目的 探讨T细胞表面程序性死亡受体-1(PD-1)表达水平与脓毒症患者 28d预后的关系.方法 将 2020 年 1 月—2023 年 4 月上海市第八人民医院住院治疗的脓毒症患者作为研究对象,患者根据入院28d后预后情况分为死亡组(41 例)和生存组(78 例).采用倾向性得分匹配(PSM)按 1∶1 的比例对死亡患者进行匹配,每组 41 例,比较患者的临床资料,分析影响患者预后的独立危险因素.分析PD-1 表达水平与脓毒症患者预后的剂量反应关系及诊断价值.构建列线图模型,并对模型效能进行验证.结果 匹配后两组患者除PD-1 水平外,其余指标比较差异均无统计学意义(P>0.05).多因素分析结果显示,合并慢性肝病、APACHE Ⅱ评分、SOFA评分、CRP、乳酸、PCT、PD-1 水平均是影响脓毒症患者预后的独立危险因素(P<0.05).剂量反应关系分析结果显示,当 PD-1≤22 ng/mL 时,脓毒症患者死亡的风险几乎不随PD-1 水平升高而升高(HR=1.002,95%CI:1.000～1.005,P=0.623);但当 PD-1>22 ng/mL时,脓毒症患者死亡的风险随 PD-1 水平升高而明显升高(HR=1.006,95%CI:1.003～1.008,P<0.001).PD-1 表达水平对脓毒症患者预后具有较高的诊断价值(AUC=0.803).线图模型的 ROC 曲线下面积为 0.817,C-index 为0.806,校准曲线拟合度良好,临床决策曲线阈值概率在 0.04～0.95 范围内有较高的净获益值,表明列线图模型的区分度较高、准确度良好、有效性较好.结论 T细胞表面PD-1 表达水平是影响脓毒症患者预后的重要因素,对患者预后评估具有积极意义.

背景 部分危重症甲型流感病毒(IAV)感染患儿可发生严重的后遗症甚至死亡,但其早期的临床表现无特异性,目前国内外缺乏相关预测模型的研究.目的 建立儿童危重症IAV感染的列线图预测模型,以帮助临床早期识别危重症IAV感染.设计 病例对照研究.方法 纳入 2018 年 1 月至 2023 年 11 月在郑州大学附属儿童医院住院的IAV感染连续病例,根据出院诊断结合临床资料分为危重症和非危重症患儿,截取患儿的人口学资料、入院时症状、入院时实验室检查项目、合并其他病原体感染情况.根据IAV在河南省的发生率计算样本量需＞320 例,将纳入患儿按 7∶3 的比例随机分为建模组和验证组,在建模组病例中筛选危重症IAV感染的影响因素,并采用R 4.3.2 软件包构建危重症IAV感染的列线图预测模型.主要结局指标 儿童危重症IAV感染的影响因素.结果 391 例IAV感染住院患儿中,危重症 134 例,其中20 例(14.9%)出现后遗症,均为神经系统受损,12 例(9.0%)死亡;非危重症患儿均治愈出院;建模组 274 例,验证组 117例,两组临床资料差异均无统计学意义.多因素Logistic回归分析显示,合并其他病原菌感染(OR=3.092,95%CI:1.379～6.934)、出现神经系统症状(OR=6.923,95%CI:2.569～18.656)、中性粒细胞与淋巴细胞比值(NLR)升高(OR=1.404,95%CI:1.029～1.914)和 IL-6 升高(OR=1.009,95%CI:1.000～1.018)是发生危重症 IAV 感染的危险因素,白蛋白升高(OR=0.925,95%CI:0.862～0.992)是发生危重症IAV感染的保护因素.以危重症IAV感染为预测结局,以有神经系统症状、合并其他病原体感染以及实验室指标NLR、IL-6、白蛋白,构建列线图预测模型.建模组和验证组AUC分别为 0.949(95%CI:0.915～0.982)和 0.912(95%CI:0.871～0.952);该列线图模型拟合较好(χ2=5.077,P=0.749),具有较高的临床净获益率.结论 基于合并其他病原体感染、神经系统症状以及实验室指标NLR、IL-6、白蛋白构建的列线图预测模型,其有效性和鉴别能力良好.

目的 分析多发伤患者急诊入院后早期死亡危险因素,构建可早期评估死亡风险的列线图预警模型.方法 回顾性分析宁夏医科大学总医院急诊科收治的 785 例多发伤患者,以随机数字法(3∶1)分为建模组和验证组,对建模组采用Logistics回归分析多发伤患者早期死亡的危险因素,使用R语言软件绘制列线图并评价.结果 多因素Logistics回归分析结果显示,年龄、MEWS评分、GCS评分、血糖和PT是急诊入院多发伤患者早期死亡的独立危险因素(OR值分别为 1.042、1.554、0.705、1.094、1.144,均P＜0.05).构建列线图模型,结果显示预测模型具有良好区分度(AUC为 0.955,95%CI:0.934～0.976),Hosmer-Lemeshow拟合优度检验P=0.828;外部验证AUC为 0.942(95%CI:0.904～0.980).校准曲线提示预测模型具有良好一致性.DCA曲线提示预测模型具有较高的净收益和临床有效性.结论 列线图模型具有良好的预测效能,为急诊入院多发伤患者的早期评估提供了良好的参考依据.

目的:探讨基于多参数MRI及临床特征的融合模型在术前预测宫颈癌患者淋巴结转移的价值。方法:回顾性分析山西省肿瘤医院2016年6月—2019年3月经病理证实为宫颈鳞癌并于术前行MRI检查的168例患者的资料。按照7∶3的比例，采用完全随机法将所有患者分为训练组115例和验证组53例。由两名影像科医师在MRI图像上手动勾画三维容积感兴趣区(VOI)，并进行一致性分析。根据临床手术病理结果将所有患者分为淋巴结转移阴性(LN－)和阳性(LN＋)，临床及影像资料也对应分组。分别基于每例患者的T 2WI、表观扩散系数(ADC)和增强T 1WI(cT 1WI)序列图像上均提取3 111个影像组学特征，然后对训练组采用以最大相关最小冗余(MRMR)和最小绝对收缩与选择(LASSO)回归为主的四步法进行特征选择和影像组学标签的构建，并进行分层分析。通过多变量逻辑回归筛选独立临床危险因素并联合影像组学标签构建影像组学融合模型，并制作列线图。采用ROC曲线、校正曲线、决策分析曲线(DCA)评估列线图的预测性能及临床效益。 结果:训练组和验证组患者基线资料差异均无统计学意义( P值均>0.05)。基于T 2WI、ADC和cT 1WI合并特征降维后共得到6个影像组学特征( P值均<0.05)，其中包括3个小波类特征参数和3个LoG类特征参数，均与淋巴结转移显著相关。单序列影像组学标签在训练组中ROC曲线下面积(AUC)值为0.763和0.829，显示具有良好的预测效能，合并上述序列构建的影像组学标签对应的AUC值0.859，其诊断效能优于其中任意单一序列，并在验证组得到验证。联合影像组学标签和MRI评价淋巴结状态构建的列线图在训练组和验证组中均显示出良好的鉴别能力和校正性能，对应的AUC分别为0.865和0.861。在独立验证组中的决策曲线示，当风险阈值>10%时，采用影像组学方法预测LN＋的净收益优于将所有患者都看作LN＋或LN－，也优于MRI评价淋巴结状态。 结论:通过联合基于多参数MRI的影像组学标签和MRI评价淋巴结状态建立的融合模型可作为术前评估宫颈癌淋巴结转移的一种辅助方法。

目的:构建和验证基于白蛋白-胆红素(ALBI)分级的胆囊癌患者术后预后的预测模型。方法:回顾性分析2011年3月至2020年1月嘉兴市第一医院收治的161例接受根治手术胆囊癌患者的临床资料，其中男性44例，女性117例，年龄(65±9)岁。通过测定术前血清白蛋白、总胆红素计算ALBI评分，然后依据ALBI评分分级。以门诊记录或电话随访的方式对患者进行随访，记录患者术后的生存情况。应用Kaplan-Meier法计算生存率，Cox比例风险模型筛选预后的影响因素。绘制时间依赖性受试者工作特征(ROC)曲线计算各评分系统的曲线下面积(AUC)。基于多因素分析结果构建列线图模型，并评价其预测性能。结果:胆囊癌患者术后1、3和5年的累积生存率分别为76.7%、52.5%和41.9%，中位生存期为46.5个月。时间依赖性ROC曲线结果显示，ALBI分级预测胆囊癌根治性切除术后1、2、3年生存的AUC分别为0.659、0.597、0.599，优于预后营养指数和控制营养状况评分。多因素Cox回归分析显示，肿瘤低/未分化( HR＝2.890，95% CI：1.816~4.600， P<0.001)、肿瘤Ⅲ/Ⅳ期( HR＝2.832，95% CI：1.781~4.503， P<0.001)、ALBI 2级( HR＝1.595，95% CI：1.017~2.500， P＝0.042)、ALBI 3级( HR＝3.938，95% CI：1.375~11.278， P＝0.011)是胆囊癌根治性切除术后预后不良的独立危险因素。基于上述因素建立的列线图模型预测胆囊癌根治性切除术后1、3和5年预后ROC曲线的AUC分别为0.796、0.806、0.799。临床决策曲线分析显示该模型具有明显的正向净效益，具有良好临床适用性。校准图显示，预测曲线与参考线拟合较好，表明该模型的预测结果与实际结果之间具有良好的符合度。 结论:基于ALBI分级的列线图预测模型对胆囊癌患者术后预后的预测价值较好，有助于预后判断及个体化治疗决策的制定。

目的:分析老年原发下咽癌的预后因素，构建并验证老年下咽癌患者生存预后的预测模型。方法:选择监测、流行病学和最终结果（Surveillance，Epidemiology and End Results，SEER）数据库中2010年1月至2015年12月年龄>60岁诊断为下咽恶性肿瘤患者的临床资料1100例，随机分为建模组（ n=845）和验证组（ n=255），采用LASSO回归优化筛选变量进行临床特征选择，使用10倍交叉验证生成5个有意义的变量：年龄、T分级、M分级、婚姻状态、手术类型；利用Cox回归模型对建模组及验证组进行区分度、校准度及临床适用度评估，列线图展示建模组预测结果，根据构建的模型风险评分，按中位数分为高低风险组，绘制出建模组及验证组生存分析曲线图。 结果:年龄、T分级、M分级、婚姻状态、手术类型是老年下咽恶性肿瘤预后的因素。建模组C指数为0.652（95% CI: 0.625~0.679），验证组C指数为0.64（95% CI: 0.597~0.683）；建模组中12个月及36个月ROC曲线下面积分别为0.678及0.785，验证组中12个月及36个月ROC曲线下面积分别为0.656及0.64；预测12个月及36个月生存曲线的校准度及临床决策曲线与实际生存率具有较好的一致性，风险评分绘制出生存曲线显示高风险组预后较差。 结论:老年下咽癌患者预后与年龄、分期、婚姻状态及手术有关，手术治疗能够改善老年下咽癌患者的预后生存。

目的:探讨影响非创伤性院外心脏骤停（out-of-hospital cardiac arrest，OHCA）患者自主循环恢复（return of spontaneous circulation，ROSC）的影响因素，构建列线图预测模型。方法:建立2018年1月至2022年7月在嘉兴市第一医院急诊科诊治的270例非创伤性OHCA患者的预测模型。采用多因素Logistic回归分析确定独立预测因素，建立预测非创伤性OHCA患者ROSC的列线图。结果:多因素Logistic回归发现，女性、预计心脏骤停时间≤40 min、目击者、旁观者心肺复苏、血糖≥10 mmol/L是非创伤性OHCA患者ROSC的独立预测因素，由此构建的列线图曲线下面积（AUC）为0.884，校正曲线接近于理想的对角线。DCA分析表明该模型的净获益较好。结论:本列线图模型能够较好地预测非创伤性OHCA患者ROSC的概率，有助于指导急诊科医生进行临床诊疗及医患沟通。

目的:分析糖尿病合并肺炎克雷伯菌肝脓肿患者发生侵袭综合征的相关因素，以此构建在线列线图预测模型并进行验证。方法:病例对照研究。回顾性分析2015年1月1日至2021年12月31日在苏州大学附属第三医院治疗的213例糖尿病合并肺炎克雷伯菌肝脓肿患者的临床资料。运用分层随机抽样法按7∶3将患者分为训练集（149例）和测试集（64例）。使用人工少数类过采样法（SMOTE）过采样处理不平衡数据，再运用Lasso回归在训练集中筛选出最优特征变量并利用多因素logistic回归模型构建糖尿病合并肺炎克雷伯菌肝脓肿患者发生侵袭综合征的预测模型，并在训练集及测试集中进行验证。采用受试者工作特征（ROC）曲线、校准曲线及决策曲线分析（DCA）评估模型的预测效能，并构建简易列线图及在线交互动态网页列线图。结果:入选的213例患者中，男60例，女153例，年龄（61.4±12.0）岁。共有25例（11.74%）糖尿病合并肺炎克雷伯菌肝脓肿患者发生侵袭综合征，入肺炎克雷伯菌肝脓肿侵袭综合征（IKPLAS）组，其他188例为未发生肺炎克雷伯菌肝脓肿侵袭综合征（NIKPLAS）组。使用SMOTE算法进行过采样处理，使正负样本比例为1∶1，在过采样后的训练集中基于Lasso回归筛选出5个主要危险因素，分别为空腹血糖（ λ=0.063）、血红蛋白（ λ=-0.042）、血尿素氮（ λ=-0.050）、脓肿大小（ λ=-0.025）和序贯性器官功能衰竭评分（SOFA）（ λ=0.450）。多因素logistic回归模型结果显示，空腹血糖（ OR=1.20，95% CI：0.98~1.48， P=0.006）、血红蛋白（ OR=0.90，95% CI：0.86~0.95， P<0.001）、血尿素氮（ OR=1.22，95% CI：1.03~1.43， P=0.017）、脓肿直径（ OR=0.76，95% CI：0.61~0.94， P=0.010）、SOFA评分（ OR=3.08，95% CI：2.18~4.36， P<0.001）为糖尿病合并肺炎克雷伯菌肝脓肿患者发生侵袭综合征的相关因素。训练集中ROC的曲线下面积为0.966（95% CI：0.943~0.989），灵敏度为90.5%，特异度为91.3%；验证集ROC的曲线下面积为0.946（95% CI：0.902~0.991），灵敏度为79.6%，特异度为88.9%。分别在训练集和测试集绘制的校准曲线与理想曲线拟合较好。DCA显示列线图预测模型在预测糖尿病合并肺炎克雷伯菌肝脓肿患者发生IKPLAS风险为0.10~0.40时，有较好的临床净收益。 结论:空腹血糖、血红蛋白、尿素氮、脓肿大小、SOFA评分是糖尿病合并肺炎克雷伯菌肝脓肿患者发生侵袭综合征的相关因素，基于此构建的列线图可有效预测糖尿病合并肺炎克雷伯菌肝脓肿患者发生侵袭综合征的风险。

目的:运用机器学习算法及列线图，构建和验证免疫检查点抑制剂相关性肺炎（CIP）风险预测模型，旨在为更好的辅助临床护理人员筛查CIP的高危人群，提供准确直观的方法。方法:采用回顾性病例对照研究。选取2019年1月至2022年2月南方医科大学珠江医院就诊的230例使用免疫检查点抑制剂治疗的肿瘤患者，使用医院电子病历系统收集患者的资料。应用5种机器学习算法和列线图构建预测模型，在独立测试集进行模型的验证，最后依据评价指标AUC、准确率等评估预测模型的区分度及稳定性。结果:6种模型均提示，肺部基础疾病、吸烟史、血清白蛋白值≤35 g/L、胸部放疗史是促进CIP发生的重要影响因素。K最近邻、支持向量机（SVM）、朴素贝叶斯、决策树和随机森林构建的CIP预测模型的AUC分别为0.647、0.696、0.930、0.870、0.934。列线图构建的模型AUC为0.813，预测性能较好，但低于机器学习算法中表现最佳的随机森林模型（AUC=0.934）。结论:与列线图相比，基于机器学习算法建立的CIP的风险预测模型具有更高的诊断价值，但列线图构建的模型可更直观评估患者风险，建议在列线图基础上，结合机器学习算法，可增加预测模型的准确性及实用性。

目的:构建并验证一个简单、准确的临床列线图，用于预测个体化大肠癌患者术前淋巴结转移情况。方法:患者的临床数据来自SEER数据库，使用Logistic回归模型构建预测模型。列线图的准确性通过受试者工作特征曲线(ROC)、校准曲线进行评估和检验。结果:本研究入选SEER数据库中78 584例符合条件的结直肠癌(CRC)患者。淋巴结转移相关的危险因素包括诊断年龄、T分期、M分期、肿瘤分级和癌胚抗原(CEA)水平。模型显示出较好的准确性，AUC值为0.734(95% CI，0.730~0.741)。在验证队列中，该模型仍然可以达到高AUC值0.728(95% CI，0.722~0.734)。 结论:年龄、T分期、M分期、肿瘤分级和CEA水平是结直肠癌淋巴结转移的独立危险因素，据此建立的列线图可以预测结直肠癌淋巴结转移概率。