基于机器学习算法的小于胎龄儿风险预测

目的  评价极端梯度提升(extreme gradient boosting, XGBoost)、支持向量机(support vector machine, SVM)和朴素贝叶斯等6种机器学习模型与传统logistic回归分析模型对小于胎龄儿(small for gestational age, SGA)的预测效能。方法  选取2012年3月―2016年9月在山西医科大学第一医院产科住院分娩的9 972例孕妇作为研究对象,采用问卷调查及从医院信息系统收集数据。依据分娩结局分为SGA组(n=1 124)与非SGA组(n=8 848),按7.50∶2.50比例划分训练集与测试集。采用多因素logistic回归模型筛选危险因素,基于XGBoost、SVM、朴素贝叶斯、梯度提升决策树(gradient boosting decision tree, GBDT)、K最近邻(k-nearest neighbor, KNN)算法及传统logistic回归分析模型方法分别建立预测模型,使用受试者工作特征曲线的曲线下面积(area under the curve, AUC)、准确率和精确度等指标比较预测性能。结果  Logistic回归模型结果显示,妊娠期高血压和子痫等7项变量是SGA的影响因素。将以上因素纳入预测模型,SVM算法构建的预测模型效能最佳,AUC达0.72,模型准确率为71%。传统logistic回归分析模型表现欠佳,AUC为0.71,准确率为66%。结论  基于机器学习算法尤其是SVM算法建立的SGA风险预测模型具有较好的效能,能够有效预测山西省SGA的发生,为实现SGA的一级预防提供参考。     

200例儿童咬指甲症心理治疗与分析

咬指甲症是儿童常见的不良习惯,国外报告在青少年中45％有咬指甲现象,在7～10岁儿童中占28％～33％。国内在儿科门诊中,常有患者前来就诊或咨询。本文就积累的200例儿童咬指甲症患者进行心理治疗的情况报告如下。     

基于机器学习算法的大于胎龄儿风险预测模型

目的 开发和验证基于机器学习算法的孕期大于胎龄儿（LGA）风险预测模型，并比较其与传统逻辑回归方法建模的性能差异。方法 研究对象来自"中国免费孕前优生健康检查项目"，于2010-2012年在全国31个省市的220个县开展，覆盖全部农村计划妊娠夫妇，本研究选取分娩新生儿胎龄在24~42周内，单胎活产的所有育龄期夫妇及其新生儿为研究对象。应用10种机器学习算法分别建立LGA预测模型，评估模型对LGA的预测性能。结果 最终纳入104 936名新生儿，男婴54 856例（52.3%），女婴50 080例（47.7%），LGA的发生率为11.7%（12 279例）。经过下采样数据平衡处理后，机器学习方法建立模型的整体效能出现明显提高，其中以CatBoost模型在预测LGA风险方面表现最佳，模型的受试者工作特征曲线的曲线下面积（AUC）为0.932；逻辑回归模型表现最差，AUC仅为0.555。结论 与传统的逻辑回归方法相比，通过机器学习算法可建立更有效的孕期LGA风险预测模型，具有潜在的应用价值。     

基于机器学习技术新冠疫情下中国北方地区医生情绪化进食行为预测模型构建

目的 构建新型冠状病毒感染疫情（简称新冠疫情）下中国北方地区医生情绪化进食行为预测模型,为改善医生健康膳食模式提供科学依据。方法 于2022年5—8月采用随机抽样方法在中国北方地区黑龙江、辽宁、吉林、河北、山东、山西、北京、天津8个省（直辖市）抽取39家新冠疫情定点收治医院共2 316名医生进行一般情况调查表、工作家庭冲突量表、大五人格量表及情绪化进食量表调查,基于机器学习技术建立深度神经网络模型预测新冠疫情下医生情绪化进食行为的因素。结果 2 094名医生有效完成问卷调查,情绪化进食行为总分为（51.48±17.37）分,其中愤怒情绪进食、焦虑情绪进食、抑郁情绪进食和积极情绪进食得分为（11.31±4.07）、（16.72±7.56）、（11.02±3.24）和（12.43±4.27）分;基于机器学习技术构建了一个结构为21–19–14–9–1的医生情绪化进食行为预测的深度神经网络模型,该模型的R2、MAE、MSE和RMSE值分别为0.926、0.039、0.003和0.056;此模型预测结果显示,新冠疫情下中国北方地区医生情绪化进食行为的前5位重要因素依次为饮酒、工作家庭冲突、营养...     

基于机器学习的儿童阻塞性睡眠呼吸暂停诊断方法

目的 建立一个机器学习模型,利用夜间心率和血氧数据来诊断儿童阻塞性睡眠呼吸暂停（OSA）。方法 使用3150名疑似患有OSA的儿童的多导睡眠图数据构建训练集和测试集,利用年龄、性别、体重指数、3%氧减指数、最低血氧饱和度指数和平均血氧饱和度指数作为诊断特征,使用机器学习算法CatBoost建立诊断模型。结果 诊断模型在呼吸暂停低通气指数≥5和呼吸暂停低通气指数≥10的分类任务中,分类准确率分别为85.67%和89.81%,曲线下面积AUC值分别为0.84和0.87,表现优于线性判别分析模型。结论 本研究提供了一种利用机器学习模型诊断儿童OSA的方法。这种方法减少了诊断所需的信号数量,并展现出较高的可靠性。     

基于机器学习的脑卒中风险预测模型比较研究

目的：探讨多种机器学习预测模型对脑卒中发病风险的评估效果。方法：选取2013年1月1日—2017年12月31日参与“北京健康管理队列”的体检人群作为研究对象,基线人群共计56 017例。比较研究对象脑卒中发病与未发病人群之间基本人口学信息、代谢异常相关指标的差异,选用经典决策树模型、多层感知器模型、卷积神经网络模型开展模型构建,并与多因素logistic回归分析模型进行比较。结果：各模型分析结果均显示年龄、收缩压、腰围、身体质量指数为脑卒中发病的影响因素;多因素logistic回归分析模型、经典决策树模型、多层感知器模型、卷积神经网络模型的准确率分别为0.978、 0.985、 0.988、0.996。结论：代谢异常指标中的腹型肥胖、血压升高、低密度脂蛋白胆固醇降低、血糖升高均是脑卒中发病的潜在危险因素;经典决策树模型、多层感知器模型、卷积神经网络模型3种机器学习模型较多因素logistic回归分析模型预测性能更优,其中卷积神经网络模型的准确率最为良好,多层感知器模型的特异度最为良好。     

儿童利用不同特质信息预测他人行为

目的考察与分析5岁、7岁儿童和成人时不同特质的稳定性信念,从而为儿童理解不同特质的可能策戎提供可靠的依据。方法采用传统行为预测研究的情景故事法,并结合“行为-类型-行为”的特质推理研究范式,进行个别施测。结果相关样本t检验表明,尽管儿童对物质属性的稳定性信念的形成早于特质属性,但对两者稳定性的理解都随年龄增长而不断增强。此外,儿童能区别对待不同特质,他们认为内部状态（能力和身体属性）比意图更稳定。结论相对于社会属性,儿童更早理解物质属性且采取了相似性的推理策略;在社会属性中,儿童依据不同的推理来理解意图、身体属性和身体能力这几种特质。     

儿童利用不同特质信息预测他人行为

目的考察与分析5岁、7岁儿童和成人对不同特质的稳定性信念,从而为儿童理解不同特质的可能策略提供可靠的依据。方法采用传统行为预测研究的情景故事法,并结合"行为—类型—行为"的特质推理研究范式,进行个别施测。结果相关样本t检验表明,尽管儿童对物质属性的稳定性信念的形成早于特质属性,但对两者稳定性的理解都随年龄增长而不断增强。此外,儿童能区别对待不同特质,他们认为内部状态(能力和身体属性)比意图更稳定。结论相对于社会属性,儿童更早理解物质属性且采取了相似性的推理策略;在社会属性中,儿童依据不同的推理来理解意图、身体属性和身体能力这几种特质。     

基于机器学习的老年人高脂血症风险预测

目的 探究机器学习方法对老年人高脂血症的预测价值,并从中分析老年人高脂血症的危险因素。方法 采用分层随机整群抽样方法抽取潍坊市9个县市区27个社区5 759位60岁及以上老年人,并收集这些老年人在2020年度的健康体检资料,排除缺失或异常资料,最终将4 534位老年人纳入研究。将这些老年人按照7∶3的比例随机划分为训练集和验证集,并采用单因素分析筛选出10个显著性变量,用于构建支持向量机、决策树、XGBoost、CATBoost和LightGBM风险预测模型,随后采用AUC(ROC曲线下面积)、精确率、准确率、召回率、F1值评价其性能。结果 CATBoost机器学习模型的综合性能最好,其AUC、精确率、准确率、召回率、F1值分别为0.82、76.49%、92.46%、78.68%、0.85。在CATBoost模型预测老年人高脂血症的风险过程中,9个变量对高脂血症风险预测较为重要,其重要程度由高到底排序依次为收缩压、腰围、空腹血糖、体质指数、舒张压、吸烟情况、年龄、饮酒情况和性别。而且经模型优化后发现,仅纳入这9个变量即可较好的预测风险。结论 基于CATBoost机器学习方法构建的老年人...     

38例咬指甲癖儿童心理干预的体会

3～ 7岁集居儿童咬指甲的不良行为比较常见 ,且一般不被父母重视。 1998年9月作者对本园 3 14名儿童进行咬指甲不良行为调查 ,并对 3 8例咬指甲的儿童建档进行心理干预和行为矫治 ,取得良好的效果 ,现报告如下。1　对象和方法1.1　对象　对本园 3～ 7岁 3 14名儿童 ,进行咬指甲行为调查 ,全部根据《3～ 12岁儿童心理卫生教育》儿童不良行为咬指甲癖的诊断标准 ,确诊咬指甲癖儿童 3 8例。1.2　心理干预实施方法　1.2 .1　心理疗法　对患有咬指甲的儿童 ,均采取个别谈话单独教育 ,了解他们咬指甲的原因和内心感受 ,有针对性地心理疏导。通过谈…     

基于SMOTE算法与机器学习的老年人健康素养预测研究

目的 探讨合成少数类过采样技术(SMOTE)结合机器学习模型在老年人是否具备健康素养预测评估中的应用。方法 利用单因素筛选从资料中筛选出与是否具备健康素养有关联的变量;以筛选出的变量作为输入变量,以是否具备健康素养为结局变量,分别在经SMOTE算法处理前后的数据集中建立logistic回归模型、随机森林和SVM模型,通过受试者工作特征曲线(ROC)来评价模型性能。结果 Logistic回归、随机森林和SVM在SMOTE算法处理前的测试集中的准确率分别为0.833、0.600和0.636,3种模型的ROC曲线下面积(AUC)分别为0.723、0.815和0.728;在SMOTE算法处理后的测试集中的准确率分别为0.936、0.908和0.890,3种模型的AUC分别为0.896、0.944和0.897。结论 随机森林模型在老年人是否具备健康素养的预后评估中具有较高的应用价值。     

基于机器学习的缺血性脑卒中抗栓治疗后消化道出血预测模型研究

目的 筛选出缺血性脑卒中抗栓治疗后发生消化道出血的关键变量,评价Catboost、支持向量机（SVM）、logistic回归(LR)三种机器学习算法对缺血性脑卒中抗栓治疗后消化道出血的预测效果。方法 选取2018年1月1日—2020年1月1日南昌大学第二附属医院确诊为急性缺血性脑卒中并接受抗栓治疗的住院患者,根据单因素分析结果确定初始变量,综合多因素logistic回归、RFE、lasso回归三种特征选择方法筛选变量,比较Catboost、SVM、LR在缺血性脑卒中抗栓治疗后消化道出血预测模型中的效果。结果 在1 605名缺血性脑卒中患者中,消化道出血的患者84名,单因素分析初步确定了17个变量,根据三种特征选择方法确定年龄、GCS、谷草/谷丙、碱性磷酸酶、低密度脂蛋白、出血性转化为关键变量,构建机器学习模型后重复交叉验证结果显示, Catboost算法的综合性能较好,特异度、准确率、AUC、阳性似然比分别为0.851(95%CI:0.85～0.853)、0.84(95%CI:0.838～0.841)、0.848(95%CI:0.841～0.855)、4.463(95%CI:4.378...     

Prediction of radiation pneumonitis with machine learning using 4D-CT based dose-function features

In this article, we highlight the fundamental importance of the simultaneous use of dose-volume histogram (DVH) and dose-function histogram (DFH) features based on functional images calculated from 4-dimensional computed tomography (4D-CT) and deformable image registration (DIR) in developing a multivariate radiation pneumonitis (RP) prediction model. The patient characteristics, DVH features and DFH features were calculated from functional images by Hounsfield unit (HU) and Jacobian metrics, for an RP grade ≥ 2 multivariate prediction models were computed from 85 non-small cell lung cancer patients. The prediction model is developed using machine learning via a kernel-based support vector machine (SVM) machine. In the patient cohort, 21 of the 85 patients (24.7%) presented with RP grade ≥ 2. The median area under curve (AUC) was 0.58 for the generated 50 prediction models with patient clinical features and DVH features. When HU metric and Jacobian metric DFH features were added, the AUC improved to 0.73 and 0.68, respectively. We conclude that predictive RP models that incorporate DFH features were successfully developed via kernel-based SVM. These results demonstrate that effectiveness of the simultaneous use of DVH features and DFH features calculated from 4D-CT and DIR on functional image-guided radiotherapy.     

基于机器学习算法的2型糖尿病患者3个月血糖预测

目的  评价Logistic回归算法和随机森林算法对2型糖尿病患者3个月后血糖控制情况的预测效果,并探究血糖控制的影响因素。 方法  收集顺义、通州区2型糖尿病患者的基线调查和随访信息,以患者3个月后糖化血红蛋白是否大于6.5%作为结局分类变量,使用随机森林算法和Logistic算法建立预测模型,通过受试者工作特征曲线下面积（area under the curve,AUC）、灵敏度等指标比较预测效果。 结果  患者血糖控制效果的影响因素有基线空腹血糖（P < 0.001）、病程（P < 0.001）、吸烟（P=0.026）、静态活动时间（P=0.006）、体重指数（超重P=0.002,肥胖P=0.011）、手环使用（P=0.028）和糖尿病饮食（P=0.002）7个因素;Logistic回归预测模型的AUC为0.738,灵敏度为72.9%,特异度68.1%,准确率71.2%,随机森林模型的AUC为0.756,灵敏度74.5%,特异度69.5%,准确率72.8%。 结论  随机森林算法预测效果优于Logistic回归预测模型,可应用于血糖控制效果预测,辅助糖尿病患者的管理。     

Quantification of children's hand and mouthing activities through a videotaping methodology.

A videotaping methodology has been developed for use in quantifying the types and frequencies of children's hand and mouthing activities that could lead to exposure to environmental pollutants via dermal and ingestion pathways. Twenty children in day care, ages 3-6 years and 10 children in residences, ages 2-5 years, were videotaped during their waking hours for 1 day. Parents of each child completed questionnaires for the purpose of evaluating the accuracy of parental reports of hand-to-mouth rates. Videotapes were translated as quantifiable activities by two trained observers whose reporting reliability was checked throughout the investigation. Results determined that reliability of the videotaping method was very good, even over a year post-training. From videotape data, the average hand-to-mouth frequency rate was determined to be 9.5 contacts/h. These values are considerably higher than the current default value of 1.56 contacts/h under consideration by the EPA.     

基于支持向量机的麻疹发病率预测研究

目的 建立一种基于支持向量机的麻疹发病率预测模型,为麻疹的预防控制决策提供参考依据。方法 收集我国麻疹1996-2015年发病率数据,以1996-2014年发病率数据为训练样本,以2015年发病率数据为检验样本,采用支持向量机回归算法建立我国麻疹年发病率的预测模型,并对我国2016-2018年的麻疹发病率进行预测。结果 经该模型的预测,麻疹发病率的预测值和实际值吻合度较高,平均相对误差为0.620 07%。我国2016-2018年麻疹的发病率分别为3.23/10万、3.13/10万、3.79/10万。结论 采用支持向量机回归模型预测我国麻疹的年发病率是可行有效的。     

Kindergarten children's perspectives on play and learning

Practitioners in play-based learning contexts face the challenge of developing developmentally appropriate practices while meeting rigorous academic curriculum standards. To date, play and academic learning have been predominantly conceptualized from an adult perspective. Considering that children are key agents in classroom play contexts, it is important to understand their views on play and learning. The purpose of this study was to explore children’s perspectives on the connectedness between play and learning and understand whether their views are related to the play types observed in their classrooms. Photo elicitation interviews were conducted with 134 kindergarten students and 10 hours of observation were held in each of the 10 classrooms. Results indicate that children’s understanding of the connectedness between play and academic learning were related to teacher presence in play and the types of play environments available in their classrooms. Implications for practitioners and researchers alike are discussed.     

基于机器学习的肺癌图像辅助诊断应用研究

目的:为满足肺癌临床早期筛查需求,拟在CT图像分析及病理细胞学诊断中建立智能化辅助筛查工具,提高图像分析效率,降低医生工作量.方法:在对肺癌临床早期诊断技术研究基础上,提出基于机器学习建立肺癌CT及病理切片图像辅助分析工具的方案;基于人工智能辅助诊断理念,采用图像模式增强、分割及机器学习分类模型等方法构建肺癌图像辅助诊...