特征选择技术在江西地区缺血性脑卒中合并肺部感染风险预测模型中的应用

目的 采用不同特征选择技术构建基于机器学习的预测模型，探讨江西地区缺血性脑卒中患者发生肺部感染的风险因素，为江西地区缺血性脑卒中合并肺部感染的控制和预防提供参考。方法 分别采用互信息、Lasso回归、决策树对特征进行筛选，比较XGboost、SVM、随机森林、MLP、logistic回归在缺血性脑卒中合并肺部感染模型中的效果。结果 Lasso回归优于其他两种特征选择方法，筛选的侵入性操作、NIHSS评分、中性粒细胞计数等15个特征纳入最终模型，与其他分类算法相比，MLP分类性能最好，AUC与约登指数分别是0.8740（95%CI:0.8694～0.8804）和0.6267。结论 Lasso回归可以限制多重共线性带来的影响，并输出高风险因素，结合MLP分类算法，能够较好的预测缺血性脑卒中患者是否会发生肺部感染，为其精准防控提供借鉴，具有一定的临床实践意义。     

重采样技术在中老年居民糖尿病不平衡数据分类中的应用

目的 利用重采样技术提高我国中老年居民糖尿病不平衡数据的分类预测效果。方法 采用随机欠采样、随机过采样、合成少数类过采样(synthetic minority oversampling technique, SMOTE)以及自适应合成抽样(adaptive synthetic sampling, ADASYN)四种重采样技术处理CHARLS数据库中糖尿病不平衡数据,比较重采样前后logistic回归、支持向量机、随机森林的分类性能,采用G-means和AUC评价模型的预测效果。结果 对CHARLS糖尿病不平衡数据集,logistic回归、支持向量机、随机森林模型的G-means分别为0.222 7、0、0,AUC分别为0.761 2、0.736 3、0.742 9,logistic回归模型显著优于支持向量机,模型准确率(χ²=1 231.501,P<0.001)及AUC值(Z=2.634, P=0.028)的差异均具有统计学意义。四种重采样技术处理后模型的G-means均提高,特别是SMOTE和ADASYN技术;此外,随机欠采样不能显著提高logistic回...     

基于ElasticNet和贝叶斯网络模型的肝硬化并发肝性脑病相关因素分析

目的 构建肝硬化并发肝性脑病相关因素的贝叶斯网络模型，探索肝硬化并发肝性脑病及其相关因素间的网络关系，通过网络推理反映各因素对肝硬化并发肝性脑病的影响强度。 方法 采用ElasticNet方法对某三甲医院消化内科950例肝硬化住院患者的临床数据集进行变量初筛，再以MMHC混合算法构建贝叶斯网络，参数估计采用极大似然估计。 结果 经ElasticNet特征筛选后11个变量最终进入模型；MMHC算法所构建的肝硬化并发肝性脑病贝叶斯网络模型显示:肝肾综合征、电解质紊乱和精神萎靡与HE直接相关，其中肝肾综合征和电解质紊乱是肝性脑病的父节点，精神萎靡为肝性脑病的子节点，即肝肾综合征和电解质紊乱与肝性脑病的发生有关，而肝性脑病会影响肝硬化患者的精神状态；感染是肝性脑病的间接相关因素，通过影响肝肾功能间接诱发肝性脑病。 结论 贝叶斯网络能很好的揭示肝硬化并发肝性脑病及其相关因素之间的复杂网络联系，进而有针对性的对肝硬化并发肝性脑病进行预防控制，在分析相关因素上具有更好的应用前景。     

基于重采样和集成学习的弥漫大B细胞淋巴瘤患者复发风险预测模型

目的对某肿瘤医院血液科2011-2015年283名弥漫大B细胞淋巴瘤患者进行达到完全缓解后三年内的复发风险预测,为患者三年内的复发情况提供参考。方法用logistic回归进行复发影响因素分析。采用重采样(包括SMOTE等三种方法)处理不平衡数据,同时基于boosting集成分别构建C5.0决策树、SVM和logistic回归复发风险预测模型。结果由logistic回归可知,Ki-67(P=0.006,OR=1.826)、LDH是否升高(P=0.012,OR=2.084)、原发纵膈肿物(P=0.033,OR=0.333)及疾病等级(P=0.001,OR=1.605)是弥漫性大B细胞淋巴瘤患者三年复发的重要影响因素。通过将训练集与测试集回代对各种模型性能进行评价,并用五种评价指标的比较模型性能可知,集成模型均优于其对应的单个学习器;平衡后数据构建模型性能均优于未平衡数据构建模型,其中SMOTE最优;在测试集验证的模型中,经过SMOTE平衡数据构建SVMBOOST集成模型(准确率=0.93,F值=0.94,AUC=0.93,Rmse=0.26,G-mean=0.93,灵敏度=0.97)和C5.0BOOST模型(准确率=0.94,F值=0.95,AUC=0.94,RMSE=0.24,G-mean=0.94,灵敏度=0.94),均有较优的表现。结论基于重采样和集成学习构建的经过SMOTE平衡后SVMBOOST模型达到预期效果。     

随机森林模型和决策树模型在肝硬化上消化道出血预后中的应用

目的探讨随机森林模型和决策树模型在肝硬化并发上消化道出血患者预后评估中的应用。方法利用logistic回归方法从肝硬化住院患者病历资料中筛选出与并发上消化道出血有关联的变量;以筛选出的变量作为输入变量,以是否出血作为结局变量,分别建立随机森林、决策树和传统logistic回归模型,通过受试者工作特征曲线(ROC)来评价三种模型的性能。结果 logistic回归、决策树和随机森林模型在测试集中的准确率分别为81.5%、75.1%和88.9%,三种模型的ROC曲线下面积(AUC)分别为0.854、0.720和0.909;在随机森林模型的变量重要性评分中,血糖、胆固醇、血清钾、总蛋白、碱性磷酸酶、尿素氮等指标得分较高,提示这些指标或有临床意义。结论随机森林模型在肝硬化上消化道出血患者的预后评估中具有较高的应用价值。     

肝硬化并发肝性脑病患者载脂蛋白A1、B的检测以及临床意义

目的评价对肝硬化并发肝性脑病患者进行载脂蛋白A1(ApoA1)、B(ApoB)检测的临床价值与意义。方法分别检测45例肝硬化患者、20例肝硬化并发肝性脑病患者及50例健康体检者的ApoA1、ApoB,比较3组受检者的检测结果;对肝硬化并发肝性脑病患者治疗前后ApoA1、B检测结果进行对比分析。结果单纯肝硬化患者组及肝硬化并发肝性脑病患者组较健康体检者组、肝硬化并发肝性脑病患者组较单纯肝硬化患者组,ApoA1、B均有所下降,且差异有统计学意义(P≤0.05);14例好转肝硬化并发肝性脑病患者治疗后ApoA1较治疗前上升,且差异有统计学意义(P≤0.05);ApoB较治疗前虽有上升,但差异无统计学意义(P﹥0.05)。结论 ApoA1、B能够反映受检者肝功能及肝损伤的严重程度,并对肝硬化并发肝性脑病患者的预后及转归具有指导意义。     

载脂蛋白A1、B检测在肝硬化并发肝性脑病预后判断中的意义

目的探讨载脂蛋白A1、B(Apo A1、Apo B)在肝硬化并发肝性脑病时的变化及其动态检测的意义。方法检测128例肝硬化组患者,健康体检组96例的Apo A1、Apo B。比较肝硬化组与健康体检组、肝硬化并发肝性脑病组与未并发肝性脑病组Apo A1、Apo B的变化。对27例并发肝性脑病的肝硬化患者治疗2周后行治疗前后Apo A1、Apo B的配对分析。结果肝硬化患者与健康体检组、肝硬化并发肝性脑病与未并发肝性脑病组比较,Apo A1、Apo B均下降,其差别有统计学意义(P<0.01及P<0.01,P<0.01及P<0.05)。27例并发肝性脑病的肝硬化患者治疗2周后好转者Ap0 A1上升(P<0.01),恶化者下降(P<0.05);Apo B治疗前后差异无统计学意义。结论(1)Apo A1、Apo B的降低同肝硬化肝功能受损相关。(2)并发肝性脑病(HE)时肝功能损害加重Apo A1、Apo B进一步下降。测定Apo A1、Apo B能初步反映HE时肝功能受损的情况。(3)Apo A1和Apo B动态检测有助于判断肝性脑病患者预后,以Apo A1更为敏感,与临床相结合有助于对肝性脑病的诊断及治疗。     

血清载脂蛋白AI和B对肝硬化合并肝性脑病的检测价值

目的对肝硬化并发肝性脑病患者的载脂蛋白AI、B的临床检测意义进行探讨、分析。方法对65例肝硬化患者（观察组）（其中19例并发肝性脑病）以及65例健康人（对照组）的血液样本进行对比分析。结果观察组的血清载脂蛋白AI、B水平均比对照组明显降低（P〈0.01）;并发肝性脑病的患者血清载脂蛋白AI、B水平及白蛋白水平明显降低（P〈0.05）;19例并发肝性脑病病情好转患者血清载脂蛋白AI上升明显（P〈0.01）,病情恶化血清载脂蛋白AI明显下降（P〈0.05）,治疗前后血清载脂蛋白B水平差异无统计学意义。结论对血清载脂蛋白AI、B进行动态检测可以帮助预测肝硬化并肝性脑病患者预后,结合临床判断提高治疗的针对性,使疗效进一步提升。     

乙肝后肝硬化患者死亡概率预测模型建立与评价

目的建立和验证预测乙肝后肝硬化患者死亡概率的数学模型,为肝硬化患者选择适宜的治疗方案及合理分配肝移植的肝源提供参考依据。方法收集中南大学湘雅附属第一、二、三医院2000年11月—2012年11月收治的1 386例住院乙肝后肝硬化患者的临床记录和随访资料,应用logistic回归分析方法筛选变量建立患者入院后死亡预测数学模型,并运用受试工作者曲线(ROC)及儿童-特科特-pugh分级(CTP)评分、终末期肝病模型(MELD)评分比较其预测效率。结果经多因素logistic回归分析,凝血酶原时间国际标准化比值(INR)、血清钠(Na)、总胆红素(TBIL)、血清肌酐(CRE)、脾厚度、上消化道出血和肝性脑病等7个指标进入回归方程,对乙肝后肝硬化患者死亡预测的敏感度为91.5%,特异度为92.4%,正确指数为0.839,阳性预测值为84.6%,阴性预测值为96.0%,阳性似然比为12.04,阴性似然比为0.09;患者入院3个月时CTP评分、MELD评分、logistic回归模型ROC的曲线下面积(AUG)及其95%CI分别为0.786(0.762~0.789)、0.825(0.794~0.864)、0.912(0.875~0.931),3种评分方法的AUG差异有统计学意义(Z=2.16,P=0.015)。结论 logistic回归模型能较好判断乙肝后肝硬化患者的短期存活或死亡概率,具有较强的诊断准确度和预后评估价值。     

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。     

基于机器学习方法构建缺血性卒中患者发生院内消化道出血的预测模型

目的 分析缺血性卒中患者(ischemic stroke, IS)在住院期间消化道出血(gastrointestinal bleeding, GIB)的发生情况,基于机器学习(machine learning, ML)方法构建缺血性卒中患者发生消化道出血的风险预测模型。方法 以中国卒中中心联盟数据库中新发缺血性卒中患者为研究对象,使用随机欠采样方法处理非平衡数据集,并使用logistic回归、支持向量机(support vector machine, SVM)以及三种集成学习模型随机森林(random forest)、XGBoost和CatBoost来构建预测模型,使用AUC、灵敏度、特异度和Brier分数等指标评价模型预测性能。结果 共纳入737786例新发缺血性卒中患者,发生消化道出血5373例(0.73%)。logistic回归、SVM、Random Forest、XGBoost和CatBoost的AUC分别为0.824±0.000、0.672±0.000、0.828±0.000、0.830±0.000、0.830±0.000,Random Forest、XGBoost和CatB...     

肝硬化并发肝性脑病的护理

目的探讨肝硬化并发肝性脑病的有效护理措施。方法对68例肝硬化并发肝性脑病患者的临床资料进行回顾性分析。结果58例患者抢救护理成功,10例死亡。结论肝性脑病是肝硬化最严重的并发症,也是最常见的死亡原因,这需要护士掌握相当全面的医护理论知识及临床技能才能准确、及时地护理好患者,保证患者的安全。     

肝硬化患者肝性脑病的发生率与终末期肝病模型评分分析

目的评估肝硬化患者肝性脑病发生率与终末期肝病模型（MELD）评分的关系。方法对120例失代偿期肝硬化患者进行MELD评分,并观察患者肝眭脑病的发生情况。结果120例失代偿期肝硬化患者中发生肝性脑病53例,发生率为44．17％（53／120）。肝性脑病患者MELD评分为（21．69±9．22）分,非肝性脑病患者MELD评分为（9．32±4．63）分,两者比较差异有统计学意义（P〈0．05）。肝性脑病发生率随MELD评分的增高而增加（P〈0．01）。MELD评分预测患者发生肝性脑病的最佳临界值是14．13分（敏感度86．05％,特异度88．37％）,MELD评分≥14．13分患者3个月内肝性脑病发生率显著高于MELD评分〈14．13分患者[63．16％（48／76）比11．36％（5144）],差异有统计学意义（χ2=30．32,P〈0．01）。结论MELD评分有助于预测失代偿期肝硬化患者肝性脑病的发生率。     

基于平均影响值的SVM在遗传数据疾病分类和特征提取中的应用

目的探讨基于平均影响值(MIV)的支持向量机(SVM)在遗传数据疾病分类预测和变量筛选中的应用,为遗传数据的疾病分类与特征提取方面提供方法学参考。方法以GAW18(genetic analysis workshop 18)数据为例,采用基于MIV的SVM建立预测模型,并和logistic回归模型、SVM、多层感知机和决策树分类模型进行比较分析,评价基于MIV的SVM预测分类和变量筛选效果。结果经过平均影响值的支持向量机算法处理后,六个SNPs位点(13_28567172、3_127394820、1_1658093、9_123969834、1_174996637、17_17498492)组合的变量子集,获得78.125%的分类准确率,明显优于其他分类模型。结论基于MIV的SVM能比较有效的在实现遗传数据变量筛选的同时提高分类预测能力,避免了变量间的交互作用,为探索各种疾病发病机制和寻找易感SNPs位点提供线索,具有一定的研究和应用价值。     

支持向量机原理及其在医学分类中的应用

目的 介绍一种具有较高精度的分类模型--支持向量机在解决分类问题时的应用.方法 以胃癌流行病学调查资料为例分别建立支持向量机、决策树、logistic 回归模型,比较三种模型性能优劣.结果 对于测试集样本SVM预测精度为99.052%,C5.0决策树预测精度为93.365%,logistic 回归预测精度为90.995%,SVM具有良好的泛化能力.结论 当传统统计分析条件不能得到满足或效果不佳时支持向量机能够达到良好的预测结果,在医学领域具有较好的应用前景.     

肝硬化患者并发上消化道出血的风险因素及预后因素分析

目的探讨肝硬化患者并发上消化道出血的风险因素及预后因素。方法收集2016年1月-2018年5月韶关市粤北第二人民医院感染科收治的肝硬化并发上消化道出血的患者120例作为观察组,并收集同期未发生上消化道出血的肝硬化患者120作为对照组。收集两组患者的基本信息、实验室检查结果及胃镜检查结果等。对于观察组患者,采取药物治疗和内镜止血,记录患者生存情况。结果观察组患者的Child-Pugh评分、PT、脾脏厚度、胃左静脉内径、门静脉内径、以及食管静脉曲张程度显著高于对照组,血清白蛋白显著低于对照组,差异具有统计学意义(P0.05)。多因素分析表明,白蛋白≤33.0 g/L、PT16 s、脾脏厚度40.00 mm、门静脉内径13 mm以及中度以上食管静脉曲张均为肝硬化患者并发上消化道出血的独立风险因素(P0.05)。观察组患者在给与治疗一月后,死亡总人数为14例,存活人数106例。死亡组入院前呕吐鲜血以及治疗过程并发肝性脑病的例数显著高于存活组,差异具有统计学意义(P0.05)。多因素分析表明,入院前呕吐鲜血和治疗过程并发肝性脑病均为肝硬化患者并发上消化道出血的预后风险因素(P0.05)。结论白蛋白≤33.0g/L、PT16 s、脾脏厚度40.00 mm、门静脉内径13 mm以及中度以上食管静脉曲张均为肝硬化患者并发上消化道出血的独立风险因素,而入院前呕吐鲜血和治疗过程并发肝性脑病均为肝硬化患者并发上消化道出血的预后风险因素。     

基于多核学习的弥漫大B细胞淋巴瘤早期复发的精准预测北大核心CSCD

目的对山西省某三甲医院2011-2017年间血液科新诊断的弥漫大B细胞淋巴瘤患者(diffuse large B-cell lymphoma,DLBCL)是否实现两年无事件生存,即DLBLC患者早期复发的预测。方法根据无事件生存期,将患者分成早期复发和非早期复发,并以此为标签构建分类模型。首先对数据进行了归一化处理,然后用LASSO进行了特征选择,因数据类别不平衡,分别采用了SMOTE(synthetic minority over-sampling technique)、Borderline-1 SMOTE、Borderline-2 SMOTE与ADASYN(adaptive synthetic sampling)四种方法平衡数据,之后构建了基于支持向量机的多核模型作为最终的分类器,并与AdaBoost、随机森林和以高斯核、多项式核为内核的单核支持向量机进行比较,最终实现对新诊断病例早期复发的预测。结果在本文所有模型中,采用LASSO加Borderline-1 SMOTE的多核模型(accuracy=0.87,precision=0.87,recall=0.87,f1=0.87,AUC=0.87)取得了最优的分类性能。采用SMOTE的随机森林模型(accuracy=0.84,precision=0.85,recall=0.87,f1=0.79,AUC=0.83)、Borderline-2 SMOTE的随机森林(accuracy=0.84,precision=0.85,recall=0.87,f1=0.79,AUC=0.83)两种集成模型的分类性能也较好,但都低于多核支持向量机模型。两种单核支持向量机性能较差。结论本文构建的所有模型中,经过LASSO和Borderline-1 SMOTE重采样的多核支持向量机性能最优,可为DLBCL早期复发预测提供参考。     

肝硬化并发肝性脑病的危险因素及预后分析

目的分析肝硬化患者并发肝性脑病的相关危险因素及预后。方法选取我院2013年1月至2015年12月收治的83例单纯肝硬化患者作为对照组,选取同期76例肝硬化并发肝性脑病患者作为研究组,收集可能导致肝性脑病的临床资料,分析肝硬化患者并发肝性脑病的危险因素及预后。结果研究组的血氨(AM)、血糖、谷丙转氨酶(ALT)、血清总胆红素(TBIL)、血尿素氮(BUN)、血肌酐(SCr)和凝血酶原时间(PT)水平均高于对照组(P<0.05)。研究组的感染、上消化道出血和腹水发生率均高于照组(P<0.05),而血钠(Na+)和血清白蛋白(ALB)水平均低于照组(P<0.05)。研究组预后良好率为63.16%,低于对照组的83.13%(P<0.05)。结论针对肝性脑病发生的危险因素对患者进行提前干预,可预防肝性脑病,改善预后。     

肝硬化并发肝性脑病患者血清S100B检测的临床价值

目的:探讨肝硬化肝性脑病患者血清S100B检测的临床价值。方法:收集35例正常健康体检志愿者(对照组),105例就诊我院的肝硬化患者(病例组),对所有入选者均进行血清S100B检测,另病例组均进行血氨、肝功能、电解质以及凝血功能测定,检测血清S100B采用酶联免疫法,并对观察值进行统计学处理。结果:1.肝硬化合并肝性脑病组血清S100B含量较肝硬化非肝性脑病及正常对照组明显增高,具有极显著差异(P0.01);29例入院时已经确诊为肝性脑病的患者,经谷氨酸钠、精氨酸、甘露醇或保留灌肠等治疗后,肝性脑病病情控制,第7天复查血清S100B,较治疗前明显减低,且治疗前后比较有显著差异(P0.05);观察15例肝性脑病合并低钠血症组血清S100B值,并与单纯肝性脑病及单纯低钠血症比较,混合组血清S100B值明显高于另外两组,有显著差异(P0.05)。2.所有肝硬化并发肝性脑病患者经ch ild-pugh分级并与患者血清S100B值进行相关分析,发现两者高度正相关(相关系数为r=0.898)。3.对所有肝硬化患者根据血清S100B值进行分组,S100B高值组患者肝性脑病的发病率高于低值组(P0.05);对入院时肝硬化非肝性脑病患者根据血清S100B值进行分组,S100B高值组入院后进展为肝性脑病发生率高于低值组(P0.05)。结论:血清S100B的测定有助于肝性脑病的诊断和脑实质损害情况的判断,在临床上对病情的估计、预后的判断和及时采取有效治疗措施有一定的帮助作用。     

肝性脑病患者血清神经元特异性烯醇化酶测定及意义

目的 :研究神经元特异性烯醇化酶 (neuron -specificenolase ,NSE)在肝性脑病时的意义。方法 :以ELISA法对46例肝性脑病患者的血清NSE水平进行了检测 ,并对不同肝病组、不同昏迷程度组的NSE进行比较分析。结果 :肝性脑病组NSE(46 .0 38± 2 4.2 6 0 ) μg/L显著高于慢性肝炎组 (12 .12 7± 5 .6 73) μg/L及对照组 (10 .196± 3.2 37)μg/L ;肝硬化、亚急性重肝、急性重肝引起的肝性脑病患者血清NSE水平依次增高 (P <0 .0 5 ) ;肝性脑病四期患者NSE水平显著高于一、二期患者。结论 :肝性脑病患者血清NSE水平显著升高 ,肝硬化、亚重肝、急性重肝引起的肝性脑病患者NSE依次增高 :昏迷程度重者 ,NSE水平较高。