肿瘤细胞减灭术联合腹腔热灌注化疗术后肺部并发症的影响因素

目的 探讨肿瘤细胞减灭术联合腹腔热灌注化疗术（HIPEC）患者术后肺部并发症（PPCs）的危险因素，并构建列线图和单变量偏依赖图。
方法 收集2019年1月至2020年6月行肿瘤细胞减灭术联合腹腔热灌注化疗298例患者的临床资料，男122例，女176例，年龄18~80岁，BMI>18 kg/m²，ASA Ⅰ—Ⅲ级。采用逐步回归分析筛选PPCs的影响因素，建立Logistic回归模型并绘制列线图。
结果 有106例（35.6%）患者发生PPCs。逐步回归分析显示，手术时间（OR=1.383, 95%CI 1.022~1.943）、失血量（OR=1.003, 95%CI 1.001~1.005）、红细胞输注量（OR=0.997, 95%CI 0.994~0.999）、进行液体管理时参考的每搏变异度（SVV）值（OR=0.034, 95%CI 0.009~0.089）是PPCs的影响因素。将上述影响因素纳入Logistic回归模型构建列线图，R2=0.912；拟合优度检验χ²=10.673，P=0.2209；C-Index=0.991；准确度=0.9799；Kappa=0.9563；F1值=0.972。
结论 肿瘤细胞减灭术联合HIPEC患者PPCs的影响因素为手术时间、失血量、红细胞输注量和SVV值。列线图预测模型具有良好的区分度与准确度，能很好地运用于肿瘤细胞减灭术联合HIPEC患者PPCs的预测。     

Nomogram预测模型在针灸治疗卵巢功能不全妊娠结局中的价值

目的 探讨基于最小绝对收缩和选择算子（LASSO）-Cox回归构建的Nomogram预测模型在针灸治疗卵巢功能不全（POI）妊娠结局中的价值。方法 选取2019年1月至2021年1月在湖北省第三人民医院接受针灸治疗的POI病人137例，收集相关资料，采用LASSO回归与Cox回归相结合的方法筛选针灸对POI病人妊娠结局的主要影响因素，采用R软件（R3.6.3版）构建预测针灸对POI病人妊娠结局的Nomogram预测模型，采用受试者操作特征（ROC）曲线与校准曲线评估模型的预测效能。结果 妊娠组与未妊娠组在月经情况、基础卵泡刺激素（FSH）水平、FSH与黄体生成素（LH）比值、基础AFC、行针次数、留针时间、针具方面比较，差异有统计学意义（P<0.05）。构建多因素Cox回归模型结果显示，月经情况、基础FSH水平、FSH与LH比值、基础窦卵泡计数（AFC）、行针次数为针灸对POI病人妊娠结局的独立影响因素。ROC曲线显示，6个月妊娠概率和12个月妊娠概率曲线下面积分别为0.78[95%CI:(0.69,0.88)]和0.74[95%CI:(0.63,0.85)]，校准曲线显示该预测...     

冠心病合并冠状动脉钙化的影响因素及列线图预测模型建立

目的 探讨冠心病合并冠状动脉钙化(CAC)的危险因素，构建并评估个体化预测冠心病合并CAC发生风险的列线图模型。方法 选取2019年1月至2021年6月河北中石油中心医院收治的390例冠心病病人为研究对象，根据病人是否合并CAC分为CAC组(n=305例)和非CAC组(n=85例)。采用logistic回归模型，分析冠心病合并CAC的独立危险因素。应用R语言软件(R 3.6.3)构建列线图模型，并对该模型进行验证。结果 单因素分析显示，非CAC组和CAC组糖尿病、年龄、身体质量指数(BMI)、高脂血症、低密度脂蛋白胆固醇(LDL-C)[(2.14±0.35)mmol/L比(2.47±0.39)mmol/L]、血糖[(5.16±1.37)mmol/L比(5.52±1.05)mmol/L]、糖化血红蛋白(HbA1c)[(5.58±0.83)%比(5.94±1.30)%]、高血压均与CAC发生有关(P<0.05)。logistic回归分析可知，LDL-C、年龄、糖尿病、高血压、高脂血症是影响冠心病合并CAC的独立危险因素(P<0.05)。据此构建预测冠心病合并CAC的列线图模型，...     

The development of a nomogram model for the individualized prediction of diaper dermatitis risk in pediatric hospitalized children aged 1–36 months

Aims and objectiveTo develop a nomogram model for individualized prediction of diaper dermatitis in pediatric hospitalized infants and toddlers aged 1–36 months.BackgroundDiaper dermatitis is a common skin health problem in pediatrics, which brings pain and discomfort to the child. However, there is a scarcity of risk prediction tools for diaper dermatitis in infants and toddlers hospitalized in pediatrics.DesignA cross-sectional study.Methods210 cases each for caregivers and hospitalized children aged 1–36 months were selected as the research objects. A prediction nomogram model was established based on the risk factors according to the results of univariate analysis and multivariate logistic regression analysis. The predictive performance of the nomogram model was evaluated by discrimination and calibration. The clinical utility of the model was evaluated by decision curve analysis. This study was reported using the TRIPOD checklist.Results41 hospitalized children with diaper dermatitis with a prevalence of 19.52%. The risk factors included: age in months, diarrhea, history of diaper dermatitis, without prophylactic application of buttock protection products, frequency of diaper change per day ≤6.6 times, and the level of caregivers’ knowledge of infantile diaper dermatitis. The results showed that the C-index of the nomogram model was 0.891(95% CI: 0.832, 0.950), the calibration curve manifested a satisfactory consistency, and the net benefit was satisfactory.ConclusionsThe nomogram has a good predictive ability and satisfactory clinical utility, which is useful for pediatric medical staff screening high-risk patients with diaper dermatitis.Relevance to clinical practiceThe prediction nomogram model can help pediatric medical staff to calculate the risk probability of diaper dermatitis in pediatrics, formulate interventions timely, and optimize pediatric DD standardized care protocols.No patient or public contributionthe children's caregivers enrolled in this study only for the data collection.     

列线图模型预测高危糖尿病肾病患者2年内疾病进展的风险

目的 基于卫生部激素与发育重点实验室提出的糖尿病肾脏病(diabetic kidney disease, DKD)风险模型,建立列线图以识别2年内可能出现进展的高危DKD患者。方法 本研究是前瞻性队列研究,筛选符合DKD高风险标准的2型糖尿病患者并随访两年。随访期间进展为DKD的定义为DKD组,未出现进展的定义为非DKD组。通过单、多因素COX回归分析入选患者的基线临床资料和超声指标,建立列线图模型以预测DKD高风险患者2年内出现疾病进展的风险。结果 至随访结束,DKD组患者63例,非DKD组患者308例。生存分析显示DKD高风险患者2年内出现进展的比例为16.98%。多因素Cox回归分析发现,糖尿病病程、肾叶间动脉阻力指数、以及患者合并糖尿病视网膜病变和高血压是DKD高风险患者2年内疾病进展的独立影响因素(均P < 0.05)。基于这四项指标建立的列线图预测模型具有较好的区分度[曲线下面积(area under the curve, AUC)：0.783],其预测准确性高于各预测因子单独预测的AUC(P＜0.05)。此外,该列线图预测DKD进展的概率与实际发生率的一致性较好(χ2^{=6.392, P=0.}592),且具有良好的净收益,表明其在临床决策方面具有良好的应用价值。结论 本研究建立了包含四项常见指标的列线图预测模型,用于识别2年内可能出现进展的高危DKD患者,从而在尿微量白蛋白升高前的“亚临床”阶段即实施早期干预,有望延缓甚至阻止高危患者进一步进展为DKD。     

血液透析过程中影响伴糖尿病患者血糖波动的危险因素及预防策略

目的 探讨伴糖尿病（DM）患者血液透析（HD）过程中影响血糖波动的危险因素及预防策略。方法 回顾性分析2020年8月—2022年2月淮南市东方医院集团总医院收治的86例伴DM并行规律HD的T2DM患者的临床资料，设为训练集；根据HD过程中血糖是否波动，将患者分为血糖波动组（44例）和无血糖波动组（42例）。按照相同标准选取2022年3月—2022年8月的29例伴DM并行规律HD的T2DM患者，设为验证集，行外部验证。通过LASSO回归分析后进行多因素Logistic回归分析，建立列线图预测模型，并进行模型评价。结果 HD过程中，患者血糖波动范围为1.62~27.81 mmol/L，平均（8.46±3.25）mmol/L。随着透析的进行，透析1 h血糖下降幅度最大, 透析2 h至结束，血糖轻微上升，但血糖变化幅度总体趋于平缓。HD过程中，患者中有19例（30次）出现低血糖（22.09%），有25例患者（47次）出现高血糖（29.07%）。与无血糖波动组相比，血糖波动组患者的DM病程以及HD时间均更长，知晓低血糖定义的患者比例更低，自理能力差的患者比例更高，SBP以及HbAlc水平均更高（均P<0.05）。LASSO回归分析筛选出4个预测因子，多因素Logistic回归分析结果显示，DM病程≥18.2年、自理能力差、收缩压（SBP）≥152.3 mmHg、糖化血红蛋白（HbAlc）≥8.4%，均为患者HD过程中血糖波动的独立危险因素（P<0.05）。模型验证发现，两集校准曲线和理想曲线较为贴近，训练集和验证集的ROC曲线下面积分别为0.807、0.797。DCA曲线显示阈值概率在1%~94%时，具有较高的净获益值。结论 DM病程≥18.2年、自理能力差、SBP≥152.3 mmHg、HbAlc≥84%均为患者HD过程中血糖波动的独立危险因素。在临床治疗中，需密切关注伴DM患者HD过程中各指标的变化情况，以明确其血糖波动风险，从而更加准确、及时地调整治疗方案