机器学习方法在因果推断中混杂因素控制的应用

介绍医学研究中混杂因素对因果推断的影响及常见混杂因素识别方法,梳理机器学习方法在因果推断中控制混杂因素的应用,讨论应用机器学习方法在混杂因素控制中面临的机遇和挑战。     

基于机器学习的儿科急诊患者候诊时间预测及关联分析研究

以首都儿科研究所附属儿童医院急诊患者就诊数据为基础,设计并提取19个就诊时间相关变量,构建6种不同的机器学习模型,用于儿科急诊就诊患者候诊时间预测,经检验预测模型表现良好。本研究有助于医院动态分配医疗资源,缓解急诊科拥挤程度,提高患者就诊满意度。     

药物疾病语义关系语料库构建方法研究

以BioCreative V CDR语料库为例,选定现有的领域标注体系作为参照,通过数据质量控制工作流,采用半自动化标注方法实现药物疾病语义关系语料库的标准化构建,总结该语料库的质量及其应用。     

厚朴超临界CO_2提取工艺优化及提取物抗氧化活性研究

目的优选超临界CO_2提取厚朴有效成分的工艺并探讨厚朴超临界CO_2提取物的抗氧化活性。方法采用HPLC法测定厚朴超临界CO_2提取物中厚朴酚与和厚朴酚的含量,正交试验优选厚朴超临界CO_2提取工艺,MTT法检测提取物抗氧化活性。结果厚朴酚优化工艺为萃取压力25 MPa,萃取温度55℃,CO_2用量30 kg;和厚朴酚最佳提取工艺压力15 MPa、萃取温度50℃、CO_2用量25 kg。厚朴超临界CO_2提取物具有抗氧化活性,且分离参数不同,抗氧化活性有显著差异。结论在所优选的提取工艺条件下,厚朴酚、和厚朴酚的提取效率较高,重复性较好,工艺稳定可行,提取物具有良好的抗氧化活性。     

国医大师卢芳治疗自身免疫性疾病经验

介绍国医大师卢芳诊治自身免疫性疾病的治则、观点、临床经验,及中医药在自身免疫性疾病治疗中的研究.卢老治疗此类疾病,遵循辨病与辨证"双辨相结合"的总原则,认为这一类疾病的癥结为"热、毒、血瘀",并自拟验方抑免汤治疗.本文将从辨病到辨证,审症到诊断,立法到组方,方义到个药,宏观到微观,介绍并阐释中医药治疗自身免疫性疾病作用...     

经颅直流电刺激联合镜像神经元康复训练系统治疗颅脑损伤后青年抑郁患者的疗效

目的观察经颅直流电刺激联合镜像神经元康复训练系统治疗颅脑损伤后青年抑郁患者的疗效。方法选取2019-02—2020-03于甘肃省康复中心医院神经康复科住院的颅脑损伤后青年抑郁患者51例,按照随机数表分为2组,观察组26例在常规康复训练的基础上接受经颅直流电刺激(tDCS)联合镜像神经元康复训练系统(MNST-V1.0)治疗,对照组25例在常规康复训练的基础上接受经颅直流电刺激(tDCS)治疗。分别于治疗前和治疗4周后采用汉密尔顿抑郁量表(HAMD)、抑郁自评量表(SDS)、贝克抑郁量表(BDI)、改良Barthel指数(MBI)对2组疗效进行评估。结果观察组和对照组治疗4周后HAMD、SDS、BDI及MBI评分均较治疗前明显改善,差异有统计学意义(P0.05)。2组治疗前HAMD、SDS、BDI及MBI评分比较,差异无统计学意义(P0.05),但治疗4周后观察组HAMD(11.4±5.3)分、SDS(42.1±6.5)分、BDI(10.7±3.9)分及MBI(75.15±12.91)分均较对照组明显改善,差异有统计学意义(P0.05)。结论经颅直流电刺激联合镜像神经元康复训练系统对颅脑损伤后青年抑郁患者的疗效显著。     

基于机器学习算法的脑出血相关肺炎预测模型研究

目的 建立基于机器学习的脑出血相关肺炎预测模型。 方法 选择中国国家卒中登记Ⅱ（China National Stoke Registry Ⅱ,CNSRⅡ）数据库中发病7 d内的急 性脑出血住院患者为研究对象,登记时间为2012年5月-2013年1月,研究覆盖我国219家医院。研究对 象按照8∶2比例随机分为训练集和测试集。采用多因素Logistic回归分析,筛选出候选预测因子。应用 基于机器学习的Logistic回归、CatBoost、XGBoost和LightGBM算法构建诊断预测模型,比较4种方法构建 的模型对脑出血相关肺炎的预测诊断价值。 结果 本研究共筛选2303例患者,平均年龄62.1±12.7岁,其中男性占62.1%。患者随机分为训 练集（n =1841）和测试集（n =462）,两组脑出血相关肺炎发生率分别为15.6%和15.8%（χ 2=0.007, P =0.934）。根据多因素Logistic回归分析,候选预测因子为年龄（OR 1.03,95%CI 1.02～1.04）、NIHSS 评分（OR 1.02,95%CI 1.00～1.04）、白细胞计数（OR 1.11,95%CI 1.07～1.16）和吞咽功能障碍（OR 6.85,95%CI 5.01～9.39）。Logistic回归、CatBoost、XGBoost和LightGBM四种模型灵敏度分别为75.34%、 50.68%、80.82%和80.82%;特异度分别为68.64%、86.12%、52.96%和57.33%;ROC曲线下面积分别 为0.776、0.692、0.736和0.767。Logistic回归和LightGBM模型诊断效果显著高于CatBoost和XGBoost模型 （DeLong test,P <0.05）。 结论 基于机器学习建立的脑出血相关肺炎风险预测模型有较高的诊断价值,年龄、NIHSS评分、白 细胞计数和吞咽功能障碍为模型的候选预测因子,可将模型纳入脑出血相关肺炎诊断决策。本研究 结果的临床应用价值有待于更大样本的外部队列进行验证。     

癌症基因组学相关数据管理与应用探析

目的：梳理美国癌症基因组图谱计划（The Cancer Genome Atlas,TCGA）相关数据的收集、整理、组织、共享及应用情况,为建立及完善国家级大型的开放癌症基因组学相关数据资源提供参考。方法：系统调研TCGA计划的数据管理相关机构工作流程、数据共享利用等方面的解决方案和最佳实践。 结果：TCGA计划通过多中心合作,建立了组织样本采集、处理、质量控制、序列测定、特征分析、数据共享与研究应用等全链条的癌症基因组图谱数据管理流程,从所属癌症、数据类型、处理水平等角度对数据进行精细分类,并针对汇总数据和个体数据分别采取开放存取和受控访问两种共享机制,研究者们利用其共享数据开展了相关癌症特征基因的突变、扩增和缺失、以及受影响的信号通路等多方面研究。 结论：癌症基因组图谱计划的实践探索可为大规模癌症基因组学相关研究计划的实施提供数据管理方面的经验借鉴与参考。     

临床药理学知识模型构建研究

分析临床药理学知识表示与模型研究现状,阐述临床药理学知识模型构建技术路线、知识来源、模型框架和具体方法,以非小细胞肺癌为例介绍模型应用并对可行性进行验证,最后提出不足并展望未来发展方向。     

移动健康技术在慢性病管理中的应用

介绍了国内外移动健康研究现状,采用数据挖掘技术研发糖尿病健康管理移动APP,实现了糖尿病患病风险评估、体征指标监测、用药和饮食管理、相关健康知识推送,以及公众健康的实时管理。