目的:探讨糖尿病患者急性脑梗死取栓术后发生对比剂肾病的影响因素，并建立预测模型。方法:对2018年9月至2024年6月于徐州医科大学附属医院就诊的因急性脑梗死行机械取栓术的152例糖尿病患者进行回顾性分析。按照是否确诊对比剂肾病将其分为对比剂肾病组(37例)和非对比剂肾病组(115例)。采用Logistic回归方法分析影响对比剂肾病发生的影响因素。采用R语言方法构建预测模型列线图，构建临床决策曲线评估其临床应用价值。绘制受试者操作特征曲线以评价该列线图模型在对比剂肾病发生中的预测作用。结果:单因素分析显示，两组患者在对比剂剂量、手术时长、白细胞计数、中性粒细胞计数、纤维蛋白原、甘油三酯-葡萄糖指数方面具有统计学差异(P均<0.05)。多因素Logistic回归分析显示，对比剂剂量(OR＝1.054，95%CI：1.014～1.096，P＝0.008)、甘油三酯-葡萄糖指数(OR＝3.554，95%CI：1.550～8.154，P＝0.003)、纤维蛋白原(OR＝3.358，95%CI：1.633～6.904，P＝0.001)是对比剂肾病的独立危险因素。受试者操作特征曲线分析显示，甘油三酯-葡萄糖指数、纤维蛋白原、对比剂剂量三者联合预测对比剂肾病时，曲线下面积为0.857、灵敏度为86.5%、特异性为77.4%。结论:对比剂剂量、甘油三酯-葡萄糖指数及纤维蛋白原是糖尿病患者急性脑梗死取栓术后发生对比剂肾病的独立危险因素。构建的列线图模型对糖尿病患者急性脑梗死取栓术后发生对比剂肾病有一定的预测价值。

目的:探讨丙氨酸氨基转移酶(ALT)水平对原发性肝癌(以下简称肝癌)发病风险的预测价值。方法:采用回顾性队列研究方法。收集2006年7月至2007年12月在华北理工大学附属开滦总医院(26 980例)、开滦林西医院(18 306例)、开滦赵各庄医院(14 469例)、开滦唐家庄医院(4 389例)、开滦范各庄医院(4 561例)、开滦荆各庄医院(7 623例)、开滦吕家坨医院(4 249例)、开滦林南仓医院(3 136例)、开滦钱家营医院(6 356例)、开滦马家沟医院(2 319例)、开滦医院分院(3 392例)行健康体检的95 780例受试者的体检资料，其中男76 491例，女19 289例；年龄为(51±11)岁，年龄范围为18～98岁。依据ALT三分位水平将受试者分为3组：T1组31 859例(ALT<14.7 U/L)，T2组30 627例(14.7 U/L≤ALT<22.0 U/L)，T3组33 294例(ALT≥22.0 U/L)。由固定医师团队于2006、2008、2010、2012、2014年在相同地点按相同健康体检顺序对受试者进行体检，收集流行病学调查内容、人体测量学及实验室检查指标。观察指标：(1)3组受试者的临床特征比较。(2)受试者随访和肝癌的发病情况。(3)影响受试者新发肝癌的危险因素分析。(4)ALT对肝癌模型预测价值的比较。采用健康体检的方式进行随访，随访内容为肝癌新发病情况和患者生存情况。以2006年首次健康体检时间作为随访起始时间，随访终止事件为发生肝癌、失访、死亡。随访时间截至2018年12月31日。正态分布的计量资料以 ± s表示，多组间比较采用单因素方差分析。偏态分布的计量资料以 M(范围)表示，多组间比较采用Kruskal-Wallis秩和检验。计数资料以绝对数和(或)百分比表示，组间比较采用 χ2检验。采用Kaplan-Meier法计算累积发病率，累积发病率的组间比较采用Log-rank进行检验。使用限制性立方样条曲线(RCS)计算连续变化的ALT和肝癌发病风险的剂量反应关系。而后采用COX比例风险模型分析不同ALT水平分组影响肝癌发病的风险比( HR)和95%可信区间。使用似然比检验和赤池信息量准则(AIC)计算ALT对于肝癌预测模型拟合情况的影响。使用C-统计量计算不同模型的预测能力。 结果:(1)3组受试者的临床特征比较：T1组受试者男性、年龄、收缩压、舒张压、腰围、体质量指数、总胆固醇、甘油三酯、空腹血糖、高密度脂蛋白胆固醇、低密度脂蛋白胆固醇、乙型肝炎表面抗原(HBsAg)阳性、高血压病、糖尿病、肝硬化、脂肪肝、恶性肿瘤家族史、吸烟、饮酒、体育锻炼分别为23 516例、(53±14)岁、(130±21)mmHg(1 mmHg＝0.133 kPa)、(82±12)mmHg、(85±10)cm、(24±3)kg/m 2、(4.9±1.1)mmol/L、1.11mmol/L(0.79～1.63 mmol/L)、(5.4±1.6)mmol/L、(1.5±0.4)mmol/L、(2.3±1.0)mmol/L、478例、12 758例、2 482例、15例、5 899例、1 071例、9 553例、5 434例、5 210例；T2组受试者上述指标分别为24 886例、(52±12)岁、(132±21)mmHg、(84±12)mmHg、(87±10)cm、(25±3)kg/m 2、(4.9±1.2)mmol/L、1.27 mmol/L(0.91～1.90 mmol/L)、(5.5±1.7)mmol/L、(1.6±0.4)mmol/L、(2.4±0.9)mmol/L、744例、13 884例、2 677例、13例、9 365例、981例、8 935例、5 216例、5 023例；T3组受试者上述指标分别为28 089例、(50±12)岁、(132±21)mmHg、(85±12)mmHg、(89±10)cm、(26±3)kg/m 2、(5.0±1.2)mmol/L、1.45 mmol/L(1.02～2.28 mmol/L)、(5.6±1.8)mmol/L、(1.6±0.4)mmol/L、(2.3±0.9)mmol/L、1 416例、15 471例、3 583例、70例、15 277例、1 350例、10 514例、6 184例、4 447例；3组受试者上述指标比较，差异均有统计学意义( χ2＝1 181.88， F＝350.52、148.39、417.75、948.63、1 917.20、111.60, χ2＝3 747.25， F＝133.78、18.17、14.45, χ2＝478.33、306.60、181.38、58.19、5 649.18、38.82、45.69、35.11、152.64， P<0.05)。(2)受试者随访和肝癌的发病情况：95 780例受试者随访时间为9.05年(8.75～9.22年)，共有新发肝癌351例，肝癌总发病密度为3.39/10 000人年，女性肝癌发病率为1.11/10 000人年，男性肝癌发病率为3.97/10 000人年。T1组、T2组、T3组肝癌的发病密度分别为2.09/10 000人年、2.54/10 000人年和5.42/10 000人年。T1组、T2组、T3组受试者的肝癌累积发病率分别为2.47‰、3.10‰和6.11‰，3组比较，差异有统计学意义( χ2＝63.50， P<0.05)。(3)影响受试者新发肝癌的危险因素分析。COX比例风险模型分析结果显示：校正性别、年龄、体质量指数、总胆固醇、空腹血糖、HBsAg阳性、高血压病、糖尿病、肝硬化、脂肪肝、恶性肿瘤家族史、吸烟、饮酒、体育锻炼后，与T1组比较，T3组新发肝癌的风险增加( HR＝1.87，95%可信区间为1.40～2.49， P<0.05)。RCS结果显示：ALT与肝癌的发病风险呈非线性相关，且曲线呈上升趋势(RCS_S1_ χ2＝7.21， P<0.05)。(4)ALT对肝癌模型预测价值的比较：建立多因素模型，将性别、年龄、体质量指数、总胆固醇、空腹血糖、HBsAg阳性、高血压病、糖尿病、肝硬化、脂肪肝、恶性肿瘤家族史、吸烟、饮酒、体育锻炼因素共同带入模型中，计算此模型的C统计量、-2Log L值和AIC值，分别为0.791、6 313.30和6 345.30。将ALT三分位数分组带入模型中，以T1组为对照组计算此时模型的C统计量、-2Log L值和AIC值，分别为0.792、6 300.48和6 328.48。多因素＋Fbg模型的C统计量和AIC数值降低，与多因素模型的-2Log L值的差值为12.82，差异有统计学意义( χ2＝12.82， P<0.05)。 结论:ALT是肝癌的独立危险因素。在建立肝癌预测模型或评估肝癌发病风险时，ALT可作为重要的参考指标。

目的:本研究旨在探讨肾动脉阻力指数(renal resistive index, RRI)、能量多普勒超声(power Doppler ultrasound , PDU)半定量评分、肾静脉多普勒波形(renal venous Doppler waveform, RVDW)模式对危重患者28 d肾功能预后的预测价值，并结合临床指标建立列线图预测模型。方法:本前瞻性观察性研究纳入2018年1月至2022年10月期间于沧州市中心医院急诊重症监护室(intensive care unit, ICU)住院的危重患者作为研究对象。于入ICU 24 h内行肾脏超声检查，获得RRI、PDU评分及RVDW模式结果，并记录行超声检查时的心率、平均动脉压、血管活性药物的类型和剂量、氧疗参数以及超声检查前6 h的尿量。入组28 d进行随访，记录存活/死亡及肾功能不全持续时间。依据28 d时肾功能情况分为2组：28 d肾功能正常组及28 d肾功能不全组。28 d肾功能不全定义为入ICU 28 d未能达到肾功能恢复。比较两组间各指标的差异。通过单因素和多因素COX回归分析28 d肾功能不全的相关因素。基于与28 d肾功能不全独立相关的因素制定列线图模型。绘制生存受试者操作者特征(receiver operator characteristic, ROC)曲线评估各指标对28 d肾功能不全的预测价值，各指标曲线下面积(area under the curves, AUC)的比较采用Delong检验。结果:最终共纳入187例危重患者，入组时无AKI者97例、AKI 1期48例、AKI 2期24例以及AKI 3期18例。28 d随访时，有16例患者仍存在肾功能不全，2例仍需要连续性肾脏替代治疗(continuous renal replacement therapy, CRRT)。多因素Cox风险回归分析显示，RVDW模式和入组时肌酐是28 d肾功能不全的独立影响因素。生存ROC曲线显示，RVDW模式对14 d肾功能不全[AUC=0.729，95%可信区间(confidence interval, CI) 0.626-0.832， P<0.05]及28 d肾功能不全（AUC=0.771，95% CI:0.652~0.890， P<0.05）的预测价值略优于RRI及PDU，但差异无统计学意义（均 P > 0.05）。基于RVDW模式和入组时肌酐的列线图模型预测14 d肾功能不全（AUC=0.918，95% CI:0.871~0.964， P<0.05）的表现最好，且AUC显著高于单独指标（均 P<0.05）。列线图模型预测28 d肾功能不全（AUC=0.924，95% CI: 0.865~0.983， P<0.05）的表现也最好，且AUC显著高于除入组时肌酐外的其他单独指标（均 P<0.05）。列线图模型预测28 d肾功能不全的最佳临界值为85.9，敏感度为81.2%，特异度为90.6%，约登指数为0.719。Kaplan-Meier生存分析显示，列线图总评分>85.9及≤85.9两组的肾功能不全中位持续时间分别为0 d和22 d（ HR=0.220，95% CI:0.129~0.376， P<0.001）。 结论:入院时血肌酐和RVDW模式是危重患者28 d肾功能不全的独立相关因素。基于这两个因素的列线图模型对28 d肾功能不全的预测价值优于单个肾内多普勒频谱指标和临床指标。

目的:利用机器学习算法建立急性心肌梗死（acute myocardial infarction，AMI）患者发生急性肾损伤（acute kidney injury，AKI）风险预测模型，并与传统Logistic回归模型比较。方法:该研究为回顾性研究。收集首都医科大学附属北京安贞医院2011年7月至2016年12月AMI患者的人口学、实验室检查、治疗方案和用药情况等资料。AKI诊断标准参照2012年改善全球肾脏病预后组织公布的AKI诊疗指南，入选AMI患者采用单纯随机抽样法将其分为训练集（70%）及内部测试集（30%）。运用SelectFromModel和Lasso回归模型选择重要特征因素为AMI患者发生AKI的预测因素。分别利用Logistic回归模型（模型A）及机器学习算法（模型B）建立AMI患者发生AKI的风险预测模型，DeLong法比较模型A和模型B在测试集中的受试者工作特征曲线（receiver-operating characteristics curve，ROC曲线）下面积（area under the curve， AUC），并选出最佳模型。 结果:共6 014例AMI患者被纳入该研究，年龄（58.4±11.7）岁，男性3 414例（80.5%），AKI 674例（11.2%），训练集4 252例（70.7%），测试集1 762例（29.3%）。SelectFromModel和Lasso回归模型选取的12项临床指标包括心肌梗死次数、ST段抬高型心肌梗死、室性心动过速、Ⅲ度房室传导阻滞、入院时伴失代偿性心力衰竭、入院血肌酐、血尿素氮、肌酸激酶同工酶峰值、使用利尿剂、利尿剂日最大剂量、利尿剂使用天数及使用他汀类药物。Logistic回归模型结果显示，预测测试集AMI患者发生AKI的ROC曲线 AUC为0.80（95% CI 0.76～0.84）。机器学习算法模型在测试集中得到的ROC曲线 AUC为0.82（95% CI 0.78～0.85）。2种模型ROC曲线 AUC比较的差异无统计学意义（ Z=0.858， P=0.363），但机器学习算法预测模型ROC曲线 AUC略高于传统模型。 结论:基于机器学习算法构建的AMI患者发生AKI的风险预测模型与传统Logistic回归模型的预测效应相似，但机器学习算法模型有更优的趋势，引入机器学习算法模型可能提高预测AMI患者发生AKI风险的能力。

目的:探索SHAP值结合极端梯度提升树（XGBoost）算法的特征选择技术来构建调强放疗γ通过率预测模型的可行性和有效性，并给出相应的模型解释。方法:回顾性分析2020年11月至2021年11月在湖南省肿瘤医院接受盆腔固定野调强放射治疗的196例肿瘤患者采用基于模体测量方式的调强放疗计划的剂量验证结果，γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的影像组学特征并使用SHAP值结合XGBoost算法进行特征筛选后构建预测模型。分别选取特征数量为50、80、110、140个，构建四种机器学习分类模型，计算曲线下面积（AUC）值、召回率及F1分数评估预测模型的分类性能。结果:基于SHAP值特征选择的110个特征构建的预测模型AUC值为0.81，召回率达到0.93，F1分数为0.82，均优于其他三个模型。结论:针对盆腔肿瘤调强放疗计划，可以采用SHAP值与XGBoost算法结合以选择用于预测的最佳影像组学特征子集来构建γ通过率的预测模型，并能通过SHAP值给出模型输出解释，可能在理解依赖机器学习模型所做的预测方面提供价值。

回顾性收集2018年1月1日至2021年10月1日本院重症医学科收治的重症急性胰腺炎合并腹内高压或腹腔间隔室综合征患者的临床资料，根据是否使用苯磺顺阿曲库铵将患者分为常规治疗联合静脉泵注苯磺顺阿曲库铵组(肌松组)和常规治疗组，采用治疗倾向性评分预测模型进行配对筛选，每组31例。常规治疗组采取常规治疗，包括胃肠减压、解痉镇痛、补液、抑酸、抑酶、营养支持、机械通气、灌肠等；肌松组在常规治疗的基础上静脉泵注苯磺顺阿曲库铵，首剂量为0.15 mg/kg进行辅助气管内插管，随后以1~3 μg·kg -1·min -1静脉泵注，根据患者的基础生命体征及临床效果对剂量进行调整。主要结局指标为生存率。次要结局指标为治疗前及治疗第7、14、20天腹内压、氧合指数、排便次数、排便量和排尿量，以及治疗期间肠鸣音恢复时间、机械通气时间、ICU治疗时间和总住院费用。与常规治疗组比较，肌松组生存率升高，治疗第7、14、20天时腹内压降低，氧合指数升高，治疗第7、14天时排便次数和排便量增多，治疗前和治疗第7天尿量增多，肠鸣音恢复时间缩短( P<0.05)，治疗第14、20天尿量、机械通气时间、ICU治疗时间和总住院费用比较差异无统计学意义( P>0.05)。综上所述，苯磺顺阿曲库铵辅助治疗重症急性胰腺炎合并腹内高压患者，可改善氧合状况，促进肠道功能恢复，提高生存率。

目的:分析鼻咽癌患者血液学检查结合临床因素与放射性甲状腺功能减退(甲减)的关系。方法:回顾性分析2015-2018年在中国科学院大学附属肿瘤医院接受放疗的206例鼻咽癌患者，分析一般临床资料、血液学检查与甲减相关性，建立血液学预测模型。结果:单因素分析显示性别、N分期、甲状腺体积、平均剂量、V 20Gy、V 25Gy、V 30Gy、V 35Gy、V 40Gy、V 45Gy、纤维蛋白原含量、胆碱酯酶以及中性粒细胞计数与甲减发生率密切相关。多因素分析显示甲状腺体积、纤维蛋白原含量和胆碱酯酶是甲减的独立预测因素。 结论:联合性别、N分期、甲状腺体积、甲状腺剂量参数、纤维蛋白原含量、胆碱酯酶、中性粒细胞百分比和中性粒细胞计数指标可预测甲减发生率(AUC＝0.777)。

目的:应用机器学习方法为 131I治疗后的分化型甲状腺癌（DTC）患者构建左甲状腺素钠片最佳初始剂量的预测模型。 方法:回顾性分析2019年11月至2020年11月在天津市肿瘤医院空港医院接受 131I治疗后促甲状腺激素（TSH）抑制治疗最终达标的266例DTC患者[男性78例（男性组）、女性188例（女性组），年龄18~70(40.0+11.5）岁]的临床资料，包括一般资料、生化指标（共16项）和出院后定期复查的甲状腺功能相关数据及左甲状腺素钠片每次的调整剂量。通过计算随机森林模型重要度筛选出较为重要的临床特征；以筛选出的特征为自变量，以左甲状腺素钠片达标剂量为因变量构建多种回归模型，通过交叉验证选出准确率最高的模型。计数资料的组间比较采用独立样本的卡方检验。 结果:266例患者的体重、身高、体重指数、体表面积、血红蛋白、平均红细胞体积、收缩压/舒张压、术后甲状旁腺激素、达标时左甲状腺素钠片剂量分别为（68.4±12.9）kg、（165.8±12.8）cm、24.6±3.5、（1.9±0.2）m 2、（140.1±19.1）g/L、（88.6±5.5）fl、（125.7±18.9）mm Hg/（82.7±12.4）mm Hg、（4.1±2.2）pmol/L、（117.0±30.1）μg/d。通过特征筛选，重要度排在前6位的临床特征依次为体表面积、体重、血红蛋白、身高、体重指数、年龄，其重要度均数依次为0.2805、0.1951、0.1315、0.1252、0.1080、0.0819。径向基核的支持向量回归（SVR）模型预测左甲状腺素钠片剂量的准确率（53.4%，142/266）最高，高于经验给药的首次达标率（15.0%，40/266）；SVR模型在女性组中预测左甲状腺素钠片剂量的准确率高于男性组[60.6%（114/188）对35.9%（28/78）]，且差异有统计学意义（ χ2=13.51， P<0.001）。 结论:基于机器学习构建的SVR模型有望提高经 131I治疗后的DTC患者左甲状腺素钠片的首次达标率，并且在女性患者中更有效。

华法林是机械瓣膜置换术后患者不可替代的口服抗凝药物，近年来，基于遗传药理学构建的华法林稳定剂量预测模型一定程度上提高了华法林抗凝治疗的有效性和安全性。遗传因素是影响华法林稳定剂量的主要因素， VKORC1、 CYP2C9等基因通过作用于华法林药理或代谢途径影响华法林抗凝效果。此外，年龄、体表面积、合并用药等非遗传因素也对华法林稳定剂量有影响。既往发表的华法林剂量预测模型纳入人群以高加索人为主，模型构建方法多为传统多元线性回归。而国内研究根据中国汉族机械瓣膜置换术后人群，采用机器学习方法构建华法林剂量预测模型并取得了更好的预测效能。

目的:利用放射组学特征构建不同的机器学习分类模型，预测盆腔肿瘤调强放疗剂量验证的γ通过率，并探讨最佳预测模型。方法:回顾性分析196例盆腔肿瘤调强放疗计划，采用基于模体测量方式的三维剂量验证结果，γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的放射组学特征构建预测模型。分别采用随机森林、支持向量机、自适应增强和梯度提升决策树4种机器学习算法，计算曲线下面积(AUC)值、敏感度和特异度，评估4种预测模型的分类性能。结果:随机森林、支持向量机、自适应增强、梯度提升决策树模型的灵敏度和特异度分别为0.93、0.85，0.93、0.96，0.38、0.69，0.46、0.46。随机森林模型和自适应增强模型的AUC值分别为0.81和0.82，支持向量机和梯度提升决策树模型的AUC值为0.87。结论:针对盆腔肿瘤调强放疗计划，可以采用基于放射组学特征的机器学习方法来构建γ通过率的预测模型。支持向量机模型和梯度提升决策树模型的分类性能要优于随机森林模型、自适应增强模型。