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.

泌尿系统恶性肿瘤患者面临复杂的决策信息,识别患者决策需求并提供合适的共享决策(SDM)有利于提高患者决策质量,进而改善其生存质量.目前,我国正处于SDM初步发展阶段,通过借鉴国外SDM模式、渥太华决策支持框架、跨专业SDM模式等相关理论模式,采用决策辅助工具及决策辅导对患者实施SDM.但肿瘤患者SDM相关研究尚不成熟,国外SDM模式是否适用于我国泌尿系统恶性肿瘤患者仍需进一步探讨.本文对泌尿系统恶性肿瘤患者决策挑战及SDM实践经验予以综述.

介绍决策辅助概念和实施步骤,常用工具有决策辅助手册、计算机辅助、视频决策辅助等,实施方式有质性访谈决策辅助、阶段式决策辅助、护理目标决策辅助,比较不同决策辅助方式在急性脑梗死患者再灌注治疗中的应用效果及其优缺点,提出未来决策辅助方式的研究方向.

目的 系统评价决策辅助工具在局限性前列腺癌患者治疗中的应用效果.方法 计算机检索Cochrane Library、Web of Science、PubMed、Embase、Scopus、中国知网、维普数据库、万方数据库、中国生物医学文献数据库中有关决策辅助工具在前列腺癌患者中应用效果的随机对照试验,检索时间为2000年1月至2023年1月.依据Cochrane手册5.1.0版进行文献质量评价,并用RevMan 5.4进行软件分析.结果 共纳入10篇研究,包括2 695例研究对象.Meta分析结果显示,决策辅助工具可改善局限性前列腺癌患者治疗决策冲突(MD=-0.85,95％CI:-0.56～-0.14,P=0.02),但对提高决策知识(SMD=0.56,95％CI:-0.06～1.18,P=0.08)、决策准备(SMD=0.08,95％CI:-0.24～0.40,P=0.61)、决策满意度(SMD=2.17,95％CI:-0.66～5.00,P=0.13)和降低决策后悔(SMD=0.33,95％CI:-1.09～1.75,P=0.65)无显著作用.结论 决策辅助工具对局限性前列腺癌患者治疗决策具有一定干预效果,但仍需更多高质量试验进一步验证.今后可借鉴国外相关理论框架及开发经验,研发符合我国患者需求的决策辅助工具,以提高患者的决策质量.

针对当前皮肤病辅助诊断中生物医学特征建模规模较小且耗费巨大人工成本,而患者疾病特征的时间序列同样无法准确描述等难点,本研究运用融合文本分类算法,融合常用的文本分类模型TextLSTM、TextCNN、RCNN得到皮肤疾病辅助诊疗模型(TLNN模型),通过提取图像传感器医学特征向量化后进行预处理减少焦块数量以及消除偏差较大的特征信息,提高决策数据精度.在ISIC2018和PH2数据集进行对照实验,TLNN模型的准确率为72.36%,高于其余3种文本分类模型.在与医生主观诊断对比实验中,模型诊断准确率为92%,接近于医生94%的平均准确率,而有效诊断效率(1.17 min/例)明显高于医生人工诊断(4.57 min/例),整体效率提升幅度达290%,结果表明对比传统人工诊断,融合文本分类算法模型能以更短时间获得精确的诊断.TLNN模型可以应用于疾病诊断,辅助医生医疗决策,为患者提供优质便捷的智能诊疗服务.

目的:探讨基于临床资料、影像征象和影像组学特征构建的联合模型在术前对肺结节浸润程度的预测价值,并通过决策热图及Shapley算法对模型进行可视化分析.方法:回顾性搜集2018年1月—2022年3月在本院经病理确诊的179例肺结节患者的临床资料和术前CT图像(肺窗平扫).根据肺肿瘤新分类,分为腺体前驱病变组(78例)和浸润性肺腺癌组(101例).采用Deepwise软件,分别提取瘤灶、瘤周3 mm和5 mm区域的影像组学特征.使用单因素分析、相关性分析、Boruta算法和逐步logistic回归分析等特征筛选算法确定各区域的最佳组学特征,然后采用logistics方法分别构建3个单区域及2个多区域(肿瘤+瘤周3 mm及肿瘤+瘤周5 mm)共5个影像组学模型,分析各模型的预测效能并计算其影像组学评分(Radsocre).通过单因素和多因素logistic回归方法筛选相关临床指标和结节的主要CT征象,并采用XGBoost算法将筛选出的高危因素结合瘤灶+瘤周3 mm联合模型的影像组学得分构建临床影像联合模型.额外收集浙江省嘉兴市中医医院经病理证实的69例肺结节患者的临床和CT资料来完成联合模型的泛化性验证.利用决策热图和Shapley算法对模型分别进行可视化和特征贡献度分析.结果:相比单区域影像组学模型(训练集:AUC=0.740、0753、0.768;验证集:AUC=0.841、0.856、0.809),多区域影像组学模型在两个数据集中均显示出更高的预测效能(AUC=0.878和0.834).XGBoost联合模型的预测效能得到进一步地提高(AUC=0.948和0.886).Shap-ley分析显示影像组学得分、CT值和结节长度为预测肺结节浸润程度的最重要的3个特征.决策热图算法实现了对浸润性预测推演过程的可视化.结论:XGBoost模型对肺结节浸润性的评估具有较高的准确性和泛化性.决策热图实现了可解释机器学习算法的可视化从而保障了模型的实用性,为肺结节的临床处理及管理提供了一种无创性的辅助诊断工具.

目的基于治疗前多参数磁共振成像(multi-parametric magnetic resonance imaging,mpMRI)影像组学特征,结合临床变量构建模型,预测局部晚期宫颈鳞癌(locally advanced cervical squamous cell carcinoma,LACSCC)患者新辅助化疗(neoadjuvant chemotherapy,NACT)后淋巴结转移状况.材料与方法回顾性分析两个中心2013年1月至2022年2月的265例接受NACT并行根治性子宫切除术的LACSCC患者病例及影像,中心1的数据用于模型训练,中心2的数据用于模型验证.所有患者NACT治疗前行盆腔MRI检查.于矢状位T2加权成像(sagittal T2-weighted imaging,Sag_T2WI)、轴位弥散加权成像(axial diffusion-weighted imaging,Ax_DWI)和延迟期矢状位对比增强T1加权成像(sagittal T1-weighted contrast-enhanced imaging,Sag_T1C)勾画肿瘤感兴趣区(region of interest,ROI)并提取影像组学特征.通过K最佳(K-Best)及最小绝对值收缩与选择算法(least absolute shrinkage and selection operator,LASSO)降维并筛选出与淋巴结转移强相关影像组学特征.基于每个序列筛选后的组学特征构建三个单序列模型,在所有特征间作相关性分析,排除高度相关的组学特征,并对临床变量进行多变量回归分析,融合临床变量及筛选后的影像组学特征构建临床-影像组学的组合模型,比较模型间性能差异.利用受试者工作特征(receiver operating characteristic,ROC)曲线及决策曲线(decision curve analysis,DCA)评估模型的诊断性能及临床效能.结果Sag_T2WI、Ax_DWI、Sag_T1C三个序列分别筛选出6、3、7个与淋巴结转移高度相关的组学特征,其中2个形状特征和10个纹理特征被纳入组合模型.多因素logistic回归分析显示MRI评估的淋巴结状态是淋巴结转移的预测因素(P<0.05).与单序列模型相比,组合模型具有更好的预测能力,在训练集和验证集的诊断能力最高,ROC曲线下面积、敏感度和特异度分别为0.848[95％(confidence interval,CI):0.785～0.912]、78.2％、74.4％和0.827(95％CI:0.737～0.917)、80.8％、69.4％.DCA显示如果风险阈值超过60％,则用组合模型预测LACSCC患者NACT后淋巴结状态可获得较大的临床效益.结论基于治疗前MRI,联合Sag_T2WI、Ax_DWI、Sag_T1C三个序列的组学特征及临床信息对LACSCC患者NACT后淋巴结转移具有较好的预测效能.

目的基于治疗前多参数磁共振成像(multi-parametric magnetic resonance imaging,mpMRI)影像组学特征构建模型预测局部晚期宫颈癌(locally advanced cervical cancer,LACC)新辅助化疗(neoadjuvant chemotherapy,NACT)后淋巴脉管间隙浸润(lymphovascular space invasion,LVSI)状态.材料与方法回顾性分析了300例于2013年至2022年来自于河南省人民医院(训练集187人,LVSI阳性73人)和河南省肿瘤医院(验证集113人,LVSI阳性31人)接受NACT并行根治性子宫切除术LACC患者的临床及影像资料.于轴位弥散加权成像(axial diffusion-weighted imaging,Ax_DWI)、矢状位T2加权成像(sagittal T2-weighted imaging,Sag_T2WI)和矢状位对比增强T1加权成像(sagittal T1-weighted contrast-enhanced imaging,Sag_T1C)上勾画肿瘤感兴趣区(region of interest,ROI)并提取特征,利用递归特征消除算法与最小绝对值收缩与选择算法筛选影像组学特征.随后,基于逻辑回归分类器分别建立单序列模型,双序列模型及基于三序列组学特征的联合序列模型.使用受试者工作特征(receiver operating characteristic,ROC)曲线评估各模型性能,使用DeLong检验比较曲线下面积(area under the curve,AUC),通过决策曲线评估模型的临床价值.结果在验证集中,基于Ax_DWI、Sag_T2WI及Sag_T1C构建的单序列模型的AUC分别为0.717[95％置信区间(confidence interval,CI):0.605～0.829]、0.734(95％CI:0.633～0.836)和0.733(95％CI:0.626～0.841);基于Ax_DWI+Sag_T2WI、Ax_DWI+Sag_T1C及Sag_T2WI+Sag_T1C构建的双序列模型的AUC值分别为0.763(95％CI:0.660～0.866)、0.786(95％CI:0.692～0.881)与0.815(95％CI:0.731～0.899);联合序列模型的AUC值为0.829(95％CI:0.740～0.914),高于各单序列模型与双序列模型,但联合序列模型与Ax_DWI模型、Sag_T2W1模型及Ax_DWI+Sag_T2W1模型之间AUC差异无统计学意义(P=0.015～0.047).决策曲线显示联合序列模型的临床净效益高于单序列模型与各双序列模型.结论基于治疗前mpMRI影像组学特征构建的联合序列模型可有效预测LACC患者NACT后的LVSI状态.

随着结直肠癌的发病率和死亡率在全球范围内显著上升,局部进展期直肠癌(locally advanced rectal cancer,LARC)的治疗策略引起了广泛关注.目前,新辅助治疗(neoadjuvant chemoradiotherapy,NCRT)后行全直肠系膜切除术(total mesorectal excision,TME)被推荐为LARC的标准治疗方案.尽管NCRT能显著改善预后,但LARC患者对此治疗响应存在显著差异.因此,准确评估N C RT的疗效对于临床决策和个体化医疗具有重要意义.当前的疗效评估方法包括血清肿瘤标记物、内镜、直肠腔内超声、CT/MRI等,但各有局限.近年来,磁共振肿瘤退缩分级(magnetic resonance tumor regression grade,mrTRG)系统因其无辐射、多方位成像、软组织分辨率高和动态连续观察的优点而受到关注和推荐,因此,本文旨在通过分析最新的国内外研究文献,着重探讨LARC患者NCRT后mrTRG的应用价值及其现状.

目的:构建基于增强计算机断层扫描(CECT)影像组学的非小细胞肺癌(NSCLC)患者新辅助化疗后脑转移风险的列线图.方法:选取2018 年3 月～2021 年9 月徐州医科大学附属沭阳医院就诊的252 例行新辅助化疗的NSCLC作为模型组,2021 年10 月～2022 年7 月就诊的110 例行新辅助化疗的NSCLC作为验证组.应用Logistic回归分析筛选NSCLC患者新辅助化疗后脑转移的危险因素.利用LIFEx软件提取NSCLC患者新辅助化疗前的CECT影像组学特征,采用LASSO对CECT定量影像学指标的参数进行筛选.建立CECT影像组学、临床特征模型.通过整合优化的CECT影像组学及临床特征模型,采用R软件建立NSCLC患者新辅助化疗后脑转移的列线图.结果:Logsitc回归分析结果显示,Ⅳ期NSCLC、腺癌、低分化及淋巴结转移数目≥4 等均是NSCLC患者新辅助化疗后脑转移的危险因素(P<0.05).模型组和验证组的校正曲线均显示预测值与实际值的一致性较好;模型组的ROC曲线下面积为 0.759(95%CI:0.701～0.811),验证组的ROC曲线下面积为 0.788(95%CI:0.747～0.829);模型组的决策曲线显示阈值概率为7%～81%时,列线图预测NSCLC患者新辅助化疗后脑转移的净获益值较高,验证组的决策曲线显示阈值概率为 4%～85%时,列线图预测NSCLC患者新辅助化疗后脑转移的净获益值较高.结论:基于CECT影像组学的NSCLC患者新辅助化疗后脑转移的列线图模型的准确性及临床应用价值较好,能够用于预测NSCLC患者新辅助化疗后脑转移的风险.