慢性心力衰竭中医四诊信息与患者生命质量的相关性

目的:探讨慢性心力衰竭患者中医四诊信息与生命质量的关系。方法:选取2013年9月至2014年12月325例符合纳入标准的慢性心力衰竭患者,通过横断面调查研究,多中心收集患者基本信息及中医四诊信息,采用简明健康状况调查问卷(SF-36)评价其生命质量,运用Spearman等级相关分析SF-36中生理机能、生理职能、躯体疼痛、一般健康状况、精力、社会功能、情感职能以及精神健康等8个维度与出现频率位于前15位的中医症状及频率大于40%的舌诊及脉诊之间的相关关系。结果:位于前15位的中医症状中呼吸困难、少气懒言、神疲、气短、食欲不振、乏力、下肢浮肿、失眠与SF-36一个或多个维度及总分呈负相关(P0.05),舌诊结果与SF-36一个或多个维度及总分呈低相关(P0.05),脉诊结果与SF-36各维度及总分呈低相关,但差异无统计学意义(P0.05)。结论:慢性心力衰竭中医四诊信息与患者生命质量具有相关性,其中呼吸困难、少气懒言、神疲、气短、食欲不振、乏力、下肢浮肿、失眠等8个症状与患者生命质量存在显著负相关,改善以上症状能提高患者生命质量。     

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。     

基于因子分析的慢性心力衰竭患者中医证候特点研究

目的:探讨通过因子分析的慢性心力衰竭中医临床证候要素分布与传统人为中医辨证分析结果的符合程度,为慢性心力衰竭证候分布的数据挖掘及辨证论治提供参考依据。方法:设计前瞻性中医四诊信息观察表,选取冠心病慢性心力衰竭患者312例,观察其中医症状特点,通过因子分析提取证候要素,并将因子分析的证候分布结果与传统人为中医辨证分析结果进行对比分析。结果:(1)因子分析结果得出14个公因子,根据专业知识进行分析和归纳,结果包含6种证候,出现频率高低依次为气虚血瘀137(43.91%)气虚血瘀水饮58(18.59%)气虚47(15.06%)阳虚27(8.65%)阳虚血瘀水饮26(8.33%)血瘀17(5.45%)。(2)因子分析的证候分布结果与传统人为中医辨证分析结果之间差异有统计学意义(P0.0001)。结论:基于因子分析的慢性心力衰竭中医证候分布以气虚血瘀最常见,这与传统人为中医辨证分析结果一致,但因子分析法不能代替传统中医辨证,或可对传统中医辨证结果进行校正。