揿针治疗类风湿关节炎的临床疗效及对血清炎症因子的影响

目的 观察揿针治疗类风湿关节炎(RA)的临床疗效及对血清炎症因子的影响。方法 将105例RA患者按照随机数字表法分为3组,对照组35例予常规西药治疗,针刺组35例在西药组治疗基础上加针刺治疗,揿针组35例在针刺组治疗基础上加揿针治疗。3组均10 d为1个疗程,连续治疗2个疗程。比较3组治疗前后28个关节疾病活动度(DAS28)评分、疼痛视觉模拟评分(VAS)变化;比较3组治疗前后血清抗环瓜氨酸肽(CCP)抗体、类风湿因子(RF)及炎症因子白细胞介素6(IL-6)、IL-17A含量变化。结果 3组治疗后DAS28评分、疼痛VAS均较本组治疗前降低(P<0.05),治疗后揿针组、针刺组DAS28评分、疼痛VAS均低于对照组(P<0.05)。3组治疗后血清CCP抗体、RF及IL-6、IL-17A含量均较本组治疗前降低(P<0.05),且治疗后揿针组、针刺组血清CCP抗体、RF及IL-6、IL-17A含量均低于对照组(P<0.05)。结论 揿针治疗RA能改善患者临床症状,疗效显著,其作用机制可能与抑制炎症因子水平有关。     

基于机器学习构建强直性脊柱炎患者使用生物制剂不依从性临床预测模型

目的 开发强直性脊柱炎(AS)生物制剂使用不依从性临床预测模型。方法 收集2020年1月至2022年10月门诊及住院确诊AS患者共201例(共收集病例220例,脱落19例),以6个月后治疗覆盖时间比例作为不依从性判定标准。基于LASSO回归及支持向量机筛选特征变量因子并取交集。使用多变量logistic回归分析构建不依从性临床预测模型。通过C指数、受试者工作特征(ROC)曲线、校准图和临床决策曲线评估预测模型的预测能力及临床实用性。通过Adaboost算法及Lightgbm算法对构建的二分类模型进行验证,绘制ROC曲线及PR曲线验证模型预测能力。通过内部抽样构建验证集并使用C指数、校正曲线、ROC曲线进行验证。结果 研究显示AS生物制剂使用不依从性为46.8%。机器学习结果取交集得到教育水平、月收入、焦虑程度、药物使用频次、疾病活动度、年龄6个特征变量作为构建预测模型的因子。该模型C指数为0.739,ROC曲线下面积为0.715。决策曲线分析表明该模型可以使约90%的患者受益。Adaboost算法显示ROC曲线下面积为0.643,PR曲线下面积为0.634;Lightgbm算法显示RO...