随机森林算法在产后抑郁风险预测中的应用

目的： 探讨随机森林算法在产后抑郁影响因素的筛选和风险预测中的应用效果。方法： 选取2017 年6 月至2018 年6 月在湖南省长沙市某三甲医院接受产前检查并在该医院分娩,符合纳入和排除标准的孕早期妇女为研 究对象。入组时,使用自编的调查问卷、中文版爱丁堡产后抑郁量表(Edinburgh Postnatal Depression Scale,EPDS)调 查研究对象的人口经济学、心理社会学、生物学和产科及其他特征;产后4~6 周内,采用中文版EPDS进行抑郁评分 和自编的产后资料问卷收集分娩和产后资料。采用R软件在训练数据集上建立产后抑郁风险预测的随机森林模型, 在验证数据集上采用预测准确率、灵敏度、特异度、阳性预测值、阴性预测值和曲线下面积(area under curve,AUC) 评价模型的预测效果。结果： 共调查406 例研究对象,其中150 例的EPDS得分≥9,产后抑郁的发生率为36.9%。通 过随机森林算法对训练集建立的模型在验证集上验证,得出预测准确度为80.10%,灵敏度为61.40%,特异度为 89.10%,阳性预测值为73.00%,阴性预测值为82.80%,AUC值0.833。采用随机森林算法通过变量重要性评分对产 后抑郁影响因素的重要程度进行排序,得出排名前10 位的重要预测变量为产前抑郁、产后经济担忧程度、产后工作 担忧程度、孕早期血清游离三碘甲腺原氨酸、孕晚期高密度脂蛋白、向婴幼儿发脾气、孕早期血清总胆固醇、孕早 期三酰甘油、孕晚期血细胞比容和三酰甘油。结论： 随机森林算法在产后抑郁的风险预测中具有较大优势,通过综 合评价机制能从复杂的多因素中识别出产后抑郁的重要影响因素,并进行定量分析。这对识别产后抑郁关键因素, 进行及时、有效干预具有重要意义。     

建立一种痔术后尿潴留风险预测模型

 目的 研究痔术后尿潴留的危险因素,并构建预测尿潴留风险的列线图。方法 回顾性收集复旦大学附属中山医院青浦分院2016年1月至2020年12月159例痔术后未留置尿管的患者的临床资料。采用LASSO方法筛选出尿潴留的危险因素,通过Logistic回归分析绘制痔术后需要留置尿管的列线图模型,并评估此模型的准确性（C-index）,通过内部验证评价模型。结果 该模型由年龄、性别、BMI、手术方式、外痔切除、术后补液量和术后镇痛等7个变量组成,具有较高的C-index（0.841,95%CI：0.774~0.908）和校准曲线,内部验证组仍有较高的C-index（0.793）。临床曲线分析得出阈值率在0.02~0.83时,该模型具有更好的临床使用价值。结论 痔术后尿潴留的风险预测模型具有较高的准确性和良好的稳定性,有助于临床医师评估痔术后是否留置尿管。     

疾病关联网络的构建及其对并发症预测方法的研究

目的:通过基于Bert深度学习技术处理的电子病历数据构建疾病关联网络,使用链路预测技术对患者的并发症进行预测。方法:使用Bert-WWM模型进行命名实体识别,提取来自非结构化中文电子病历中的疾病诊断信息,使用关联规则挖掘技术计算疾病关联系数,在此基础上构建疾病关联网络。最后,使用链路预测,预测患者潜在的并发症。结果:通过关联规则挖掘,发现81条重要的疾病并发规则。使用链路预测技术对疾病关联网络预测,发现呼吸系统常见病往往伴随其他呼吸系统疾病或内分泌系统疾病,同时,也预测出一些不相关系统疾病的并发症。最后,通过文献及发病机制分析对预测的并发症进行验证。结论:本研究构建的基于疾病关联网络的链路预测可以预测临床潜在并发症,为有效进行临床决策提供帮助。     

影像组学在磨玻璃结节型肺腺癌的应用研究进展

肺癌作为全世界发病率及病死率最高的恶性肿瘤,其早期诊断及治疗对患者生存率的提高极为重要。早期肺腺癌在计算机断层扫描(Computed Tomography,CT)中常表现为磨玻璃结节(Ground-Glass Nodule,GGN),精确诊断GGN型肺腺癌对患者后期治疗具有重大价值。影像组学通过将传统的影像图像转换为可挖掘、可分析的数据信息,可提取到人类肉眼很难观察及分辨的特征数据,并运用于临床的各个环节。本文基于相关文献对影像组学的流程及其在GGN型肺腺癌的应用研究进展进行阐述,旨在提高GGN型肺腺癌正确诊断率,为组织病理、基因预测及治疗疗效评估提供参考。     

基于炎症因子中性粒/淋巴细胞比值与红细胞分布宽度的预测模型对乙肝相关慢加急性肝衰竭的预后评估

目的:拟基于炎症因子中性粒/淋巴细胞比值(neutrophil/lymphocyte ratio,NLR)及红细胞分布宽度(red blood cell distribution,RDW)建立乙肝相关慢加急性肝衰竭(HBV-related acute-on-chronic liver failure,HBV-ACLF)预后的新型预测模型.方法:纳入577例患者的一般临床资料及实验室数据,采用终末期肝病模型(model for end-stage liver disease,MELD)评分为9～40分的554例患者为建模队列.使用单因素及多因素COX回归分析与HBV-ACLF患者预后相关的独立危险因素建立预后评估模型,再分别在3家医院使用ROC曲线验证新模型对HBV-ACLF患者90 d预后预测的准确性.使用SPSS 22.0软件分析处理数据.结果:多因素分析显示RDW、NLR、国际化标准比值(international normalized ratio,INR)、肌酐(creatinine,Cr)、总胆红素(total bilirubin,TBIL)为HBV-ACLF患者90 d预后的独立危险因素(P＜0.05).根据COX回归分析建立如下预测模型:COXRNTIC=0.073×RDW+0.027×NLR+0.004×TBIL+0.236×INR+0.005×Cr(P=0.000),该模型截断值为3.59(特异度为84.86％,灵敏度为78.48％).使用ROC曲线检测预测能力,分别为RNTIC(0.864,95％CI=0.833～0.892),高于MELD评分(0.737,95％CI=0.698～0.773)、NLR(0.705,95％CI=0.665～0.743)及RDW(0.677,95％CI=0.637～0.716) (P=0.000).在验证队列中,RNTIC模型在3家中心同样展示出优于MELD评分及NLR、RDW的死亡预测能力.结论:基于炎症因子NLR及RDW建立的HBV-ACLF短期预后预测模型与MELD评分相比具有更好的预测价值,是值得信赖的临床预测模型.     

高分辨率CT影像学特征预测老年髋部骨折患者早期急性肺损伤的价值

目的:探讨基于高分辨率CT(high resolution computed tomography,HRCT)影像学特征建立的预测模型在早期诊断老年髋部骨折患者急性肺损伤(acute lung injury,ALI)中的应用价值.方法:纳入重庆市中医院收治的老年髋部骨折早期ALI组患者121例与非ALI组患者180例.通过单因素和多因素分析比较2组患者的年龄、性别及胸部HRCT扫描影像学资料,观察HRCT表现并建立HRCT诊断老年髋部骨折早期ALI的预测模型.结果:老年髋部骨折早期ALI组患者常见HRCT征象包括斑片影、肺实变(intense parenchymal opacification,IPO)、弥漫性磨玻璃影(diffuse ground glass opacity,DGGO)和小叶间隔增厚,与非ALI组比较差异均有统计学意义(P＜0.05).多因素logistic回归分析得到包括IPO、DGGO及小叶间隔增厚在内的独立危险因素建立HRCT预测模型(OR＞1,P＜0.05).该模型用于诊断老年髋部骨折患者早期ALI的灵敏度为93.4％,特异度为85.6％,准确率为88.7％,阳性预测值为81.3％,阴性预测值为95.1％.结论:基于HRCT影像特征的预测模型有助于诊断老年髋部骨折早期ALI,为临床诊疗提供直接可靠影像学依据.     

基于ARIMA模型的北京市产前超声筛查人员情况预测

目的 了解北京市产前超声筛查人员情况,对未来产前超声筛查人员数量及内部结构变化趋势进行预测。方法 基于北京市2007至2015年产前超声筛查人员资质数据库,从超声筛查人员的地区、年龄、职称等分布情况了解2007至2015年以来产前超声筛查人员构成的变化趋势,并根据现有变化趋势构建预测模型,预测北京市2016至2020年产前超声筛查人员数量及内部结构状况。结果 2007至2020年产前超声筛查人员数量呈现上升趋势,预测2020年达到1269人;期间人员学历、职称呈现下降趋势,工作年限逐渐缩短,大部分集中在5年以下,住院医师比例维持在26.6%,人员进修比例逐年增加,到2020年底达到43.2%。结论 通过ARIMA模型对超声筛查人力资源变化趋势进行预测,提示在产前超声筛查人员的管理上,应加强对年轻人员的培训,并尽可能为其提供进修学习的机会。     

基于贝叶斯网络构建晚期非小细胞肺癌生存预后模型

正根据我国最新发布的全国癌症报告,无论是发病率还是死亡率,肺癌均居于所有恶性肿瘤之首,其中非小细胞肺癌(non-small cell lung cancer,NSCLC)占所有肺癌病例的80%左右。根据2020年美国癌症协会发布的统计数据,高达57%的肺癌患者诊断时即为晚期,其5年生存率仅5.8%~([1])。因此,建立可信度高、预测效果好的NSCLC预后预测评估模型,对于患者的个体化治疗、临床医师决策制定以及社会医疗资源的合理利用具有重要的指导意义。本研究通过大量文献阅读整理出可能有预测作用的因素,     

What does dengue disease surveillance contribute to predicting and detecting outbreaks and describing trends?

Objective To review the evidence on the application of tools for dengue outbreak prediction/detection and trend monitoring in passive and active disease surveillance systems in order to develop recommendations for endemic countries and identify research needs. Method Systematic review of literature in the Cochrane Database of Systematic Reviews, PubMed, EMBASE, Lilacs, WHO library database, manual reference search and grey literature. Two reviewers independently applied pre‐defined inclusion and exclusion criteria and assessed the level of evidence. Studies describing the outcome of dengue disease surveillance with respect to trend monitoring and outbreak prediction/detection based on empirical data were included. Results Twenty‐four studies (of 1804 references) met the eligibility criteria. Different indicators and their respective threshold values were identified as potential triggers for outbreak alerts through retrospective analysis of data from passive and/or active surveillance systems. Some indicators are potentially useful for predicting imminent outbreaks in the low transmission season and others for detecting outbreaks at an early stage. However, the information collected is mainly retrospective and often site‐specific and appropriate levels of sensitivity and specificity of the outbreak indicators/triggers could not be determined. Retrospective and prospective virus surveillance studies were not conclusive regarding the question of whether a newly introduced serotype is an outbreak predictor, but contributed additional indicators for outbreak prediction/detection. Under‐reporting was a major concern. Taking cost and feasibility issues into account, it remains an open question whether dengue surveillance should be passive (based on routine reporting) or active (based on more costly sentinel or other active population based surveillance systems). Adding active surveillance elements to a well‐functioning passive surveillance system improves sensitivity; adding laboratory elements to the system improves specificity. Conclusions In view of the lack of evidence about the most feasible and sustainable surveillance system in a country context, countries could use a stepwise approach to locally adapt their passive routine surveillance system into an improved combined active/passive surveillance approach. Prospective studies are needed to better define the most appropriate dengue surveillance system and trigger for dengue emergency response.     

Nef Mutations in Long-term Non-progressors from Former Plasma Donors Infected with HIV-1 Subtype B in China

Objective To study the specific amino acid variation in Nef that may be related to disease progression after infection with HIV-1 subtype B, a predominant strain circulating in China, and to determine whether changes in Nef secondary structure may influence different stages of AIDS development based on the concept that the Nef gene of HIV infection dramatically alter the severity of viral infection and virus replication and disease progression, and that long-term non-progressors （LTNP） of HIV infection are commonly associated with either a deletion of the Nef gene or the defective Nef alleles. Methods The study subjects were divided into LTNPI（n=14）, LTNP2 （n=16） and slow progressor （SP, n=19） groups for mutational analysis of the Nef sequence. The data were obtained by using Bioedit, MEGA, Anthewin and SAS software. Results Residues in Nef TA48/49 and K151 occurred more frequently in the LTNP group while AA48/49 was more frequently observed in the SP group. Of the differences observed in the secondary structure comparison using Nef consensus sequences of these three groups, one was roughly corresponding to the Nef48/49 mutation site. Conclusion TA48/49, Kiss, and AA48/49 in the Nef gene might be associated with the different stages of HIV infection, and there may be a link between the Nef secondary structure and the progression of HIV- 1 infection.