2015—2017年在武汉大学中南医院初诊为乳腺癌的年轻患者资料,对模型行外部验证。 结果：共纳入SEER数据库中23 778例年轻乳腺癌患者,其中39.6%患者存在ALN转移。单因素Logistic回归分析显示,年龄、种族、肿瘤部位、病理学分级、肿瘤大小、胸壁或皮肤是否受侵以及ER、PR、HER-2状态与ALN转移有关（均P<0.001）;多因素Logistic回归分析显示：年龄、种族、婚姻状态、边侧、肿瘤部位、分级、肿瘤大小、胸壁或皮肤是否受侵以及ER与PR状态是ALN转移独立影响因素（均P<0.05）,据此建立风险预测模型。内部验证的校准曲线显示,利用该模型计算的预测值与真实值之间存在良好的一致性（AUC/C指数=0.716）。共纳入391例年轻乳腺癌患者作为外部验证数据集,其中49.9%患者初次手术发现有ALN转移。外部验证提示模型预测能力较好（AUC/C指数=0.798）。 结论：基于SEER数据库建立的年轻乳腺癌患者ALN转移的风险预测模型具有较好的预测能力,可为临床预测患者ALN转移风险提供参考。     

Risk factors and the nomogram model for intraoperatively acquired pressure injuries in children with brain tumours: A retrospective study

This study aimed to investigate the clinical features and incidence of Intraoperatively Acquired Pressure Injuries (IAPIs) of brain tumours in children, to screen the risk factors and to establish a nomogram model for making prevention strategies against the development of IAPIs. Clinical data of 628 children undergoing brain tumour surgery from August 2019 to August 2021 were extracted from the adverse events and the electronic medical systems. They were randomly divided into a training cohort(n = 471) and a validation cohort(n = 157). The univariate and multivariate analysis was performed to identify the risk factors in training cohort; R software was used to construct a nomogram model; the area under the receiver operator characteristic curve (AUC) and calibration plots were used to judge the predictive performance of the nomogram model; decision curve analysis (DCA) was used to assess the clinical usefulness of the nomogram model. Age, haemorrhage, use of vasopressor, temperature, operation time and operation position were considered as significant risk factors, and enrolled to construct a nomogram model. The results of AUC showed satisfactory discrimination of the nomogram; the calibration plots indicated favourable consistency between the prediction of the nomogram and actual observations in both the training and validation cohorts; DCA showed better net benefit and threshold probability of the nomogram model. The nomogram model illustrates significant predictive ability, which can provide scientific and individual guidance for preventing development of IAPIs.     

前列腺癌切缘阳性风险列线图的建立和验证

目的:建立预测前列腺癌术后切缘阳性结果的列线图模型,并进行相应的验证,为预测术后切缘阳性的风险提供依据。方法:纳入PC-follow数据库中北京医院、北京大学第一医院、北京大学第三医院、海军军医大学第一附属医院、西安交通大学第一附属医院2015—2018年收治的2215例前列腺癌患者的病例资料,年龄67.3(33~88)岁。PSA(45.2±18.9)ng/ml。前列腺穿刺活检针数6~32针,穿刺阳性针数百分比4%~100%,穿刺活检病理Gleason评分6~10分。采用单纯随机抽样法将患者分为建模组和验证组。建模组1770例,年龄65.5(33~88)岁,PSA(48.2±12.4)(0.01~99.4)ng/ml。验证组445例,年龄68.6(47~82)岁,PSA(43.7±14.8)(0.01~87.2)ng/ml。对两组患者年龄(<60岁,60~70岁,>70岁)、PSA(<4 ng/ml,4~10 ng/ml,11~20 ng/ml,>20 ng/ml)、盆腔MRI检查结果(阴性,可疑,阳性)、肿瘤临床分期(T 1~T 2期,≥T 3期)、穿刺阳性针数百分比(≤33%,34%~66%,>66%)、穿刺活检病理Gleason评分(≤6分,7分,≥8分)进行单因素和多因素logistic分析,筛选有意义的指标构建预测前列腺癌术后切缘阳性结果的列线图模型。在验证组对该模型进行验证,并与构成列线图的单一因素的预测效果进行比较。结果:单因素分析结果显示,术前PSA水平、盆腔MRI检查结果、穿刺针数阳性率、穿刺病理Gleason评分与术后切缘阳性率有相关性(P<0.05)。多因素分析结果显示,术前PSA水平(OR=2.046,95%CI 1.022~4.251,P=0.009)、穿刺阳性针数百分比(OR=1.502,95%CI 1.136~1.978,P=0.002)、穿刺病理Gleason评分(OR=1.568,95%CI 1.063~2.313,P=0.028)、盆腔MRI检查结果(OR=1.525,95%CI 1.160~2.005,P=0.033)为前列腺癌术后切缘阳性的独立预测指标,根据上述指标建立列线图模型。列线图模型预测验证组切缘阳性的受试者工作特征曲线(ROC)的曲线下面积为0.776,而以术前PSA水平、穿刺阳性针数百分比、穿刺病理Gleason评分、盆腔MRI检查结果、术后病理Gleason评分等单一因素预测验证组切缘阳性的ROC曲线下面积分别为0.554、0.615、0.556、0.522和0.560,列线图模型与单一指标比较差异均有统计学意义(P<0.05)。结论:构建的列线图模型较单独应用术前PSA水平、穿刺阳性针数百分比、穿刺病理Gleason评分、盆腔MRI检查结果、术后病理Gleason评分在预测前列腺癌术后切缘阳性方面具有更高的诊断价值。     

机器学习算法和COX列线图在肝细胞癌术后生存预测中的应用价值

目的探讨机器学习算法和COX列线图在肝细胞癌术后生存预测中的应用价值。方法采用回顾性描述性研究方法。收集2012年1月至2017年1月中国医学科学院北京协和医学院肿瘤医院收治的375例肝细胞癌行根治性肝切除术患者的临床病理资料;男304例,女71例;中位年龄为57岁,年龄范围为21~79岁。375例患者通过计算机产生随机数方法以8∶2比例分为训练集300例和验证集75例,应用逻辑回归、支持向量机、决策树、随机森林、人工神经网络机器学习算法构建肝细胞癌患者术后生存的预测模型,筛选性能最优的机器学习算法预测模型;构建肝细胞癌患者术后生存预测的COX列线图预测模型;比较最优机器学习算法预测模型和COX列线图预测模型预测肝细胞癌患者术后生存的性能。观察指标:(1)训练集与验证集患者临床病理资料分析。(2)训练集与验证集患者随访及生存情况。(3)机器学习算法预测模型构建及验证。(4)COX列线图预测模型构建及验证。(5)随机森林机器学习算法预测模型与COX列线图预测模型预测性能评价。采用门诊或电话方式进行随访,了解患者生存情况。随访时间截至2019年12月或患者死亡。正态分布的计量资料以±s表示,组间比较采用配对t检验。偏态分布的计量资料以M(P25,P75)或M(范围)表示,组间比较采用Mann-Whitney U检验。计数资料以绝对数表示,当Tmin≥5,N≥40时,组间比较采用χ2检验;当1≤Tmin≤5,N≥40时,采用校正χ2检验;当Tmin<1或N<40时,采用Fisher确切概率法。采用Kaplan-Meier法计算生存率和绘制生存曲线。采用COX比例风险模型进行单因素分析,将P<0.2的变量纳入Lasso回归分析,根据λ值筛选影响预后的变量,最后将变量纳入COX比例风险模型进行多因素分析。结果(1)训练集与验证集患者临床病理资料分析:训练集和验证集患者微血管侵犯(无、有),肝硬化(无、有)分别为292、8例,105、195例和69、6例,37、38例,两组患者比较,差异均有统计学意义(χ2=4.749,5.239,P<0.05)。(2)训练集与验证集患者随访及生存情况:训练集与验证集患者均获得随访。训练集300例患者随访时间为1.1~85.5个月,中位随访时间为50.3个月。验证集75例患者随访时间为1.0~85.7个月,中位随访时间为46.7个月。375例肝细胞癌患者术后1、3年总体生存率分别为91.7%、79.5%。训练集和验证集患者术后1、3年总体生存率分别为92.0%、79.7%和90.7%、81.9%。两组患者术后生存情况比较,差异无统计学意义(χ2=0.113,P>0.05)。(3)机器学习算法预测模型构建及验证。①筛选最优机器学习算法预测模型:根据变量对预测肝细胞癌术后3年生存的信息增益度,应用逻辑回归、支持向量机、决策树、随机森林和人工神经网络5种机器学习算法对肝细胞癌临床病理因素进行变量综合排名。筛选主要预测因素为乙型肝炎e抗原(HBeAg)、手术方式、肿瘤最大直径、围术期输血、肝被膜侵犯、肝脏Ⅳ段侵犯。将预测因素前3、6、9、12、15、18、21、24、27、29个变量依次引入5种机器学习算法。其结果显示:当引入9个变量时,逻辑回归、支持向量机、决策树、随机森林机器学习算法预测模型受试者工作特征曲线的曲线下面积(AUC)趋于稳定。当引入变量>12个时,人工神经网络机器学习算法预测模型AUC波动明显,逻辑回归、支持向量机机器学习算法预测模型AUC稳定性可继续改善,而随机森林机器学习算法预测模型AUC接近0.990,说明随机森林机器学习算法预测模型为最优机器学习算法预测模型。②随机森林机器学习算法预测模型优化和验证:将预测因素29个变量依次引入随机森林机器学习算法预测模型中,构建训练集最佳随机森林机器学习算法预测模型。其结果显示:当引入变量=10个时,网格搜索法示最佳决策树结点个数=4,最佳决策树数目=1000;当引入变量≥10个时,随机森林机器学习算法预测模型AUC稳定在0.990左右。其中当引入变量=10个时,随机森林机器学习算法预测模型预测训练集术后3年总体生存AUC为0.992,灵敏度为0.629,特异度为0.996,预测验证集术后3年总体生存AUC为0.723,灵敏度为0.177,特异度为0.948。(4)COX列线图预测模型构建及验证。①训练集患者术后生存因素分析。单因素分析结果显示:HBeAg、甲胎蛋白、围术期输血、肿瘤最大直径、肝被膜侵犯、肿瘤分化程度是影响肝细胞癌患者术后生存的相关因素(风险比=1.958,1.878,2.170,1.188,2.052,0.222,95%可信区间为1.185~3.235,1.147~3.076,1.389~3.393,1.092~1.291,1.240~3.395,0.070~0.703,P<0.05)。将P<0.2的临床病理因素纳入Lasso回归分析,其结果显示:性别,HBeAg,甲胎蛋白,手术方式,围术期输血,肿瘤最大直径,肿瘤位置在肝脏Ⅴ段和肝脏Ⅷ段,肝被膜侵犯,肿瘤分化程度(高分化、中高分化、中分化、中低分化)是影响肝细胞癌患者术后生存的相关因素。进一步将上述临床病理因素纳入多因素COX回归分析,其结果显示:HBeAg、手术方式、肿瘤最大直径是肝细胞癌患者术后生存的独立影响因素(风险比=1.770,8.799,1.142,95%可信区间为1.049~2.987,1.203~64.342,1.051~1.242,P<0.05)。②COX列线图预测模型的构建和验证:将训练集COX多因素分析结果中P≤0.1的临床病理因素引入Rstudio软件及其rms软件包,构建训练集COX列线图预测模型。COX列线图预测模型预测术后总体生存的C-index为0.723(se=0.028),预测训练集术后3年总体生存AUC为0.760,预测验证集术后3年总体生存AUC为0.795。训练集校准图验证显示COX列线图预测模型对术后生存有较好预测效果。COX列线图回归函数=0.62706×HBeAg(正常=0,异常=1)+0.13434×肿瘤最大直径(cm)+2.10758×手术方式(腹腔镜=0,开腹手术=1)+0.54558×围术期输血(无输血=0,输血=1)-1.42133×高分化(非高分化=0,高分化=1)。计算所有患者COX列线图风险评分,应用Xtile软件寻找COX列线图风险评分最佳阈值,风险评分≥2.9分为高危组,风险评分<2.9分为低危组。Kaplan-Meier总体生存曲线结果显示:训练集低危组和高危组患者术后总体生存比较,差异有统计学意义(χ2=33.065,P<0.05)。验证集低危组和高危组患者术后总体生存比较,差异有统计学意义(χ2=6.585,P<0.05)。进一步采用决策曲线分析结果显示:联合HBeAg、手术方式、围术期输血、肿瘤最大直径和肿瘤分化程度因素的COX列线图预测模型预测性能优于单一因素的预测性能。(5)随机森林机器学习算法预测模型和COX列线图预测模型预测性能评价:通过对2种模型中共同含有的重要变量(肿瘤最大直径)进行分析,并将2种模型通过预测误差曲线进行比较,观察2种模型的预测差异。其结果显示:肿瘤最大直径为2.2 cm时,随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为77.17%和74.77%(χ2=0.182,P>0.05);肿瘤最大直径为6.3 cm时,随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为57.51%和61.65%(χ2=0.394,P>0.05);肿瘤最大直径为14.2 cm时,随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为51.03%和27.52%(χ2=12.762,P<0.05)。随着肿瘤最大直径增加,2种模型预测患者生存率差异增大。验证集中,随机森林机器学习算法预测模型预测患者术后3年总体生存AUC为0.723,COX列线图预测模型预测患者术后3年总体生存AUC为0.795,两者比较,差异有统计学意义(t=3.353,P<0.05)。采用Bootstrap交叉验证结果显示:随机森林机器学习算法预测模型和COX列线图预测模型预测3年生存的整合Brier得分分别为0.139、0.134,COX列线图预测模型预测误差低于随机森林机器学习算法预测模型。结论与机器学习算法预测模型比较,COX列线图预测模型预测肝细胞癌术后3年生存性能更佳,且其变量少,易于临床使用。     

企业中青年急性心脑血管事件高危人群健康促进生活方式及影响因素研究

目的了解企业中青年心脑血管疾病高危人群健康促进生活方式现状,并探讨其影响因素。方法采用健康促进生活方式量表、健康行为自我效能量表、心理困扰量表对丽水市515名企业中青年心脑血管疾病高危者进行调查。结果企业中青年急性心脑血管疾病高危人群健康促进生活方式总分为(98.93±19.64)分。多元线性回归分析显示,自我效能、心理困扰、年龄、婚姻状况、文化程度是企业中青年急性心脑血管事件高危人群健康促进生活方式的影响因素(P<0.05,P<0.01)。结论企业中青年急性心脑血管事件高危人群健康促进生活方式处于一般水平,社区健康保健人员应重视年龄较小、文化程度较高、未婚及自我效能水平低、存在心理困扰的高危人群,对其进行针对性干预,以提升其健康生活方式。     

首诊Ⅳ期乳腺癌生存预测模型建立并验证：一项基于机器算法的研究

目的 建立首诊Ⅳ期乳腺癌的生存预测模型,筛选适合行原发灶手术切除的首诊Ⅳ期乳腺癌中适合行的患者。方法 收集美国国立癌症研究所监测、流行病学和结果（SEER）数据库中1973~2015年间确诊为首诊Ⅳ期乳腺癌患者病例。采用Kaplan Meier法进行生存分析,采用log-rank检验分析比较生存率的差别。利用LASSO回归分析筛选出与患者预后相关的临床病理性特征,进一步利用多因素Cox回归分析建立风险评分（risk score）方程及预测模型,使用受试者工作特征曲线（ROC）曲线下面积（AUC）来评价模型的灵敏度和特异度。结果 本研究共纳入7379例首诊Ⅳ期乳腺癌患者,其中手术患者2703例（36.6%）,非手术患者4676例（63.4%）。LASSO回归分析显示年龄、病理类型、肿瘤临床分期、ER状态、PR状态、HER-2状态、骨转移状态、肝转移状态、肺转移状态、淋巴结转移状态是首诊Ⅳ期乳腺癌患者独立预后影响因素。进一步建立首诊Ⅳ期乳腺癌的风险评分和nomogram预后模型,在预测1年和3年总生存中表现出良好的准确性（训练组AUC：1年总生存：0.75,3年总生存：0.73;验证组AUC：1年总生存：0.72,3年总生存：0.75）,在训练组及验证组的一致性指数分别为0.700（95%CI：0.69-0.71）、0.695（95%CI：0.67-0.71）。在风险评分中取最佳cutoff值,将患者分为低、中、高危风险评分组,进一步分析发现低危及中危风险评分组患者能从手术获益（低危风险评分组：训练组：HR=0.49,95%CI：0.42-0.57,P<0.001;验证组：HR=0.43,95%CI：0.34-0.55,P<0.001; 中危风险评分组：训练组：HR=0.75,95%CI：0.65-0.86,P<0.001;验证组：HR=0.72,95%CI：0.57-0.90,P=0.003）,但高危风险评分组患者则无法从手术获益（训练组：HR=0.65,95%CI：0.41-1.02,P=0.066;验证组：HR=0.83,95%CI：0.41-1.69,P=0.610）。结论 本研究基于机器算法建立首诊Ⅳ期乳腺癌的风险评估模型,能有效区分首诊Ⅳ期乳腺癌低危风险、中危风险和高危风险患者,且不推荐高风险（评分>360）患者进行手术治疗。     

直肠癌术后吻合口漏的术前危险因素分析及预测模型构建

目的 探讨直肠癌术后发生吻合口漏的术前危险因素并构建预测模型。方法 回顾性分析2007-01-01至2016-12-31中国人民解放军中部战区总医院普通外科收治的行直肠癌根治术并作一期吻合的330例病人的临床资料,分析发生吻合口漏的术前危险因素。应用R软件完成列线图预测模型。通过受试者工作特征曲线（ROC）和校准曲线评估列线图预测模型的能力。另收集2017-01-01至2018-12-31收治的行直肠癌根治术并作一期吻合的57例病人资料作为外部验证数据。结果 330例中有42例术后发生吻合口漏（12.7%）。单因素分析结果显示,吻合口漏发生与术前营养支持、肿瘤距肛门距离、BMI、营养风险筛查评分（NRS2002）、美国麻醉师协会（ASA）评分、血红蛋白、前白蛋白相关（P均<0.05）。多因素Logistic回归分析结果显示,BMI≥25、NRS2002评分>3分、肿瘤距肛门距离≤10 cm、血红蛋白<120 g/L是术后发生吻合口漏的独立危险因素。根据多因素回归分析结果构建列线图预测模型,受试者工作特征曲线下面积（AUC）为0.874(95%CI 0.823-0.92...     

冠状动脉旁路移植术后手术部位感染风险预测模型及管理策略

目的:探讨影响冠状动脉旁路移植术(CABG)后手术部位感染的主要危险因素,并构建定量列线图风险预测模型,提出针对性管理策略。方法:回顾性总结2015年5月至2019年5月于南京医科大学附属盐城市第三人民医院接受CABG患者共302例作为模型组,比较感染与未感染者临床资料(主要包括性别、年龄、基础疾病史、体质指数、美国麻醉师协会(ASA)评分、常规皮肤准备、围术期抗菌药物不合理使用、手术时间>4 h、手术室探视和连续使用同一手术室),再经多因素Logistic回归分析筛选主要危险因素并构建列线图风险预测模型。纳入2019年6月至2020年12月共211例CABG患者作为验证组,接受感染管理策略。采用受试者工作曲线(ROC)分析列线图模型评估模型组与验证组感染发生的效能。结果:模型组共诊断11例患者发生感染(3.64%,11/302),单因素分析显示感染者年龄高于未感染者,且感染者基础疾病史(高血压和糖尿病)和肥胖者比例增高,ASA评分升高,常规皮肤准备方法、围术期抗菌药物不合理使用、手术时间>4 h、手术室探视、连续使用同一手术室比例均较未感染者增高(P均<0.05)。Logistic回归分析显示,高龄(OR=1.58、95%CI:1.12~2.53、P=0.011)、基础疾病史(OR=2.63、95%CI:2.12~3.06、P=0.001)、围术期抗菌药物不合理使用(OR=2.01、95%CI:1.55~2.69、P=0.002)、手术时间>4 h(OR=3.11、95%CI:2.68~3.59、P=0.001)和手术室探视(OR=1.24、95%CI:1.01~1.85、P=0.024)均为CABG术后手术部位感染的主要危险因素。应用R软件根据主要危险因素(高龄、基础疾病、抗菌药物不合理使用、手术时间>4 h、手术室探视)的权重(β值)进行定量赋值建立列线图模型。验证组共诊断感染者2例(0.95%,2/211),显著低于模型组(Fisher’s确切概率法,取单侧P=0.047)。ROC分析显示,列线图模型预测模型组和验证组发生感染的准确性分别为0.895和0.864;Hosmer-Lemeshow检验显示拟合度良好。结论:CABG术后手术部位感染的发生与多个临床因素有关,如高龄、基础疾病史、围术期抗菌药物不合理使用、手术时间>4 h和手术室探视,医护人员应充分认知并采取严格的感染管理措施以减少感染的发生。     

基于生物信息学分析的结肠腺癌预后微小RNA的鉴定与预后预测模型构建

背景与目的 结肠腺癌（COAD）是癌症相关死亡的主要原因之一,准确预测COAD患者预后,评估COAD生存风险因素尤为重要。微小RNA（miRNA）通过靶向下游mRNA广泛参与肿瘤生物学行为调控,已成为具有应用研究前景的标志物。本研究旨在通过生物信息学方法鉴定COAD预后miRNA并构建预后预测模型,为COAD预后判断和制订个体化治疗方案提供参考。方法 从TCGA数据库中下载COAD患者的临床信息以及miRNA-seq数据,获取差异的miRNA。利用单变量和多变量Cox比例风险回归模型获得关键预后miRNA,用多因素Cox回归模型构建风险评分计算公式。利用Kaplan-Meier方法分析高、低风险评分患者的生存状态;ROC曲线评估风险评分的敏感度及特异度,并且从样本中随机抽取50%的病例做内部验证。采用预后风险模型列线图模型确定COAD患者临床病理参数及风险评分。使用Targetscan及miRDB数据库对预后miRNA模型进行靶基因预测以及利用String数据库进行蛋白与蛋白互作网络分析。结果 差异表达分析获得320个miRNA,其中167个上调,153个下调。利用单变量和多变量Cox比例风险回归对差异的miRNA进行分析,发现miR-503-5p、miR-335-3p、miR-185-5p、miR-4436b-5p、miR-125b-2-3p为COAD患者关键预后miRNA。结合风险评分的生存分析结果显示,高风险评分患者预后明显差于低风险评分患者（P=0.005 6）,在随机抽取的内部验证组中也得到验证（P=0.014）。1、3、5年风险评分模型ROC曲线下面积（AUC）分别为0.666、0.724、0.707,内部验证组分别为0.681、0.699、0.703。Cox回归分析显示,建立用于预测COAD患者预后预测列线图的一致系数为0.836。单因素和多因素Cox分析显示,在建模组及内部验证组中风险评分是COAD的独立预后因素（均P<0.01）。miRNA靶基因预测获得87个靶基因。蛋白与蛋白互作网络分析获得10个蛋白质互作的关键基因。结论 所建立COAD预后miRNA模型以及基于年龄、AJCC分期、T分期、放化疗以及风险评分等因素构建的列线图将较准确地预测COAD的风险,对鉴定高或低风险患者、精准预测预后及评估患者生存风险提供理论基础。