第二原发胰腺癌临床特征分析

目的:探讨第二原发胰腺癌的临床特征.方法:以96例普通原发胰腺癌作为对照,回顾性分析了病理确诊的32例第二原发胰腺癌的临床特征.结果:32例第二原发胰腺癌15例(46.9％)发生于乳腺癌、胃癌之后.性别、年龄、部位、临床症状、常规实验室检查及肿瘤标志物检测与普通进展期胰腺癌具有可比性,仅年龄略为提前,消化不良稍多,腹痛、黄疸比例稍降.B型超声、CT、MRI、逆行胰胆管造影诊断敏感率较普通胰腺癌高.处于Ⅰ期者仅2例(6.3％).总体半年存活率为50.0％,较普通胰腺癌略低.病理显示84.4％为腺癌,分化差.结论:第二原发胰腺癌症状更不典型,诊断更为滞后,预后更差,故应加强联系与第一次癌肿的早期检测手段(如肿瘤标志物)研究.     

文献中原发性肝癌中医单证辨证专家观点分析

目的：分析原发性肝癌辨证分型文献中的专家观点，根据专家观点中各中医单证证型的出现状况，初步明确原发性肝癌主要的单证证型。方法：整理建国以来国内公开报道的有关原发性肝癌中医辨证分型的文献，运用X^2检验对文献中的专家观点进行统计分析。结果：气滞型(肝气部结型)、血瘀型、脾气虚型、肝阴虚型、肾阴虚型、肝胆湿热型在专家观点中出现频率较高(均超过50％)，与其他出现频率较低的各单证证型相比较均有显著性差异(P＜0．00091)，但它们之间没有显著性差异(P＞0．00091)。结论：原发性肝癌常见的中医单证证型依次为①气滞(肝气郁结)型②血瘀型③脾气虚型④肝阴虚型⑤肾阴虚型⑥肝胆湿热型6种证型。     

扶正化瘀胶囊干预慢性乙型肝炎肝纤维化作用的多中心临床研究

目的　研究扶正化瘀胶囊治疗慢性乙型肝炎肝纤维化的临床疗效及其安全性。方法　多中心、随机、双盲、平行对照的方法 ,入选年龄 18～ 65岁的慢性乙型肝炎肝纤维化患者。试验药 (扶正化瘀胶囊 )和对照药 (和络舒肝胶囊 ) ,均为每次 5粒 ,3次 /d口服 ;疗程 2 4周。疗程结束后进行 12周的随访。观测指标 :(1)于治疗第 0、2 4周观察肝组织病理学、HBV标志物 ,第 0、12、2 4周检测肝纤维化血清指标 (HA、LN、P Ⅲ P、Ⅳ C)、B超肝脾检查 ,第 0、6、12、18、2 4周观察肝功能 (随访期评价肝功能、血清肝纤维化指标 )。 (2 )安全性指标 :治疗前、后检测血、尿常规 ,肾功能 ,心电图。结果　 (1)受试者入组情况及人口学资料 :试验组 110例 ,对照组 10 6例 ,两组病例人口学特征、生命体征、病程、药物过敏史、既往治疗史、肝功能、纤维化血清学指标、肝组织病理学 (试验组 99例 ,对照组 96例 )、HBV标志物、肾功能等各项指标比较 ,无显著差异。 (2 )肝组织病理学 :治疗前后作活检肝组织学观察 93例 ,试验组 50例和对照组 43例治疗前纤维化分期 (S)均值分别为 2 .3 3和 2 .11。试验组治疗后S均值为 1.80 ,较治疗前显著下降。对照组治疗后S均值为 2 .14 ,与治疗前比较无显著改善。试验组活检肝组织纤维化分期判断     

基因表达数据中误分类点的识别与处理

有监督的分析方法目前已被广泛应用于微阵列表达数据分析中 ,但训练集本身存在的个别样本的误分类情况大大影响了分类的质量。支持向量机 (SVMs)是近几年出现的一种新的通用学习算法 ,它独特的性能不仅非常适合于处理微阵列基因表达数据 ,而且还能对训练集中的误分类点做出准确的推测。介绍了如何利用 SVMs算法对 c DNA微阵列表达数据中的误分类点进行识别 ,并对如何处理误分类点给出了几点建议     

临床数据管理的电子化趋势

临床数据管理是药物临床研究中的重要内容，数据的质量直接关系到能否对药物的安全性和有效性做出正确的评价。近年来，随着计算机与网络技术的发展，国际上药物临床研究出现了电子化临床数据管理模式，数据的收集、录入、核查、整理已经不再采用纸型的病例报告表(CRF)，而是以电子CRF(e-CRF)的形式收集数据，     

铁皮石斛居群差异的研究ⅡISSR指纹标记方法的建立与优化

目的:针对铁皮石斛ISSR的反应特点,建立稳定可靠的ISSR分子指纹标记反应体系,为进一步研究铁皮石斛的居群差异奠定基础。方法:通过筛选引物并设定影响铁皮石斛ISSR反应的诸因子的不同浓度,检测IS-SR不同反应体系的扩增效果;通过分析非特异性条带的产生原因并进行条件优化,建立铁皮石斛ISSR稳定可靠的反应体系。结果与结论:首次建立了可用于铁皮石斛ISSR-PCR分析的最适宜的反应体系:25μL PCR反应体系中,10×Taq酶配套缓冲液,1.5 U Taq DNA聚合酶,1.2～1.8 mmol.L^-1MgCl₂,80μmol.L^-1dNTP,0.2μmol.L^-1引物,DNA模板约20 ng,退火温度52～60℃;实验表明:Taq酶质量、DNA模板品质、退火温度等对ISSR反应结果具有较大影响。所建立的铁皮石斛ISSR反应体系具有标记位点清晰、反应系统稳定、检测多态性能力较强、重复性好等特点,可以较好地应用于铁皮石斛的居群鉴别及居群分子生态的研究。     

基于Super Learner的边缘结构模型研究及发展

摘要：时依性混杂是纵向观察性研究数据中常见,但较难用传统回归模型控制的特殊混杂。边缘结构模型通过计算逆概率权重对原始人群进行加权,获得新的虚拟人群,消除混杂因素的影响,是目前控制时依性混杂较流行的方法。近年来,随着机器学习的发展,利用数据自适应算法计算逆概率权重的边缘结构模型逐步受到关注。Super Learner是其中较新颖的一种方法,其能很好地规避传统估计逆概率权重方法的缺陷。该文基于前人的相关研究,总结传统边缘结构模型和逆概率权重的构建与计算,介绍Super Learner的构建、优缺点以及目前在药物流行病学相关研究中的实际应用,并提出未来可研究和待解决的问题。     

基于翻转课堂的形成性评价在医学统计学教学中的实践与评价

正关于医学统计学教学模式,国内外均开展了广泛的探索,如PBL~([1])、MOOC~([2])、翻转课堂~([3-4])等。其中,翻转课堂是近年来兴起的提高课堂教学效果的新模式,其注重学生综合素质和创新能力的培养~([5])。但是大多数翻转课堂教学采取的仍然是终结性评价方式,即学生成绩仍主要由期末考试决定,没有在翻转课堂及整个教学实施过程中给予学生成绩上的反馈,一定     

基于机器学习算法的重症缺血性脑卒中早期死亡预测效果评价

目的 评价支持向量机(SVM)、随机森林(RF)、极限梯度提升(XGBoost)3种机器学习算法与Logistic回归在重症缺血性脑卒中30天死亡结局的预测效果。方法 使用2008年至2019年MIMIC-IV数据库中符合纳排标准的2358例重症缺血性脑卒中患者资料,分别用SVM、随机森林、XGBoost3种机器学习算法与Logistic回归结合合成少数类过采样(SMOTE)技术建立早期死亡预测模型,并使用通过受试者工作特征曲线下面积(AUC)、准确度、F1-score、布里尔分数等指标评价预测效果。结果 SVM、随机森林、XGBoost与Logistic回归模型在原始类不平衡数据死亡预测中AUC值分别为0.78、0.81、0.84、0.83。应用SMOTE合成数据集后,SVM、随机森林、XGBoost与Logistic回归模型的AUC值分别为0.72、0.84、0.83、0.83。除SVM 外,机器学习算法与Logistic回归之间有相似的预测能力,但准确率、布里尔分数等优于Logistic回归,综合分类性能更优。结论 机器学习算法在重症缺血性脑卒中早期死亡预测中性能较传统方法更优,在解决重症患者预后预测研究问题中具有优势。