目的 回顾性研究社区老人心理状态现状及影响其焦虑抑郁情绪的相关因素.方法 选取2022年12月～2023年12月某社区已建立居民健康档案的老人80例进行回顾性分析,依据档案资料中的Zung焦虑自评量表(Self-rating anxiety Scale,SAS)及Zung抑郁自评量表(Self-Rating Depression Scale,SDS)评估结果是否存在焦虑及抑郁情况进行分组,分为发生组和未发生组,收集对比两组社区老人的资料情况,存在差异的指标使用Logistic回归模型分析影响心理状态的相关因素,构建风险预测模型,利用受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC)评价模型价值,构建校准曲线与决策曲线.结果 两组婚姻状况、月收入、慢性疾病、独居、匹兹堡睡眠质量指数(Pittsburgh sleep quality index,PSQI)评分及自我效能感量表(General Self-Efficacy Scale,GSES)评分对比存在显著差异(P＜0.05),且上述因素均是社区老人焦虑抑郁情绪的危险因素(OR值＞1).通过构建列线图,并绘制ROC曲线验证列预测模型准确性,发现AUC是0.769,95％CI为(0.666～0.871).风险预测模型的校准曲线和参考曲线相近,证明社区老人焦虑抑郁情绪的预测风险和实际风险一致性较高;同时预测模型的净获益率较高,证明该预测模型的适用性较好.结论 婚姻状况、月收入、慢性疾病、独居、睡眠情况及自我效能感均为社区老人焦虑抑郁情绪的影响因素,由此构建风险预测模型的预测效能高、适用性好,为采取干预措施提供指导.

生态安全格局是维持生态过程和保障生态系统功能稳定的重要空间途径.随着景观规划和决策的开始实施,亟需考虑生态安全格局构建的差异化方法及其空间输出的一致性,以及研究对象的匹配性和适用性.本研究从整合视角出发,以黄土高原退耕还林工程主要实施区域延安市安塞区为对象,结合地域地形地貌和景观特征,融合形态学空间格局分析和生态系统服务重要性评价结果识别生态源地,构建安塞区生态安全格局.结果表明:结构型与功能型构建方法在空间保护优先级识别上的一致性较低,面向整合集成的方法可形成互补,能实现结构连通与功能提升双重目标;研究区共有202个生态源地,总面积391.58 km2,约占研究区总面积的13.3％,整体呈现碎片化分布特征,主要分布于北部和南部;研究区共有110条生态廊道,总长度599 km,主要围绕河道分布,呈现出"南北部短窄密集、中部长宽疏朗"的分布特征.本研究提供的结构-功能整合方法为国土空间生态修复规划工作提供新见解,并能推进景观格局、过程和服务的研究.

目的 从护理教育和临床实践 2 个视角综合探讨护理本科生应急处置团队合作能力的培训需求分析,为进一步开发课程体系提供依据.方法 对 10 名有应急处置团队合作经验的护理教育及临床专家进行一对一半结构式的深入访谈,访谈内容主要包括护理本科生应急处置合作能力的现状、培养目标、课程设置等,运用内容分析法进行资料分析且提炼主题.结果 最终形成 3 个主题和 9 个亚主题,包括缺少针对性的护生应急处置团队合作培养体系(学校缺乏系统教育、临床实践和理论脱节);明确应急处置团队合作能力培养目标(横纵向沟通能力、对场景预判能力和最大化决策能力);丰富培训内容及考核形式(理论授课,初步感受多学科思维;临床实践,形成整合性思维和专业思维;情景模拟,培养精准复盘思维;多样化考核评价,提升综合能力).结论 建议联合学校—医院—护理本科生,建立目标明确、切实可行的护理本科生应急处置团队合作培养体系.从护生本科教育阶段开始注重对其能力的培养,学校课程全面覆盖应急处置的预防、准备、响应和复原各环节,"应急预备小队"强化实践技能和培养团队合作默契,医院虚拟仿真平台提供实战经验.将团队合作精神全方位融入护理本科生应急课程与实践中,为储备应急护理人才、提升护理队伍的整体应急处置团队合作能力提供坚实后盾.

目的 用现有药代动力学(PK)药物相互作用(DDI)信息的数据库,构建出可用于预测AUC倍数变化(FC)的机器学习模型,用于探究对现有DDI预测的可能,为临床用药提供一定的合理建议.方法 从美国食品药品监督管理局(FDA)认证的药品标签中提取DDI的PK数据和AUC倍数变化的数据.通过DrugBank检索出DDI有关的多肽和药效学(PD)信息,用蛋白质资源(UniProt)对相关多肽ID进行药物类型(PPDT)标识,用矩阵归一化的代码生成便于分析的多维向量数据.PPDT对AUC的影响和所产生的倍数变化作为因变量,进行机器学习模型构建.用均方根误差(RMES)值最小的模型进行模型构建,训练出袋装决策树(Bagged)预测模型.利用训练好的模型对部分药物检验,检测模型的预测性别.通过查阅现有的有关检测DDI对的文献研究结果,对预测值进行分析比较,对模型进行评价.结果 检验模型药物对共16对,分别为16种药物对他克莫司的影响,发现对DDI的有无预测准确率为81.25％;预测结果根据FDA标准分类强弱,结果表明,DDI强弱预测,偏离较大的预测较少.结论 模型预测DDI的有无评价一般;但对DDI的强弱分类后,对DDI的预测结果较好,预测结果说明模型预测性能对于在临床试验之前进行潜在的DDI评估具有一定的参考价值.

森林是最重要的陆地生态系统类型之一,在生态文明建设中具有举足轻重的地位,研究独具森林资源优势地区的生态系统生产总值(GEP)变化及其对土地利用变化的响应对促进该类区域可持续发展具有重要意义.本研究以江西省资溪县为研究区,基于生态系统价值核算理论和方法,在调节服务通用指标体系(水源涵养、土壤保持、氧气提供、碳固定、气候调节、洪水调蓄、水质净化、空气净化、物种保育)及文化服务通用指标体系(景观游憩、教育)基础上,增加负氧离子、康养等指标,并引入森林生态系统服务修正系数,构建独具森林资源优势的GEP指标体系和方法,评估了研究区2010、2017和2020年GEP的时空变化特征,采用弹性指数及价值损益分析方法量化了土地利用/土地覆盖变化对GEP的影响.结果表明:2010、2017和2020年资溪县GEP分别为167.88、268.17和384.07亿元.各生态系统GEP占总GEP比例依次为森林＞湿地＞农田＞草地＞城镇.研究期间,GEP增加值主要来源于森林生态系统.土地利用变化对GEP产生了重要影响.2010-2020年,研究区土地利用变化总面积为8501.88 hm2.各土地利用变化幅度依次为草地(-2811.17 hm2)＞城镇(1428.06 hm2)＞森林(1357.67 hm2)＞湿地(1031.05 hm2)＞农田(-1005.01 hm2).各类用地的绝对变化主要发生在2017-2020年.各测算指标对森林生态系统的弹性指数明显高于其他生态系统,说明GEP对林地面积变化的敏感性最高.价值损益分析表明,城市开发在一定程度上降低了 GEP,林地、湿地的保护促进了 GEP增加.2010-2020年,资溪县土地利用类型之间的转化导致GEP增加18.65亿元,说明资溪县土地利用变化整体上对生态的影响是正向的.研究结果一定程度上体现了资溪县成为国家生态文明建设示范县之后的绿色发展成效,也为研究区今后高质量发展、高水平保护和土地资源可持续开发利用提供了决策支持,并可为其他类似地区的GEP核算提供借鉴.

综述未来照护准备的概念、现状及评估工具,分析人口学、认知、生理、心理和社会因素对老年人未来照护准备的影响,并总结以家庭为中心干预、团体健康教育和网络辅助决策对提高老年人未来照护准备水平的有效性,为后续开展干预性研究提供参考.

目的 利用可解释的机器学习模型,探讨轻型缺血性卒中(minor ischemic stroke,MIS)2年内复发相关危险因素.方法 回顾性收集2020年7-12月山西省心血管病医院神经内科MIS患者一般资料、实验室结果、影像学等资料,单因素分析进行复发危险因素变量筛选,合成少数过采样技术-标称连续处理数据不平衡,数据集按8∶2的比例分为训练集与测试集,网格搜索10折交叉验证构建轻量梯度提升机(light gradient boosting machine,LightGBM)、支持向量机(support vector machine,SVM)模型,并与逻辑回归(logistic regression,LR)模型进行比较,基于ROC的AUC、校准曲线分别评价模型的区分度与校准度,性能最好的模型通过Shapley加性解释(Shapley additive explanation,SHAP)模型对预测结果进行解读.结果 本研究共纳入520例MIS患者,2年内复发93例(17.9％),测试集中LightGBM、SVM、LR预测患者2年内复发的AUC分别为0.935(95％CI 0.896～0.973)、0.833(95％CI 0.770～0.896)、0.764(95％CI 0.691～0.835),准确度分别为0.890、0.773、0.693,布里尔分数分别为0.105、0.167、0.200.结果 显示LightGBM模型性能最优,基于SHAP的LightGBM可解释模型重要性前5的是舒张压、年龄、糖尿病、LDL-C、吸烟.结论 本研究建立的LightGBM模型预测效果良好,可为MIS患者2年内复发的预测提供借鉴.通过SHAP可解释性帮助临床医师更好地理解预测模型结果背后的原因,对MIS患者做出更个性化与合理化的临床决策.

目的 探讨肩袖损伤修复术后功能转归影响因素,并构建列线图模型,为临床决策提供参考信息.方法 选取2021年6月～2023年6月我院214例拟行肩袖损伤修复术患者,以术后3个月美国肩肘外科协会评分(ASES)作为功能转归判定标准,分为转归组和非转归组.统计并比较2组一般资料、磁共振(MRI)影像学指标、血清学指标,采用Logistic回归方程分析肩袖损伤修复术后功能转归影响因素,并构建列线图模型,绘制校准曲线、受试者工作特征曲线、决策曲线(DCA)分析列线图模型预测效能及临床适用性.结果 两组术后开始功能锻炼时间、术后功能锻炼依从性、SSP回缩距离、关节囊积液、SSP及SSC肌肉脂肪浸润程度分级、FIB、FDP、CRP比较差异有统计学意义(P＜0.05);经Logistic回归方程分析,术后开始功能锻炼时间、SSP回缩距离、关节囊积液、SSC肌肉脂肪浸润程度分级、FIB、FDP是肩袖损伤修复术后功能未转归影响因素(P＜0.05);参照肩袖损伤修复术后功能转归影响因素构建列线图模型,列线图模型在肩袖损伤修复术后功能转归中的AUC为0.876,95％CI为0.831～0.927,列线图模型表观线和偏差矫正线与理想线偏差不大,在0.10～0.75决策阈值下,列线图模型为临床参与者提供临床获益.结论 MRI影像学指标及血清FIB、FDP、CRP对于肩袖损伤修复术后功能转归情况具有较高预测价值,为临床早期预测术后功能转归、制定相应干预方案提供参考.

目的 通过机器学习方法对流行性感冒临床证候学资料进行训练,获得流感辨证模型.方法 收集2019年12月-2022年3月就诊于中日友好医院发热门诊的流行性感冒患者病历资料,使用数据采集系统进行数据处理,将不同数据处理过程产生的数据分别存储,以逻辑回归、决策树、朴素贝叶斯、支持向量机、多层感知机、lightGBM和随机森林为备选模型,通过Optuna进行超参数优化选择,并在各数据集中分别训练模型,以macro-F1评分为核心指标,对模型的预测性能进行评价.结果 整理得到训练样本1 011个,其中风热犯卫证453个、风寒束表证152个、表寒里热证406个;得到用于训练的数据集8个,包含数据80份.经训练,逻辑回归、决策树、朴素贝叶斯、支持向量机、多层感知机、lightGBM、随机森林模型的macro-F1评分分别为0.783 0、0.774 2、0.731 5、0.782 4、0.716 7、0.793 8、0.815 3.加权样本能显著提高平均模型性能,而主成分分析降维会降低平均模型性能.单一模型中,逻辑回归模型预测性能最佳;集成方法模型中,随机森林模型预测性能最佳.结论 在样本量较小的情况下,流行性感冒中医辨证模型使用逻辑回归、决策树、支持向量机和lightGBM较为适宜,随着样本量增加,逻辑回归、支持向量机、lightGBM和随机森林可能更为合适.不同数据处理方式会影响模型性能,对证型典型程度信息的采集有利于提高模型性能.

目的 探究老年社区获得性肺炎相关脓毒症患者预后影响因素并构建预测模型.方法 回顾性纳入宁夏医科大学总医院2020年10月至2022年10月老年社区获得性肺炎相关脓毒症患者的临床资料,通过随机数字表法按7∶3比例分为建模人群和验证人群,并比较两人群的临床资料有无可比性.根据入院30 d结局分为生存组和死亡组,通过LASSO回归、多因素Logistic回归分析筛选出老年社区获得性肺炎相关脓毒症患者预后的独立危险因素,使用R软件构建列线图预测模型.采用受试者工作特征曲线的曲线下面积(area under the curve,AUC)、校准曲线和决策曲线分别在建模人群和验证人群中对列线图预测模型进行验证以判断其区分度、校准度和临床实用性.结果 共纳入472例患者,建模与验证人群分别为331例、141例,建模人群与验证人群间临床资料具有可比性.LASSO回归、多因素Logistic回归分析显示肺炎严重程度(pneumonia severity index,PSI)评分及序贯器官衰竭(sequential organ failure assessment,SOFA)评分是老年社区获得性肺炎相关脓毒症患者预后的独立危险因素.建模人群预测模型的AUC为0.984(95％CI:0.975～0.994),验证人群预测模型的AUC为0.961(95％CI:0.926～0.996).列线图预测模型在建模人群和验证人群中均具有良好的区分度、校准度和临床实用性.结论 本研究建立的列线图预测模型对老年社区获得性肺炎相关脓毒症患者预后的早期识别和风险有较高的准确性,能够为临床医生制定个性化干预措施提供指导.