随机森林模型预测急性心肌梗死后急性肾损伤

目的:建立随机森林模型预测急性心肌梗死（acute myocardial infarction,AMI）患者并发急性肾损伤（acute kidney injury, AKI）。方法:使用温州医科大学附属东阳医院大数据平台,筛选出1 363例患AMI的病例,确定30个变量后,统计分析样本临床特点,将样本划分为75%的训练集建立随机森林模型,以及25%的测试集进行验证,使用R语言进行数据的筛选及模型的建立。最后根据特异性、敏感性、准确性、受试者特征工作特征曲线(relative operating characteristic curve, ROC曲线)等来评估模型性能,同时与其他三种常用的机器学习算法（神经网络,朴素贝叶斯,支持向量机）的模型性能进行比较。结果:AMI合并AKI的患者的人口学信息、心血管疾病的危险因素、入院时的生命体征、实验室检查等与未合并急性肾损伤的患者存在差异性。模型评估后得出测试集的ROC曲线下面积为0.893,特异度为0.791,灵敏度为0.866,其中入院首次肌酐、首次尿素、D-二聚体、年龄、机械通气是其最重要的影响因素。在本研究中,多种机器学习算法比较后,随机森林模型较有优势。结论:建立的随机森林模型具有帮助预测AMI并发AKI的潜力。     

急性心肌梗死后的急性肾损伤北大核心CSCD

急性心肌梗死（acute myocardial infarction,AMI）是临床上常见的急危重症。肾功能是影响AMI患者长、短期预后的独立危险因素。研究报道,AMI患者为住院期间发生急性肾损伤（acute kidney injury,AKI）的高危人群,其发生率约为7．1％～22％。当AMI并发心源性休克（cardiacshock,CS）时,AKI发病率更可高达55％。     

中度重症急性胰腺炎和重症急性胰腺炎患者急性肾损伤预测模型的构建与验证研究

目的 构建并验证中度重症急性胰腺炎(MSAP)和重症急性胰腺炎(SAP)患者并发急性肾损伤(AKI)风险的预测模型。方法 将2019年1月至2022年8月海南医学院第一附属医院收治的确诊为MSAP和SAP的患者纳入本次回顾性研究,按照2∶1的比例将患者随机分为训练组和验证组。使用最小绝对收缩和选择算子(LASSO)法和机器学习筛选发生AKI的相关预测因子,用多因素Logistic回归分析筛选发生AKI的危险因素,并构建列线图预测模型,用校准曲线对模型进行一致性评价,用受试者工作特征(ROC)曲线评估模型的预测性能,用决策曲线分析(DCA)评估模型的临床价值。结果 共纳入565例MSAP和SAP患者,其中377例纳入训练组,188例纳入验证组,训练组中96例患者(25.46%)和验证组中44例患者(23.40%)并发AKI。各因素Logistic回归分析显示C反应蛋白、腹内压和胱抑素C是MSAP和SAP并发AKI的危险因素(P<0.05)。校准曲线显示模型的预测值与实际值一致性良好;受试者工作特征曲线显示模型预测性能较高,DCA显示模型的临床价值较高。结论 列线图模型在预测MSAP...     

降钙素原对重症急性胰腺炎合并急性肾损伤早期预测作用的研究

目的:探讨降钙素原对重症急性胰腺炎发生急性肾损伤的早期预测作用。方法:回顾性分析75例重症急性胰腺炎患者的临床资料。依据患者是否发生急性肾损伤分为AKI组和非AKI组,比较2组患者在入住ICU 2h内的血降钙素原、C反应蛋白、血淀粉酶、肌酐和IL-6水平;对预测重症胰腺炎合并急性肾损伤各个指标进行多元线性回归分析;同时绘制各个指标的ROC曲线,计算并比较各指标的ROC曲线下面积,分析各指标的诊断价值。结果:AKI组25例,非AKI组50例。AKI组的PCT、CRP和IL-6较非AKI组明显升高(P0.001);多元线性回归分析示PCT、CRP和肌酐与AKI有相关性,且PCT的相关性最大;PCT、CRP、血淀粉酶、肌酐和IL-6的ROC曲线下面积(AUC)分别为0.933、0.898、0.548、0.668和0.739。结论:降钙素原对SAP患者发生AKI具有早期预测价值。     

百草枯中毒患者急性肾损伤风险预测

目的构建百草枯(paraquat, PQ)中毒引起急性肾损伤(acute kidney injury, AKI)的风险预测模型。方法回顾性分析2010-09-20至2022-01-16期间因急性PQ中毒就诊于四川大学华西医院急诊科的患者, 收集患者基本特征及实验室检查结果, 根据住院期间是否发生AKI分为AKI组和非AKI组。按照7∶3的比例, 将患者随机分为训练集和验证集。采用多因素Logistic回归筛选变量, 列线图建立预测模型。采用受试者工作特征曲线(ROC)、校准曲线评价预测模型的区分度和校准度, 决策曲线分析(DCA)评估预测模型的临床有效性。结果纳入符合标准的PQ患者718例, 323例(45.0%)患者院内发生AKI, 378例(52.6%)院内死亡, AKI组患者病死率高于非AKI组(72.8%vs. 36.2, P<0.05)。多因素Logistic回归分析显示中毒至就诊时间(OR=1.018, 95%CI:1.006～1.030)、入院时白细胞计数(OR=1.128, 95%CI:1.084～1.173)、天门冬氨酸氨基转移酶(OR=1.017, 95%CI...     

超声评估肾阻力指数联合血液指标对急性胰腺炎并发急性肾损伤的预测价值

目的 探讨超声评估肾阻力指数（RRI）联合血液指标对急性胰腺炎（AP）并发急性肾损伤（AKI）的预测价值。方法 选取2021年6月~2024年1月期间安徽省第二人民医院收治的AP患者,根据其入院7d内是否发生AKI分为AKI组和未AKI组。收集患者基本信息、病情评分和实验室指标,采用超声评估RRI。采用单因素和多因素Logistic回归分析AKI危险因素,绘制受试者工作特征（ROC）曲线分析RRI联合血液指标的预测价值。结果 共筛选出145例患者符合纳入标准,发生AKI37例,未发生AKI患者108例。多因素Logistic回归分析结果显示：Cys C（OR=5.458,95%CI：1.275~23.369）、CRP（OR=5.296,95%CI：1.676~16.734）、RRI（OR=6.114,95%CI：2.966~12.602）是AP患者并发AKI的危险因素（P<0.05）。ROC曲线分析结果显示：Cys C、CRP、RRI预测AP患者并发AKI的曲线下面积（areas under curve,AUC）分别为0.648（95%CI：0.540~0.756,P=0.011）、0.777（95%CI：0.694~0.859,P<0.001）、0.802（95%CI：0.710~0.893,P<0.001）,三者联合预测AP患者并发AKI的AUC最高,为0.909,灵敏度为96.55%,特异度为72.41%。结论 Cys C、CRP、RRI均为AP并发AKI的危险因素,而三者均有一定的预测价值,三者联合预测AP患者并发AKI的价值更高。     

血清SIRT1和Syndecan-1水平变化对重症急性胰腺炎合并急性肾损伤患者病情和临床转归的预测研究

目的:研究重症急性胰腺炎(severe acute pancreatitis, SAP)合并急性肾损伤(acute kidney injury, AKI)患者血清沉默信息调节因子1(silent information regulator 1,SIRT1)、蛋白聚糖-1(Syndecan-1)水平变化对患者病情和临床转归的预测能力。方法:前瞻性选取2021年2月—2023年2月临沂市中心医院收治的130例SAP合并AKI患者，另选取同期于我院体检健康的70例健康志愿者。比较健康志愿者与不同AKI分期SAP患者血清SIRT1、Syndecan-1水平。SAP合并AKI患者均接受综合治疗，根据入院28 d临床转归结局将其分为死亡组和生存组，比较两组基线资料。多因素logistic回归模型分析影响SAP合并AKI患者死亡的危险因素。受试者工作特征(receiver operating characteristic curve, ROC)曲线分析血清SIRT1、Syndecan-1对SAP合并AKI患者死亡的预测价值。结果:SAP合并AKI患者血清Syndecan-1水平高于健康志愿者，血清S...     

急性心肌梗死后并发急性肾损伤的病理特征及其危险因素的多元回归分析

目的:对急性心肌梗死(AMI)后并发急性肾损伤(AKI)患者的临床特征进行分析并探讨并发急性肾损伤的危险因素。方法:回顾性分析148例AMI后并发AKI患者的临床资料并设为观察组,并选取50例单纯AMI患者的临床资料作为对照组进行比较,分析AMI并发AKI患者的临床特征及危险因素。结果:观察组患者病死率、年龄、高血压病史、糖尿病史、慢性肾脏疾病史发生率显著高于对照组(P0.01,P0.05),住院时间、病变血管数、发病至入院时间、Killip分级、左室射血分数以及N前端脑钠肽(NT-proBNP)水平差异有统计学意义(P0.01,P0.05)。多因素分析证实,高血压病史、慢性肾脏疾病史、发病至住院时间6h、入院Killip分级2级是发生AKI的危险因素。结论:AMI后并发AKI患者的病死率高,高血压病史、慢性肾脏疾病史、发病至住院时间6h、入院Killip分级2级是AKI发生的独立危险因素。     

降钙素原预测急性胰腺炎患者急性肾损伤发生的价值研究

目的：探讨降钙素原（PCT）在预测急性胰腺炎患者（AP）急性肾损伤（AKI）发生中的临床价值。方法：以我院2012年1月至2013年3月AP住院患者205例作为研究对象,依前3 d内是否发生AKI将患者分为AKI组（n＝32）和对照组（n＝173）,比较两组间肌酐（Crea）、尿素（Urea）、胱抑素C（Cys C）、PCT、血清淀粉样蛋白A（SAA）、白介素－6（IL-6）、C反应蛋白（CRP）差异;受试者工作曲线（ROC）分析PCT、SAA、IL-6和CRP对AP并发AKI的预测效能。结果：AKI组与对照组PCT、CRP和IL-6比较差异有统计学意义（P＜0．05）,而Urea、Crea、CysC和SAA间差异无显著性（P＞0．05）。PCT预测AKI发生的ROC曲线下面积（AUC）大于CRP、IL-6和SAA,差异有统计学意义（P＜0．05）。结论：PCT是预测AP患者并发AKI的早期、灵敏和特异的标志物。     

148例急性心肌梗死患者并发急性肾损伤的临床特征分析及危险因素研究

<正>急性心肌梗死是最为常见的心血管危重症之一,随着社会老龄化和生活习惯的改变,急性心肌梗死(acute myocardial infarction,AMI)的发病率在逐步增加〔1〕。急性肾损伤(acute kidney injury,AKI)是AMI的常见并发症之一,发病率为10%~20%〔2-3〕。一旦AMI患者并发AKI,其住院时间会显著增加,且院内病死率和长期病死率均会显著增加,严重影响预后,因此对AKI的预防和及时治疗极为重要〔4-5〕。对AMI并发AKI患者的临床资     

基于机器学习的慢性阻塞性肺疾病急性加重预测模型的研究

目的 针对慢性阻塞性肺疾病急性加重期(AECOPD)患者肺功能检测存在误差大、准确性差的问题,开发AECOPD患者的肺功能预测模型,通过比较不同机器学习模型的预测性能,找到最优的模型。方法 选取2018年1月至2020年2月南京医科大学附属苏州科技城医院不同患病程度的慢性阻塞性肺疾病(COPD)患者90例。利用6种机器学习算法(K-最近邻、逻辑回归、支持向量机、朴素贝叶斯、决策树和随机森林)建立预测分类模型,比较受试者工作特征曲线下面积(AUC-ROC)和准确性。采用10折交叉验证对数据集进行验证。结果 基于随机森林的模型相较于其他模型预测性能最佳,准确率达到0.844,AUC-ROC为0.916。结论 基于随机森林的预测模型能够辅助临床医生在难以给出确切诊断时提供决策支持。     

ICU患者肠内营养相关性腹泻风险预测模型的构建及验证

目的 探讨ICU患者肠内营养相关性腹泻（enteral nutrition-associated diarrhea,ENAD）的危险因素,基于随机森林算法,构建并验证风险预测模型。 方法 回顾性收集2017年8月—2021年5月在天津市某三级甲等医院ICU住院且行肠内营养的537例患者的资料,采用单因素分析、多重共线性分析、Logistic回归分析筛选ENAD的危险因素。再将数据按6：4的比例随机分为训练组和验证组。基于训练组数据,利用随机森林算法,建立ENAD风险预测模型,对危险因素的重要性进行排序,并绘制部分依赖图,分析危险因素的变化对ENAD发生风险的影响。对验证组数据进行混淆矩阵分析,采用准确率、灵敏度、特异度和受试者操作特征曲线下面积评价模型的预测效果。 结果 ENAD发生率为38.73%,经单因素分析、多重共线性分析、Logistic回归分析后初步确定9个危险因素,其中重要性排序前5位的危险因素为口服钾制剂天数、急性生理与慢性健康状况Ⅱ评分、平均每日肠内营养量、禁食天数、白蛋白浓度≤35 g/L。验证组中,风险预测模型的准确率76.27%,灵敏度70.73%,特异度79.70%,受试者操作特征曲线下面积为0.810（95%CI：0.638~0.827）。 结论 该风险预测模型的预测效能良好,可为护理人员制订个性化预防措施提供参考。     

基于CT平扫的影像组学模型鉴别肺炎性肌纤维母细胞瘤和周围型肺癌的研究

目的 探讨基于CT平扫的影像组学在鉴别肺炎性肌纤维母细胞瘤(IMT)和周围型肺癌(PLC)的价值.方法 回顾性收集经我院及外院手术后病理证实的72例肺IMT及79例PLC的资料.使用A.K(Artificial Intelligence Kit)软件从CT平扫图像中提取高通量数据,对其进行特征筛选及降维,去除了重复性差...     

Machine learning approach to predict acute kidney injury after liver surgery

BACKGROUNDAcute kidney injury (AKI) after surgery appears to increase the risk of death in patients with liver cancer. In recent years, machine learning algorithms have been shown to offer higher discriminative efficiency than classical statistical analysis.AIMTo develop prediction models for AKI after liver cancer resection using machine learning techniques.METHODSWe screened a total of 2450 patients who had undergone primary hepatocellular carcinoma resection at Changzheng Hospital, Shanghai City, China, from January 1, 2015 to August 31, 2020. The AKI definition used was consistent with the Kidney Disease: Improving Global Outcomes. We included in our analysis preoperative data such as demographic characteristics, laboratory findings, comorbidities, and medication, as well as perioperative data such as duration of surgery. Computerized algorithms used for model development included logistic regression (LR), support vector machine (SVM), random forest (RF), extreme gradient boosting (XGboost), and decision tree (DT). Feature importance was also ranked according to its contribution to model development.RESULTSAKI events occurred in 296 patients (12.1%) within 7 d after surgery. Among the original models based on machine learning techniques, the RF algorithm had optimal discrimination with an area under the curve value of 0.92, compared to 0.87 for XGBoost, 0.90 for DT, 0.90 for SVM, and 0.85 for LR. The RF algorithm also had the highest concordance-index (0.86) and the lowest Brier score (0.076). The variable that contributed the most in the RF algorithm was age, followed by cholesterol, and surgery time.CONCLUSIONMachine learning algorithms are highly effective in discriminating patients at high risk of developing AKI. The successful application of machine learning models may help guide clinical decisions and help improve the long-term prognosis of patients.     

心型脂肪酸结合蛋白在急性心肌梗死早期诊断中价值

目的探讨血浆心型脂肪酸结合蛋白(heart-type fatty acid-binding protein,H-FABP)对早期诊断急性心肌梗死(acute myocardial infarction,AMI)的意义。方法发病6h内以急性胸痛就诊的疑似AMI患者83例,根据出院诊断分为AMI组32例与非AMI组51例,非AMI组又分为不稳定型心绞痛33例(UAP组)与非心源性胸痛18例(NCCP组),选择体检健康者40名为对照组,采用ELISA法检测各组血清H-FABP水平,并与传统心肌标志物的诊断效能进行比较。结果 AMI组血清H-FABP水平明显高于非AMI组和对照组(P均<0.01);ROC曲线显示,H-FABP的AUC为0.954(95%CI:0.912～0.997),H-FABP诊断AMI的最佳截断值为6.65ng/mL;H-FABP诊断发病6h内AMI的敏感度、特异度、阴性预测值及准确率分别为90.26%,80.39%,93.18%,84.34%;敏感度、阴性预测值及准确率明显高于传统心肌标志物肌红蛋白、肌酸激酶同工酶和肌钙蛋白I(P<0.05)。结论 H-FABP对发病早期的AMI有较好诊断价值。     

急性心肌梗死患者院前延迟风险预测模型的构建及评价

目的 建立急性心肌梗死(acutemyocardialinfarction,AMI)患者院前延迟(pre-hospitaldelay time,PDT)风险预测模型,并评价模型的预测效能.方法 2019年1月至2020年12月,采用便利抽样法选取某院收治的AMI患者420例为研究对象,将其分为建模组(n=300)和验证...     

Development and verification of a predictive nomogram to evaluate the risk of complicating ventricular tachyarrhythmia after acute myocardial infarction during hospitalization: A retrospective analysis

PurposeThe purpose of this study was to establish a nomogram to predict the risk of complicating ventricular tachyarrhythmia (VTA) in patients with acute myocardial infarction (AMI) during hospitalization and to verify the accuracy of the model.Clinical information and methodThe authors enrolled the information of 503 patients who were diagnosed as AMI from January 2017 to December 2019. The cohort was randomly divided into a training set and a testing set at a ratio of 70%:30%. A total of 13 clinical indicators were screened by the least absolute shrinkage and selection operator (LASSO) regression and Boruta arithmetic independently in order to figure out the optimal feature variables. Multivariable logistic regression analysis was applied to establish the prediction model represented by a nomogram incorporating the selected feature variables. The performance of the nomogram was assessed by discrimination, calibration and clinical usefulness. C-Statistics with the area under the receiver operating characteristic curve (AUC), calibration curve and decision curve analysis were used to evaluate the identification ability, calibration and clinical practicability respectively. The prediction model was verified on the testing set to ensure its accuracy.ResultsFive feature variables as percutaneous coronary intervention (PCI) timing after hospitalization, ejection fraction (EF), high-sensitive troponin T (hsTnT) score, infection and estimated glomerular filtration rate (eGFR) were selected by both LASSO regression and Boruta arithmetic. C-statistics with AUC was 0.764 (95% confidence interval: 0.690–0.838) in the training set while a slight increasing to 0.804 (95% confidence interval: 0.673–0.935) in the testing set. Calibration curve illustrated that the predicted and actually diagnosis of VTA probabilities were satisfactory on both training set and testing validation. Decision curve analysis indicated that the nomogram can be used in clinical settings as it has a threshold of between 4% to 90% along with a net benefit.ConclusionThe nomogram with five variables is practical to clinicians in estimating the risk of complicating VTA after AMI during hospitalization.     

机器学习方法对前列腺癌的诊断价值

目的建立联合多参数MRI前列腺影像报告与数据系统(PI-RADS) v2.1评分及临床数据的决策树、K近邻、朴素贝叶斯、随机森林、支持向量机5种机器学习模型, 评价上述模型对前列腺癌的诊断价值。方法回顾性分析在本院接受MR检查并获得的病理结果的242例患者。将PI-RADS v2.1评分、年龄、总前列腺特异抗原、游离前列腺特异抗原、游离前列腺特异抗原比值、体积、前列腺特异抗原密度录入5种机器学习模型进行诊断。通过F1值及ROC曲线评价机器学习模型的诊断价值并且计算特征变量所占比重大小。结果随机森林模型诊断前列腺癌ROC的AUC最大(0.93), 决策树及朴素贝叶斯模型AUC也较高(0.86、0.87), 支持向量机最差(0.55);F1值最高的为随机森林模型, 其次依序为朴素贝叶斯、决策树、K近邻, 支持向量机模型最小。通过随机森林和决策树模型计算各特征变量重要性, PI-RADS评分均占比例最大, 其次为前列腺特异抗原密度、前列腺体积, 年龄对模型分类贡献最低。结论随机森林、朴素贝叶斯、决策树分类模型用于预测诊断前列腺癌具有更好的效果。随机森林方法在5种机器学习模型中最优, 且PI-RADS v2.1及前列腺密度变量的特征重要性表现更明显。      

外周血miR-155表达对急性心肌梗死患者术后发生左心室重构的预测效果

目的探讨外周血miR-155表达对急性心肌梗死(AMI)患者术后发生左心室重构(LVR)的预测效果。方法选择2019年1月至2020年1月在郑州人民医院行经皮冠状动脉介入术(PCI)的AMI患者142例,术后随访1年,根据复查时超声心动图结果分为LVR组、非LVR组。术后7 d采用实时荧光定量PCR法测定两组患者外周血中miR-155的相对表达量。根据miR-155检测结果分组,高于平均值为高表达组,低于平均值为低表达组。采用多因素Logistics回归分析AMI患者术后1年发生LVR的影响因素,绘制ROC曲线分析外周血miR-155对AMI患者术后发生LVR的预测价值。结果 142例患者中术后1年内发生LVR 33例,发生率为23.24%。LVR组外周血miR-155相对表达水平高于非LVR组(P <0.05)。miR-155高表达组LVR发生率高于miR-155低表达组(P <0.05)。外周血miR-155为AMI患者术后1年发生LVR的独立危险因素(OR=1.597,95%CI 0.866,2.943,P <0.05)。R OC曲线分析结果显示,外周血miR-...