2008-2018年云南省人间布鲁菌病流行特征及灰色GM(1,1)模型预测

目的分析云南省布鲁菌病(简称布病)流行特征,建立灰色GM(1,1)模型,预测云南省布病病情。方法收集中国疾病预防控制信息系统和云南省统计局2008-2018年云南省布病疫情数据和人口资料,分析布病流行病学特征(包括时间、地区、人群分布),并以灰色GM(1,1)模型进行建模,预测2019、2020年云南省布病发病率。结果2008-2018年云南省共报告布病病例1216例,年均发病率为0.2374/10万,呈逐年递增趋势(χ²趋势=843.34,P<0.01)。病例报告主要集中在3-9月份,占总病例数的69.41%(844/1216)。病例报告数居前5位的州市分别为红河州(289例)、曲靖市(264例)、昆明市(258例)、大理州(160例)、玉溪市(134例),占总病例数的90.87%(1105/1216)。职业以农民为主,占79.03%(961/1216)。建立灰色GM(1,1)模型预测2019、2020年云南省布病发病率分别为0.4876/10万和0.4817/10万。结论云南省布病发病较以往上升,应对重点地区、重点人群进行针对性防控,并对预测结果进行前瞻性评价,逐步完善云南省布病预测模型。     

5种肥胖指标对不同性别及年龄组高血压的预测效果比较

目的 比较不同肥胖指标对不同性别、年龄人群高血压风险的预测价值。方法 基于深圳市龙华区2018年社区居民健康调查数据,对体质指数（BMI）、腰围（WC）、腰围身高比（WHtR）、腰臀比（WHR）和人体肥胖指数（BAI）共5种肥胖指标进行标准化转换,根据Logistic回归分析所得OR值,比较各肥胖指标与高血压的相关性;根据受试者工作特征曲线（ROC）下面积（AUC）,判断各肥胖指标对高血压的预测价值,进而综合评价各肥胖指标对高血压的预测能力。结果 在调整混杂因素后,WC和WHtR与男性和女性高血压的相关性强于其他肥胖指标。WHtR对于男性和女性高血压的预测能力均强于其他肥胖指标,其AUC及95%CI分别为0.694（0.659~0.728）和0.763（0.732~0.794）,其截断值分别为0.51和0.50;女性中各肥胖指标预测高血压的AUC均大于男性,各肥胖指标对女性高血压有更高的预测价值。对男女进行年龄分层后,在男性中除WHR外各肥胖指标对于青年组（18~44岁）高血压的预测价值优于中年组（45~59岁）和老年组（60~80岁）;在女性中各肥胖指标对于高血压的预测价值随着年龄的增长而降低,依次为青年组>中年组>老年组。结论 在综合考虑性别和年龄后,中心型肥胖指标中的WHtR对高血压的预测能力优于WC、BMI、WHR和BAI。     

人工智能辅助学术同行评议的应用及分类

【目的】 分析人工智能(Artificial Intelligence, AI)作为辅助工具在学术同行评议中的创新应用,提出未来发展建议。【方法】 首先通过文献调研法和案例分析法,比较国内外AI辅助学术同行评议的应用实践;其次按功能对其进行分类,并阐述其主要支撑算法;最后展望AI在学术同行评议领域的未来发展方向。【结果】 国内方面,AI推荐审稿人功能被应用于基金评审,但AI学术影响力预测功能尚停留在研发阶段;国外方面,除学术不端检测功能外,其他功能的应用均处于起步阶段。按功能不同,AI辅助同行评议可分为投稿审查、审稿人推荐和学术影响力预测3类。其未来发展方向为:评议流程和文本结构的标准化、智能算法的通用化、评议专家库和已发表学术论文数据库的集成化;最终AI将发挥评议主体功能。【结论】 科研机构与学术期刊应积极参与全文文献数据库与全球审稿人数据库等相关数字基础设施建设,加快AI在学术同行评议中的应用,进一步推进该领域的数字化和智能化。     

2003—2018年间中国女性宫颈癌发病与死亡趋势研究

  目的  研究2003—2018年中国20~79岁女性宫颈癌发病率和死亡率的变化趋势,对未来五年宫颈癌发病及死亡率的趋势进行预测。  方法  收集我国2003—2018年20~79岁女性宫颈癌的发病和死亡数据,利用联结点回归模型分析趋势变化规律,进一步利用年龄-时期-队列模型探讨年龄、时期和队列因素对宫颈癌发病和死亡率的影响。分别建立自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA)、灰色模型(grey model, GM)(1,1)和误逆差传播(back propagation, BP)神经网络模型对发病率和死亡率进行拟合,选取预测精度高的模型预测未来五年宫颈癌的发病率和死亡率。  结果  2003—2018年间女性宫颈癌的发病率具有2个转折点,发病趋势先快速上升随后下降;死亡率具有1个转折点,趋势是先下降再上升。总体上看,宫颈癌的发生风险随着年龄的增长而增大,在55~＜60岁达到峰值后缓慢下降。死亡风险从年龄上看不断上升,时期效应随着时期的推进而增大,队列效应则不断减弱。通过对比发现BP神经网络模型拟合的效果较好。  结论  2003—2018年间中国女性宫颈癌的发病率和死亡率整体上呈现下降的趋势,受年龄影响较大而受时期和队列的影响较小,未来五年发病率和死亡率将呈下降趋势。因此,应加强女性宫颈癌筛查和HPV疫苗接种工作,做好防控措施。     

新型冠状病毒肺炎患者死亡风险列线图模型的构建与验证

目的构建列线图模型以预测新型冠状病毒病2019(COVID-19)的死亡风险,以早期筛选死亡高危患者。 方法收集2020年1月至2020年4月武汉大学人民医院(东院)和2022年4月至2022年5月上海市第九人民医院(北院)收治COVID-19患者的临床资料。以武汉大学人民医院患者(166例)作为训练集,上海市第九人民医院患者(52例)作为验证集。采用先单因素后多因素Logistic回归分析确定死亡的独立危险因素,应用R语言构建列线图模型。采用受试者工作特征曲线(ROC)、C指数及校准曲线评估列线图模型的预测准确性及判断能力,决策曲线分析评估模型的临床应用价值。通过验证集对模型进行外部验证。 结果本研究共纳入重型/危重型COVID-19患者218例,其中67例(30.73%)死亡,多因素Logistic回归分析显示,≥3种基础疾病、APACHE Ⅱ评分(5~40分)、中性粒细胞/淋巴细胞(0~90)、乳酸(0~16mmol/L)均是死亡的独立危险因素。ROC曲线分析显示,训练集的曲线下面积(AUC)为0.869(95%CI：0.811~0.927),验证集AUC为0.797(95%CI：0.671~0.924),训练集与验证集校准曲线经Hosmer-Lemeshow拟合优度检验(P＝0.473,P＝0.421)。临床决策曲线分析表明,该列线图预测模型的临床应用价值高。 结论本研究构建COVID-19患者死亡风险列线图模型预测效能良好,可个体化、可视化、图形化预测,有助于医师早期做出合适临床决策及诊疗。     

Squat and smile assessment in predicting healing of lower limb fractures fixed with a SIGN nail

BackgroundIrrespective of the treatment method, union is the ultimate goal of any fracture treatment. However, nowadays, rather than the physician-based clinico-radiological methods, the patient-reported outcome measurements assessing their quality of life and function are gaining much popularity. This is specifically true in the part of the world where the patient needs almost complete degree of hip/knee flexion – for social, cultural, religious or occupational reason(s). The ability to squat can assess the mobility and stability of joints and thus the quality of squatting is a proxy reflection of the functional outcome after fixation of lower limb fracture. Thus, we studied to determine the inter-observer and intra-observer reliability of Radiographic Union Score for Tibia (RUST) and Squat and Smile (S & S) test in clinical photograph. We further calculated the sensitivity and specificity of S & S test in predicting healing of lower limb fracture fixed by intramedullary interlocking nail considering RUST as the gold standard.MethodsThis was a retrospective study of prospectively collected data of solid Surgical Implant Generation Network (SIGN) intramedullary interlocking nailing from a single, university-based, high volume tertiary center where 56 consecutive adults with either tibial or femoral shaft fractures fixed with a SIGN nail within one year and not requiring any surgery till minimum of eighteen-month follow-up were included. Cases without either Anterior-Posterior (AP) view and/or Lateral (Lat.) view follow-up x-ray(s) or proper S & S clinical photograph (at least 1.5-year post fixation) were excluded. The x-rays (RUST criteria) and clinical photograph (S & S grading) were scored by two independent and blinded observers each and repeated after 1 month.ResultsThe overall intra-observer reliability was from 0.773 to 0.825 and inter-observer reliability from 0.635 to 0.757 for RUST scoring which was from 0.687 to 0.785 and from 0.301 to 0.650 respectively for S & S scoring. The sensitivity and specificity of S & S in predicting fracture healing were up to 82.22% and 63.64% respectively.ConclusionThe S & S test is reliable to predict the healing of lower limb fracture fixed with an intramedullary nail. The test is more useful to determine healed fractures than to determine non-healed ones. (sensitivity being higher than specificity)     

普外科术后不良结局风险评估工具研究现状

普外科手术是最常见的手术之一,其术后不良结局主要集中在一部分高危患者。风险评估工具可以识别出这部分高危患者,为后续的临床干预和资源配置提供参考。目前存在多种评估工具,且具有各自的优缺点,充分了解这些工具是临床应用的前提。通过回顾目前一般常用评估工具、针对急诊普外患者的评估工具和机器学习方法在评估工具上的应用,阐明风险评估工具的基本特征、应用现状和发展趋势。     

早期股骨头坏死塌陷风险预测评估体系的临床研究

目的:建立早期股骨头坏死塌陷风险评估预测体系,预测评估塌陷风险。方法:结合Steinberg分期、力学承载的ABC分型和近端硬化带比例建立早期股骨头坏死塌陷风险评估体系,首先应用Steinberg分期系统分期,Ⅰ期应用ABC分型预测风险,C型无风险,B型为低风险型,A型和BC型为中风险型,A-C和AB型为高风险型。SteinbergⅡ-Ⅲ分期首先进行硬化带分型,若为2型直接预测为低风险型;若为1型,则进一步进行ABC分型的划分,预测C型为无风险,B型为低风险型,A型和BC型为中风险型,A-C和AB型为高风险型。依据此预测体系应用回顾性分析的方法,预测由中国中医科学院广安门医院骨科门诊收集的188例(301髋)股骨头病例塌陷风险。并对3名医生及1名医生前后不同时间应用该体系预测结果的一致性进行评价。结果:188例(301髋)股骨头坏死病例。其中男136例,女52例;年龄19~64(42.61±12.07)岁;单髋75例,双髋113例;病程0.33~5.00(3.62±1.93)年。301髋病例中206髋发生塌陷(塌陷率68.44%)。无风险组,1髋中0髋发生塌陷,塌陷率0%;低风险组,91髋中9髋发生塌陷,塌陷率9.89%;中风险组,19髋中12髋发生塌陷,塌陷率63.16%;高风险组,190髋中185髋发生塌陷,塌陷率97.37%,不同风险组间差异有统计学意义(P=0.00)。该体系预测价值较高(ROC曲线AUC=0.95,P=0.00)。不同医生预测结果一致性良好(IC C=0.94,P=0.00),同一医生前后两次预测结果一致性良好(Kappa系数=0.90,P=0.00)。结论:早期股骨头坏死风险评估预测体系根据不同时期影像学特点选择不同方法预测塌陷风险,结合多风险因素综合评估,适用范围广泛,操作简捷,便于临床应用。     

Valoración de parámetros clínicos y analíticos preoperatorios en apendicitis aguda complicada. Score para predecir apendicitis complicada

BackgroundTo analyze whether clinical and analytical parameters differ according to histopathology in cases of acute appendicitis (AA).MethodsThis is a retrospective, observational study including patients (>14 years of age) admitted for suspicion of AA from 1 April 2014 to 31 July 2016. Histopathology was divided into complicated (including perforated and gangrenous AA) and uncomplicated appendicitis (phlegmonous). Sex, age, temperature of patients on admission to the Emergency Department, symptom duration, preoperative white blood cell (WBC) count, neutrophil percentage, mean platelet volume (MPV), platelet distribution width (PDW), C-reactive protein (CRP) and hospital stay were compared in the two groups.ResultsThree hundred and thirty-five patients were analyzed, and 284 were included. Appendicitis was uncomplicated in 194 (68.3%) and complicated in 90 (31.7%). Age, symptom duration, neutrophil percentage, CRP and hospital stay were higher in the complicated AA group (P < .05). The mean differences between uncomplicated and complicated AA were: age 13.2 years (95% CI: 8.2-18.2), symptom duration 14.1 hours (95% CI: 6.3-21.9), neutrophil percentage 5.0% (95% CI: 3.2-6.8), CRP 73.6 mg/l (95% CI: 50.0-97.2) and hospital stay 2.2 days (95% CI: 1.4-3.0), with p<0.05 for all these variables. A model based on the preoperative parameters (age, symptom duration, neutrophil percentage and CRP) was calculated to predict the likelihood of complicated AA. The receiver operating characteristic (ROC) of the model had an area under the curve of 0.80 (95% CI 0.75-0.85).ConclusionThis model is able to diagnose complicated AA without the need for imaging techniques, although it must be validated with prospective analysis.