不同机器学习算法在高龄骨科患者术后低蛋白血症风险预测模型中使用效果的评估＊

目的 使用不同机器学习算法开发高龄骨科患者术后低蛋白血症风险预测模型。方法 使用中国中医科学院望京医院骨科患者数据库作为数据来源；根据低蛋白血症诊断标准，选取数据库中的低蛋白血症患者，提取其人口学特征、生命体征、实验室检查等数据；使用逻辑回归、支持向量机、XGBoost（Extreme Gradient Boosting，极端梯度增强算法）等算法开发模型，并对不同机器学习算法在预测模型中使用效果的进行评估。结果 共纳入526例患者，低蛋白血症发生率40.87%。逻辑回归模型的AUROC（Area Under the Receiver Operating Characteristic Curve，受试者工作特征曲线下面积）为0.8077，F值为0.853，整体性能优于随机森林、XGBoost等模型。同时模型性能比较结果显示，逻辑回归模型拥有较高的准确度。结论 基于逻辑回归算法的高龄骨科患者术后低蛋白血症风险预测模型对辅助临床医生进行风险预测有重要意义。     

乳腺癌临床科研数据管理系统的设计

目的：为解决传统的科研数据管理系统智能化程度低、信息难以复用等问题，设计乳腺癌临床科研数据管理系统。方法：该系统采用浏览器/服务器（Browser/Server,B/S）架构，利用ASP.NET MVC4设计，分为展示层、业务层、访问层和数据层4层，并采用Bootstrap+jQuery进行前后端交互。整个系统包括乳腺癌科研项目管理、数据管理和应用管理三大功能模块。结果：采用该系统可智能采集乳腺癌科研数据，实现对患者的乳腺癌诊断预测和生存预测。结论：该系统能够满足乳腺癌数据管理和辅助临床决策的需求，有助于更好地服务乳腺癌研究。