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。     

外科危重患者术后转入ICU的时机与预后的相关性研究

目的探讨外科危重患者术后转入重症监护室（ICU）的时机对预后的影响。方法回顾性分析30例外科手术后转入ICU救治患者的临床资料，其中术后即时转入ICU的患者13例为治疗组；术后回普通病房，24h内转入ICU的患者17例为对照组。均采用机械通气、镇痛镇静、循环支持、控制感染、营养支持、抑酸、止血、利尿、床旁血液滤过等综合ICU治疗。比较两组患者的病死率、ICU居住时间、ICU总费用三项指标。结果对照组患者的病死率、ICU居住时间、ICU总费用三项指标均大于治疗组（P〈0．05）。结论危重患者术后早期ICU综合治疗能够降低病死率，缩短ICU居住时间，减少ICU总费用。     

基于机器学习与SHAP的全髋关节置换术患者下肢深静脉血栓可解释性预测模型构建研究

目的 本研究旨在构建预测全髋关节置换术(THA)患者下肢深静脉血栓(DVT)风险的机器学习模型,并利用shapley additive explanations(SHAP)方法分析影响DVT风险的关键因素。方法 回顾性分析2017年1月1日至2022年7月31日在温州市某医院接受THA患者的数据,按4∶1随机分为训练集和测试集。采用递归特征消除法及5折交叉验证选取最佳特征;运用6种机器学习算法开发预测模型,并用多种指标评估性能;SHAP方法用于对最优模型进行可解释性分析。结果 共416例THA患者纳入最终研究,其中训练集患者333例,测试集患者83例。XGBoost模型在测试集上表现最佳,其敏感度为0.817,特异度为0.783,F₁分数为0.860,ROC-AUC为0.800,Brier评分为0.106。SHAP摘要图显示,影响THA术后DVT发生的前5位最重要因素依次为年龄、胆固醇、术后卧床时间、纤维蛋白原、术前血浆D-二聚体浓度。SHAP值的特征依赖图显示,年龄、胆固醇、术后卧床时间以及纤维蛋白原对THA患者DVT的影响均呈现出复杂的非线性关系,其中年龄、术...     

外科危重患者术后转入ICU的时机与预后的相关性研究

目的探讨外科危重患者术后转入重症监护室(ICU)的时机对预后的影响。方法回顾性分析30例外科手术后转入ICU救治患者的临床资料,其中术后即时转入ICU的患者13例为治疗组;术后回普通病房,24h内转入ICU的患者17例为对照组。均采用机械通气、镇痛镇静、循环支持、控制感染、营养支持、抑酸、止血、利尿、床旁血液滤过等综合ICU治疗。比较两组患者的病死率、ICU居住时间、ICU总费用三项指标。结果对照组患者的病死率、ICU居住时间、ICU总费用三项指标均大于治疗组(P<0.05)。结论危重患者术后早期ICU综合治疗能够降低病死率,缩短ICU居住时间,减少ICU总费用。     

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。     

基于多因素布谷鸟算法的心力衰竭患者死亡率预测模型研究

目的 基于多因素布谷鸟算法建立心力衰竭患者死亡率预测模型(简称"多因素模型").方法 应用多因素布谷鸟算法预测心力衰竭患者死亡率,研究能够充分考虑影响心力衰竭患者死亡率的多种因素模型.结果 多因素模型的预测准确率非常高.结论 多因素模型用于心力衰竭患者的死亡率预测是可行的,值得推广应用.     

新生儿败血症休克预测模型的构建——1 695例患儿回顾性研究

目的 筛选新生儿发生败血症休克的危险因素,建立新生儿败血症休克临床预测模型。方法 选取2016年1月1日—2019年12月31日重庆医科大学7家附属医疗机构中患有败血症的新生儿,根据是否发生败血症休克分为研究组和对照组。采用单因素分析、LASSO和logistic回归分析筛选危险因素。采用logistic、极端梯度提升（XGBoost）、随机森林（RF）、分类回归树（CART）和人工神经网络（ANN）建立新生儿败血症休克预测模型,根据灵敏度、特异度、曲线下面积等指标评估模型性能。结果 本研究中,共有339名败血症新生儿发生败血症休克,1 356名败血症新生儿未发生败血症休克。单因素分析筛选出31项差异指标,多因素分析筛选出12项独立危险因素。测试集中,logistic、XGBoost、RF、CART、ANN模型的曲线下面积分别为0.856 (0.809～0.903),0.861 (0.819～0.904),0.880 (0.838～0.922),0.835 (0.790～0.881),0.808 (0.756～0.860)。结论 本文构建的五种预测模型相对稳定,其中,RF模型的预测性能最佳,能为新生儿败血症休克提供较好的预测。     

医患共同决策在ICU危重患者诊疗中的应用研究

目的 研究医患共同决策在医院ICU危重患者诊治中的应用及效果,为推进ICU工作的顺利开展提供参考.方法 选择2019年7月至2020年7月入住我院ICU的患者家属作为研究对象,共选取138位患者家属,依据随机数表法分为两组,每组69人.对照组进行常规医患沟通,研究组基于医患共同决策规范进行医患沟通.比较两组患者家属医患...     

ICU脑出血患者死亡的影响因素分析

目的 分析重症监护室(ICU)脑出血患者死亡的影响因素.方法 回顾性分析2019年2月至2020年2月我院ICU收治的60例脑出血患者的临床资料,根据预后分为院内病死组25例和院内存活35例.收集患者基本信息,分析ICU脑出血患者死亡的影响因素.结果 单因素分析显示,院内病死组的血肿体积＞50 mL占比、出血累计范围超...     

ICU患者中央导管相关血流感染风险预测模型的构建

目的构建中央导管相关血流感染(CLABSI)风险预测模型,为制定及时有效且针对性强的CLABSI防控措施提供依据支持。方法选择2014年7月-2015年6月期间徐州地区综合重症监护病房(ICU)留置中心静脉导管的患者为研究对象,建立ICU患者CLABSI医院感染风险预测模型。结果共1 276例留置中心静脉导管的ICU患者纳入研究,总置管天数为43 993天,导管使用率为46.69%,发生CLABSI的患者为89例,CLABSI感染发生率为6.97%,千日感染率为2.02/千导管日;多因素Logistic分析结果显示,抗菌药物的使用、基础疾病类型、导管类型、股静脉穿刺、置管天数为ICU患者发生CLABSI的独立影响因素(P0.05);预测模型判别敏感度82.05%,特异度69.25%,模型ROC的AUC为0.804(95%CI:0.764~0.844)。结论本研究建立的Logistic回归风险预测模型对ICU患者CLABSI的发生风险预测拟合度较好,能够针对CLABSI进行事前监测,为及时有效地制定相关防控措施提供依据支持,保障患者安全,节约医疗成本,避免医疗资源的浪费。     

2型糖尿病视网膜病变临床预测模型的构建与评价

目的 构建糖尿病视网膜病变预测模型并进行验证,为糖尿病视网膜病变的筛查和治疗提供依据。方法 于2016年3月—2021年6月,选取石家庄市第二医院5 900例2型糖尿病患者为研究对象。收集患者基本信息、体格检查和实验室检查资料,将数据集按7∶3随机分为训练集和验证集。采用SPSS 22.0软件进行t检验、χ²检验和秩和检验。使用R 4.1.2进行最大相关-最小冗余算法及随机森林算法筛选最优单因素子集,将筛选出的变量集引入logistic回归分析,并以此建立糖尿病视网膜病变列线图预测模型;使用Bootstrap自抽法进行内部验证,验证集进行外部验证。通过C指数和受试者工作特征曲线评价模型区分度,绘制Calibration校正曲线并进行Hosmer-Lemeshow检验评估模型一致性,通过决策曲线分析评估模型临床有效性。结果 5 900例2型糖尿病患者中,糖尿病视网膜病变904例,占15.32%。列线图包括糖化白蛋白、乳酸脱氢酶、腰围、糖尿病病程、糖尿病神经病变、糖尿病肾病和降糖药物使用情况7个变量。经验证,该模型具有中等预测能力,训练集C指数为0.816(95%CI...     

基于大数据平台的糖尿病视网膜病变预测模型的建立及验证

目的建立简易的预测模型并验证其有效性,以预测糖尿病视网膜病变的发生风险,从而减少不良结局的发生。方法在医疗大数据平台筛选导出2010年1月1日—2016年12月31日出院诊断为2型糖尿病的病例,根据是否患视网膜病变分为DR组和NDR组。采用SPSS 22.0软件进行组间比较、影响因素分析并建立预测模型,采用Medcalc软件绘制受试者工作曲线。结果 DR组和NDR组患者的性别、年龄、吸烟、饮酒、既往疾病史、既往手术史、糖尿病家族史、糖尿病病程和高血压史差异有统计学意义(P0.05);饮酒、既往疾病史、糖尿病病程和高血压史是DR发生的主要影响因素。据此建立预测模型的ROC曲线下面积为0.837,临界值为0.210 7,敏感度为88.80%,特异度为61.82%。结论预测模型具有中等程度的预测价值,对糖尿病视网膜病变早期诊断具有一定的预测价值。加强糖尿病患者血压监控,限制饮酒甚至戒酒,制定科学的干预措施,有助于减轻患者视力损伤,提高患者的生活质量。     

基于卷积神经网络的脑年龄预测模型研究综述

介绍了基于卷积神经网络(convolutional neural network,CNN)的脑年龄预测模型在二维切片、三维图像块和三维全脑图像3个方面的一些典型研究成果.分析了脑年龄预测在数据集和模型方面存在的不足,并提出了未来的发展方向.指出了基于CNN的脑年龄预测模型有望应用于神经退行性疾病的个性化诊断和治疗,具有...     

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...     

揭秘重症监护室系列 危重患者的生命线——中心静脉导管

重症监护室又名ICU,足英文intensive care unit的缩写,足指运用各种先进的医疗技术、现代化的监护和抢救设备,对各类危重病患者实施精心监测和精确治疗的单位。原则上,雨症监护室只允许亲属探视,不允许患者家橇陪护,因此,发生在重症监护室里命悬一线的瞬间便成了局外人的不解之谜。今天,由重症监护率的医生执笔,为读者们还原一个真实的ICU。     

重症监护室危重患者床头信息便签的设计和应用

重症监护室（ICU）是集中收治危重症患者的场所。ICU护理交接是将危重患者的病情及应注意的问题向下一班报告,便于医护人员全面系统了解患者信息,及时提供全方位服务,体现护理工作的连续性^[1]。为了提高交接班质量,降低医疗投诉,我们于2011年1月自行设计了一款信息便签,经7个月的临床实践,效果显著,现报告如下。     

飞行检查对危重新生儿医院感染的预防控制效果研究

目的探讨飞行检查对住院危重新生儿医院感染的预防控制效果。方法对医院2012年1月-2015年12月新生儿重症监护室(NICU)实施飞行检查预防控制管理医院感染,2008年1月-2011年12月为未实施阶段;比较实施飞行检查前后医院感染率,手卫生依从率、洗手正确率、手卫生知识知晓率、医院感染知识知晓率,环境卫生抽查监测合格率和医务人员手监测合格率;医院感染患儿进行病原菌检测。结果飞行检查实施前NICU入住患儿共4588例,医院感染202例,感染率为4.40%;飞行检查实施后NICU入住患儿共5754例,医院感染160例,感染率为2.78%;飞行检查实施后NICU医院感染率显著低于实施前(P<0.05);飞行检查实施前202例医院感染患儿,共检出257例病原菌,其中革兰阳性菌106株,占41.25%,革兰阴性菌141株,占54.86%,真菌10株,占3.89%;飞行检查实施后160例医院感染患儿,共检出199例病原菌,其中革兰阳性菌80株,占40.20%,革兰阴性菌111株,占55.78%,真菌8株,占4.02%,实施前后,医院感染病原菌构成比较差异无统计学意义;与飞行检查实施前相比,飞行检查实施后手卫生依从率、洗手正确率、手卫生知识知晓率、医院感染知识知晓率,环境卫生抽查监测合格率和医务人员手监测合格率均显著提高(P<0.05)。结论飞行检查方法用于住院危重症新生儿医院感染的预防控制管理,有助于提高医护人员手卫生状况和相关知识知晓率,从而降低医院感染的发生率。     

ICU患者再喂养综合征风险预测模型的研究进展

再喂养综合征(refeeding syndrome, RFS)在重症患者中发生率较高,严重影响患者的康复和预后。通过对再喂养综合征的风险因素和风险预测模型进行综述,发现其风险因素包括患者相关因素、治疗相关因素和疾病相关因素三个方面;风险预测模型包括风险分层模型、风险评分模型和Logistic回归模型。预防RFS的发生重点在于早期评估,但目前尚缺乏预测效能良好的RFS风险预测模型。关注营养和血清学指标等多方面因素对RFS的预防有着重要意义,未来需开展前瞻性、多中心研究,以构建预测效能良好的ICU患者RFS风险预测模型,为RFS高危人群的早期评估和早期干预提供参考。     

孤独症谱系障碍儿童合并智力功能缺陷的GBM预测模型构建与评价

目的 构建并评价孤独症谱系障碍(ASD)儿童合并智力功能缺陷的GBM预测模型,以期为该群体的早期筛查提供新视角。方法 2017年1月—2021年12月,选取浙江大学医学院附属儿童医院明确诊断为ASD的241名儿童纳入分析。本研究使用社会人口学与行为观察数据训练了GBM的预测模型,并与传统的Logistic回归(LR)对比。超参数调整使用网格搜索与十折交叉验证,特征选择使用交叉验证的LASSO方法,模型性能评价使用区分度与校准度。可解释性分析采用SHAP方法。结果 在241例ASD儿童中,98例(40.66%)合并智力功能缺陷。LASSO特征选择筛选出语言能力、母亲学历、行为观察时的年龄、刻板语言、指物和(或)姿势、主动表达社交意向的品质、不寻常感官兴趣、重复行为或刻板兴趣共计8个预测变量。特征选择前后的LR和GBM模型都能较好区分ASD儿童是否合并智力功能缺陷。特征选择后的GBM模型曲线下面积(AUC)(0.870, 95%CI:0.749～0.989)与传统LR(0.851, 95%CI:0.704～0.921)接近;校准度方面,除全变量的LR校准度较差,其他模型均观测到了较好的校准...     

随机森林算法和logistic回归在预测巨大儿发病风险中的应用研究

目的 基于一项队列研究构建巨大儿发病风险预测模型,并对结果进行分析比较.方法 通过调查问卷、体格检查等方式,收集中国孕产妇队列研究·协和项目中孕妇的人口学信息和临床资料,并随访获取新生儿出生体重等信息.按3:1比例,划分数据集为训练集和测试集,分别运用多因素logistic回归(LR)和随机森林算法(RF)在训练集中构...