非共面布野方式的调强放射治疗泪腺腺样囊性癌

目的 改进调强放射治疗的照射野布野方法,在提高靶区剂量的同时,尽量减少患侧晶体及其他正常组织的受照射剂量,提高患者长期生存质量.方法 5例患有泪腺腺样囊性癌患者（左侧）,所有患者靶区均包括患侧眶左下壁和眶顶壁.布野方式采取以下三种：（1）常规共面均分9野;（2）非常规共面不均分5野;（3）非常规非共面不均分6野（以下分别简称为9野、5野和6野）.比较以上三种布野方式完成计划的剂量体积直方图（dose volume histogram,DVH）、剂量分布图及物理和生物学参数（最大、最小、平均剂量,适形指数（conformity indexes,CI）和等效均匀剂量（equivalent uniform dose,EUD）.结果 6野计划靶体积（planning target volume,PTV）的D98%、V95%分别比9野和5野增大1.3%、0.6%和11.4%、3.5%,D2%比5野小1%,CI及EUD无明显差别.对于危及器官（organ at risk,OAR）,6野除了脑干的Dmin略差于5野以外,其余均优于9野和5野.结论 从PTV和OARs所受剂量比对情况来看,非常规不均分6野明显具有剂量学优势,要优于其他两种方法.     

听力受损风险评估模型的建立与评价研究

背景 听力受损在职业人群中具有较高的检出率，而通过早期监测可对其进行有效预防。目前关于该疾病的风险评估研究尚有空缺。 目的 构建石油工人听力受损的风险评估模型，通过对模型的性能进行评价以获得适用于石油工人听力受损的最优评估模型。 方法 本研究采用现况研究，共纳入2018—2019年某石油企业1 423例在华北石油管理局井下医院参加职业健康体检的工人，收集其一般资料、听力学检查、实验室检查结果，采用多因素非条件Logistic回归探讨石油工人听力受损影响因素。结合相关文献综述和专家意见确定模型的输入变量，应用Python构建随机森林、XG Boost和BP神经网络模型，采用受试者工作特征（ROC）曲线评价模型的判别能力，用校准曲线检验模型的校准能力。 结果 不同年龄、性别、家庭月收入、糖尿病史、劳动强度、体育锻炼情况、耳毒性化学毒物暴露情况、睡眠障碍、倒班情况、高温暴露情况的石油工人听力受损检出率比较，差异有统计学意义（P<0.05），随着工龄和累积噪声暴露量的增加，石油工人听力受损检出率增加（P<0.05）。年龄≥50岁、糖尿病、耳毒性化学毒物暴露、失眠、倒班、工龄≥30年、累积噪声暴露量≥90 dB（A）·年是石油工人听力受损的危险因素（P<0.05），家庭月收入≥11 000元、中等劳动强度是听力受损的保护因素（P<0.05）。随机森林、XG Boost和BP神经网络模型判断石油工人听力受损的准确率分别为95.99%、95.22%和88.62%，灵敏度分别为91.43%、89.09%和70.13%，特异度分别为97.69%、97.50%和95.47%，约登指数分别为0.89、0.87和0.66，F1分数分别为0.74、0.73和0.73，ROC曲线下面积（AUC）分别为0.95、0.93和0.83；Brier得分分别为0.04、0.04和0.11，观察-期望比率分别为1.02、1.04和1.21，校准曲线的截距分别为0.029、0.032、0.097。随机森林模型的校准效能最优。 结论 随机森林模型的性能优于XG Boost模型和BP神经网络模型，能够较准确地评估石油工人听力受损的风险。     

低熔点铅在Graves眼病放疗中的剂量学优势分析

目的 对低熔点铅(LML)和多叶光栅(MLC)两种照射野成形方法在眼眶放疗中的剂量学差异进行比较,以便使用晶体剂量更低的技术用于临床Graves眼病的治疗.方法 选择适于放疗的单、双侧Graves眼病患者各10例,采用相同的靶区勾画原则,计划靶区(PTV)处方剂量为2000cGy/10次,单侧组布野方法为3野(2个X线平野+1个电子线野),双侧组为4野(2个X线平野+2个电子线野),分别采用LML和MLC形成照射野.比较两种照射野成形方法的靶区适形指数(CI)和剂量体积直方图(DVH);采用免冲洗胶片和剂量分析软件分析两种方法形成半野照射野的有效半影区大小及其对晶体受量的影响.结果 MLC单侧组患侧晶体剂量为582±34cGy,健侧晶体剂量为160±22cGy,CI为0.69;双侧组左右晶体剂量分别为591±47cGy和585±52cGy,CI为0.67.LML单侧组患侧晶体剂量为252±45cGy,健侧晶体剂量为148±19cGy,CI为0.71;双侧组左右晶体剂量分别247±44、256±42cGy,CI为0.68.在X线能量设定为4MV和8MV时,半野照射野Scm×5cm,深度4cm,LML的有效半影区与MLC比较小约3mm.结论 用LML来形成小面积照射野可能更加适形,并可减小照射野半影,显著降低患者患侧晶体的受量.     

三种风险预测模型预测钢铁工人颈动脉粥样硬化的效能比较

背景颈动脉粥样硬化（CAS）不仅影响钢铁工人的工作效率,而且是引发缺血性脑血管疾病最重要的危险因素。近年来,越来越多的学者利用机器学习并通过易获得的因素对疾病进行风险预测,但目前,关于CAS风险预测模型的研究依然缺乏。目的运用支持向量机（SVM）、BP神经网络（BPNN）与随机森林（RF）模型构建钢铁工人CAS发生风险预测模型,并比较其预测效能。方法选取2017年3—6月在唐山市弘慈医院进行体检和健康监测的4 568例钢铁工人为研究对象,按照本团队编写的《健康评估检查表》进行调查,调查内容：人口学特征（性别、年龄、体质指数、文化程度、婚姻状况）、个人的行为生活习惯与方式（吸烟、饮酒）、个人病史（高血压、糖尿病、CAS家族史）、职业史（倒班、高温作业、噪声作业）。收集研究对象的实验室检查指标,如胆固醇、三酰甘油、同型半胱氨酸、尿酸。结合非条件多因素Logistic回归分析结果以及查阅相关文献,确定变量构建SVM、BPNN和RF模型并进行比较。结果训练集显示SVM、BPNN和RF模型预测钢铁工人发生CAS的准确率分别为83.81%、79.27%、86.60%,灵敏度分别为80.10%、66.19%、73.62%,特异度分别为87.32%、91.62%、98.90%,受试者工作特征曲线下面积（AUC）分别为0.84、0.79、0.86。SVM模型的灵敏度最高,RF模型在准确率、特异度和AUC方面高于其余两种模型,差异有统计学意义（P<0.05）。测试集显示SVM、BPNN和RF模型预测钢铁工人发生CAS的准确率分别为85.70%、75.46%、73.37%,灵敏度分别为81.63%、64.65%、60.00%,特异度分别为90.29%、87.66%、88.45%,AUC分别为0.86、0.76、0.74。SVM模型在灵敏度、准确率和AUC方面高于其余两种模型比较,差异有统计学意义（P<0.05）。结论运用SVM模型预测钢铁工人CAS发生风险的效果优于BPNN和RF模型。     

石油工人代谢综合征的三种风险预测模型比较

目的 运用logistic回归、卷积神经网络和QUEST决策树建立石油工人代谢综合征发生风险预测模型,并比较三种模型的预测性能。方法 以2017年4月—2018年10月参加职业健康体检的1 468名石油工人作为研究对象。由培训后的调查人员对其进行调查,根据石油工人代谢综合征影响因素的分析结果和相关文献综述确定模型的输入变量,构建logistic回归、卷积神经网络和QUEST决策树模型。结果 训练集显示logistic回归、卷积神经网络和QUEST决策树模型的准确率分别为83.45%、86.34%、79.75%;F1分数分别为0.79、0.83、0.74;ROC曲线下面积（AUC）分别为0.894、0.935、0.844。卷积神经网络明显优于其他两种模型,模型各评价指标间差异均具有统计学意义（P＜0.05）。测试集显示以上三种模型的准确率分别为76.72%、78.69%、74.75%;F1分数分别为0.70、0.71、0.65;ROC曲线下面积分别为0.797、0.855、0.826。卷积神经网络模型与其他两种模型相比差异具有统计学意义（P＜0.05）。结论 卷积神经网络模型的预测效果较logistic回归和QUEST决策树模型更优。