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.

目的:分析重症监护室手术部位切口感染患者的预后危险因素。方法:纳入2014年7月1日至2021年12月31日期间在浙江大学附属第二医院滨江院区综合重症监护室(intensive care unit, ICU)诊断为切口感染的患者117例，分为生存组和死亡组，记录患者的基线资料、实验室检查、手术及相关治疗情况、分泌物培养病原菌类型。使用多因素二元Logistic回归分析患者预后不良的独立危险因素，并绘制受试者工作特征曲线(receiver operating characteristic, ROC)，采用人工神经网络（artificial neural network，ANN）分析各变量的重要性，计算变量的权重以及模型的准确性。结果:单因素分析发现，序贯器官衰竭评分(sequential organ failure assessment, SOFA)、急性生理学与慢性健康状况评分Ⅱ(acute physiology and chronic health evaluations Ⅱ, APACHEⅡ)、凝血酶原时间(prothrombin time, PT)、活化部分凝血活酶时间(activated partial thromboplastin time, APTT)、N-末端脑利钠肽前体（N-terminal pro-brain nitric peptide, NT-pro-BNP）、连续性肾脏替代治疗(continuous renal replacement therapy, CRRT)、CRRT天数、血管活性药物使用天数、机械通气时间、ICU住院天数、多重耐药菌(multi-drug resistant organisms, MDROS)感染与患者预后不良相关。多因素二元Logistic回归分析结果表明，APACHEⅡ评分(odds ratio, OR=1.112，95% confidential interval, CI:1.009~1.225， P<0.05)、PT( OR=1.348，95% CI:1.078~ 1.686， P<0.05)、CRRT天数( OR=1.358，95% CI:1.109~1.663， P<0.05)、MDROS感染( OR=3.794，95% CI:1.084~13.281， P<0.05)是切口感染患者预后不良的独立危险因素（ P<0.05）。ROC曲线结果示APACHEⅡ评分的曲线下面积最大，当APACHEⅡ评分为16.5分，其敏感度和特异度分别为71.5%和65.9%，能较好地预测ICU切口感染患者的死亡结局。APACHEⅡ评分越高、PT值越大、CRRT治疗时间越长、MDROS感染提示患者预后越差，当APACHEⅡ评分>16.5分，CRRT天数>7.5 d，PT>17.05 s，切口多重耐药菌感染时患者的死亡风险显著增加。采用人工神经网络（artificial neural network, ANN）分析各变量的重要性，显示多重耐药菌感染（权重0.389）、APACHE Ⅱ评分（权重0.228）、PT值（权重0.100）、CRRT天数（权重0.283），模型准确率85.0%，ROC拟合曲线下面积85%。 结论:APACHEⅡ评分、PT延长、CRRT天数、多重耐药菌感染是影响ICU手术部位切口感染患者死亡的独立危险因素，对于这类高危人群应该早期识别并采取干预措施。

目的:探索精神病临床高危综合征人群、首发精神病患者和健康对照在情绪识别过程中的耗时和准确率的特征。方法:2015～2017年经前驱期综合征结构式访谈(structured interview for prodromalsyndromes，SIPS)临床访谈后入组临床高危人群50例，经定式临床访谈诊断表(structured clinical interview for DSM-5，SCID)诊断入组首发未服药的精神病患者50例，同时招募健康对照50例。以情绪的眼神图片为线索，结合认知功能变量，自编基于电脑化的评估和时间记录系统，比较三组间情绪识别准确率及其耗时性特征。使用SPSS 17.0进行统计分析，三组样本的情绪识别准确率和耗时特征采用one-way ANOVA分析，两两比较采用LSD检验，对三组被试的情绪识别准确率和耗时特征进行Pearson相关分析。结果:(1)高危人群组[(65.1±10.4)%]、健康对照组[(72.5±6.6)%]和首发患者[(50.3±21.6)%]在眼神阅读准确率上，差异有统计学意义( P<0.05)；进一步两两比较，高危人群和首发患者眼神阅读准确率均低于健康对照组，首发患者眼神阅读准确率低于高危人群(均 P<0.05)。在眼神性别判断准确率上，三组差异有统计学意义[(80.6±26.0)%，(92.7±3.7)%，(91.8±4.4)%]( P<0.05)；进一步两两比较，首发患者眼神性别判断准确率低于健康对照组和高危人群(均 P<0.05)。(2)高危人群组[(12.4 ±11.2)s]、健康对照组[(6.9 ±1.7)s]和首发组[(10.3 ±6.0)s]在眼神阅读耗时上，差异有统计学意义( P<0.05)；进一步两两比较，高危人群眼神阅读耗时高于健康对照组( P<0.05)；在眼神性别判断耗时上，三组差异有统计学意义[(1.1±0.4)s，(0.8±0.2)s，(1.6 ±1.2)s]( P<0.05)；进一步两两比较，首发患者眼神性别判断耗时高于健康对照组和高危人群(均 P<0.05)。(3)高危人群眼神阅读准确率与眼神阅读耗时呈负相关( r＝-0.175， P＝0.225)，首发患者眼神阅读准确率与眼神阅读耗时呈正相关( r＝0.503， P<0.01)，健康对照眼神阅读准确率与眼神阅读耗时不相关( r＝-0.104， P＝0.471)。 结论:情绪识别能力在精神病发作过程中表现出时效降低的特征，高级复杂认知测评需要引入时间维度的测量。

目的:联合运用多个指标建立老年患者急性上消化道再出血（AUGIRB）风险模型。方法:回顾性分析2018年7月至2020年12月上海市第一人民医院收治的161例老年（年龄≥65岁）急性上消化道出血（AUGIB）患者的临床资料，根据是否合并消化道再出血分为再出血组（31例）和无再出血组（130例）。应用单因素分析筛选AUGIRB相关危险因素，Logistic回归分析筛选AUGIRB独立预测指标，构建预测模型。通过受试者工作特征（ROC）曲线下面积（AUC）评估预测模型对AUGIRB的预测能力，确定最佳截断值，计算优势比（ OR）及其95%可信区间（95% CI）。运用Bootstrap重抽样法对模型的预测能力进行内部验证。 结果:单因素分析发现，口服抗凝药物和抗血小板药物、白蛋白（ALB）、血小板计数（PLT）、格拉斯哥-布拉奇福德出血评分（GBS）、D-二聚体、纤维蛋白原（FIB）和国际标准化比值（INR）对老年患者是否发生AUGIRB有显著影响。多因素Logistic回归分析显示，口服抗血小板药物（ OR＝11.150，95% CI：1.888~65.852， P<0.05）、GBS评分（ OR＝2.503，95% CI：1.523~4.114， P<0.05）为老年患者合并AUGIRB的独立危险因素，ALB（ OR＝0.764，95% CI：0.626~0.932， P<0.05）和FIB（ OR＝0.065，95% CI：0.011~0.370， P<0.05）为老年患者合并AUGIRB的保护因素。上述4个指标联合预测模型的AUC为0.979。模型预测能力的内部验证表明，C指数为0.986。 结论:研究中拟合的预测模型预测准确率较高，对老年患者合并AUGIRB的判断有一定参考价值。

目的:探讨品管圈在继发性高血压患者24 h尿标本留取护理中的应用及对留取准确率的影响。方法:选取2016年12月～2017年12月该院收治继发性高血压患者28例，采用随机分配方法将其分为两组，对照组14例和研究组14例，对照组患者24 h尿标本留取采用常规护理，研究组在此基础上采用品管圈，然后将两组患者一般资料、24 h尿标本留取准确率、护理依从性、血压变化以及自我效能进行比较。结果:干预前两组患者的自我效能评分，差异无统计学意义( P>0.05)，干预后对照组的自我效能评分明显低于对照组，差异有统计学意义( P<0.05)；干预前两组患者的依从性，差异无统计学意义( P>0.05)，干预后研究组患者的依从性明显高于对照组，差异有统计学意义( P<0.05)；对照组患者满意度明显低于研究组，差异有统计学意义( P<0.05)；研究组患者的尿标本留取准确率为92.9%对照组为71.4%显著高于对照组，差异有统计学意义( P<0.05)。 结论:对继发性高血压患者24 h尿标本留取采用品管圈护理可以显著提高尿标本留取准确率，改善患者的用药依从性，降低其血压水平，值得在临床上进行广泛推广应用。

目的:比较非血管超声造影与常规超声辅助经皮肾镜取石术(PCNL)治疗无明显积水(肾无积水或者轻度积水)肾结石的肾盏穹窿穿刺的准确率及安全性。方法:本研究为前瞻性随机对照研究。2018年5月至2019年6月，按1∶1的比例将深圳市人民医院符合入组条件的无明显肾积水的肾结石患者，采用随机区组设计的方法分为非血管超声造影引导穿刺组(试验组)和常规超声引导穿刺组(对照组)。纳入标准：①年龄18～70岁；②符合肾结石诊断标准，目标肾盏无积水或轻度积水；③自愿受试并签署知情同意书。排除标准：①孕妇；②功能性孤立肾；③穿刺部位解剖异常或有损伤肠道风险；④有急性尿路感染；⑤有凝血功能障碍或正在服用影响凝血功能的药物；⑥有心力衰竭、严重心律失常等高危疾病；⑦肾功能异常(血清肌酐>1.2倍正常值上限)；⑧严重肥胖(体质指数>40 kg/m 2)。试验组经输尿管导管逆行注入超声造影剂六氟化硫微泡后行超声引导PCNL；对照组行传统超声引导PCNL。两组患者PCNL术后1周内经肾造瘘管顺行肾盂造影，判断是否经肾盏穹窿穿刺。记录血红蛋白下降值、穿刺时间、一次性穿刺成功率、住院时间、结石清除率，以及是否经肾盏穹窿穿刺的情况。 结果:本研究共纳入48例患者，试验组和对照组各24例。两组性别[男/女：19/5例与16/8例]、年龄[(44.2±11.2)岁与(45.4±10.7)岁]、体质指数[(21.8±2.8)kg/m 2与(21.81±2.7)kg/m 2]、结石长径[38.0(24.0，25.5)cm与35.5(24.8，47.0)cm]、结石位置[左/右：9/15例与9/15例]、肾积水情况[无/轻度：15/9例与16/8例]差异均无统计学意义( P>0.05)。试验组与对照组肾盏穹窿穿刺准确率[87.50%(21/24)与41.67%(10/24)]、血红蛋白下降值[2.0(0，12.0)g/L与14.0(7.0，17.0)g/L]、穿刺时间[40.0(28.5，53.0)s与70.0(55.5，84.5)s]、一次性穿刺成功率[95.83%(23/24)与75.00%(18/24)]差异均有统计学意义( P<0.05)。两组均未输血，无感染性休克、严重感染等并发症。 结论:对于肾盏无积水或轻度积水的肾结石患者，非血管超声造影辅助PCNL较常规超声辅助可显著提高肾盏穹窿穿刺的准确性，缩短穿刺时间，减少出血量。

目的:构建白内障合并2型糖尿病患者术前药物性散瞳受限风险预测模型并验证其效能。方法:横断面研究。纳入2022年10月至2023年3月浙江大学医学院附属第二医院行白内障手术的376例白内障合并2型糖尿病患者。其中2022年10至12月的268例作为建模组，根据是否发生药物性散瞳受限，分为散瞳受限组（187例）和散瞳未受限组（81例）。采用logistic回归建立风险预测模型，使用R软件绘制列线图，运用Hosmer-Lemeshow检验判断模型的拟合优度，采用受试者工作特征（ROC）曲线检验模型的预测效果。选取2023年1至3月的108例白内障合并2型糖尿病手术患者作为验证组，采用Hosmer-Lemeshow检验和ROC曲线对模型进行外部验证。结果:建模组268例，男124例，女144例，年龄（66.6±6.8）岁；验证组108例，男51例，女57例，年龄（64.9±9.1）岁。白内障合并2型糖尿病患者术前药物性散瞳受限发生率为69.8%（187/268）。多因素logistic回归分析结果显示，糖尿病病程（ OR=1.134，95% CI：1.074~1.198， P<0.001）、体质指数（BMI）（ OR=0.863，95% CI：0.767~0.972， P=0.015）、糖化血红蛋白（HbA1c）水平（ OR=1.397，95% CI：1.055~1.849， P=0.019）及瞳孔直径基线值（ OR=0.089，95% CI：0.045~0.179， P<0.001）是药物性散瞳受限的相关因素。Hosmer-Lemeshow检验χ 2=6.231， P=0.621，ROC曲线下面积为0.897（95% CI：0.857~0.937， P<0.001），约登指数最大时（0.655），灵敏度为0.877，特异度为0.778。外部验证结果显示，ROC曲线下面积为0.928（95% CI：0.875~0.981， P<0.001），约登指数最大时（0.761），灵敏度为0.932，特异度为0.829，准确率为89.8%。 结论:本研究建立的风险预测模型可为临床评估白内障合并2型糖尿病患者术前药物性散瞳受限发生风险提供参考。

目的:探讨品管圈活动对低分子肝素治疗急性肺血栓栓塞患者用药安全性的影响。方法:2017年8月至2018年8月在该院呼吸内科成立品管圈小组，确立"低分子肝素治疗急性肺血栓栓塞用药安全性"为活动主题，采用鱼骨图法分析低分子肝素治疗急性肺血栓栓塞药物不良反应影响因素，并制定护理干预措施。结果:实施后患者用药正确率、服药时间准确率、药物副作用知晓率、治疗总有效率均高于实施前，差异有统计学意义(均 P<0.05)，而药物不良反应率低于实施前，差异有统计学意义(均 P<0.05)。实施后用药宣教、用药流程、护患交流、护理服务态度、基础护理等方面满意率实施前，差异有统计学意义(均 P<0.05)。 结论:品管圈活动可提高低分子肝素治疗急性肺血栓栓塞患者用药知识，降低不良反应发生率，确保患者用药安全性，提高患者治疗效果及满意率。

目的:建立老年重症肺炎患者出现Ⅱ级以上急性胃肠功能损伤(AGI)的预测模型，并对模型进行评价和内部验证。方法:回顾性分析合肥市第二人民医院2019年6月至2022年5月间收治的268例年龄>65岁的重症肺炎患者(训练集207例，验证集61例)。收集所有患者的年龄、性别、基础疾病、肺炎严重程度评分(PSI评分)、镇静镇痛药物用量、机械通气时间等16项指标。在训练集中通过logistic回归分析后建立预测老年重症肺炎患者出现Ⅱ级以上AGI的模型，绘制受试者工作特征(ROC)曲线和校正曲线评估模型的可靠性，并通过验证集数据对模型进行内部验证。结果:训练集207例重症肺炎患者中有50例治疗过程中出现Ⅱ级以上AGI，通过logistic回归分析后建立预测模型为：L＝SOFA评分×0.181+PSI评分×0.066+丙泊酚用量×0.607+瑞芬太尼用量×1.187，L>19.288时，即可认为此重症肺炎患者有93.24%的概率会出现Ⅱ级以上AGI。对预测模型进行评价，ROC曲线显示模型的区分度较好，AUC＝0.960，H-L检验提示(χ 2＝7.39， P＝0.496>0.05)，模型拟合度良好。模型预测的灵敏度为82.00%，特异度为96.82%。预测模型在验证集中表现同样稳定，AUC＝94.58%(灵敏度81.25%，特异度93.33%)，H-L检验提示(χ 2＝4.51， P＝0.808>0.05)，预测准确率为90.16%。 结论:建立的老年重症肺炎患者出现Ⅱ级以上AGI的预测模型可运用于临床，为临床早期预防提供一定参考。

目的:分析接受艾司奥美拉唑治疗的住院患者发生急性肾损伤（AKI）的影响因素，构建艾司奥美拉唑相关AKI的风险预测模型。方法:研究设计为回顾性研究。研究对象选自2018年1月至2020年12月于山东第一医科大学第一附属医院住院并接受艾司奥美拉唑治疗的患者。通过医院电子病历系统收集患者临床资料，包括患者基本信息、手术类型、干预措施、用药信息和实验室检查结果。根据是否发生艾司奥美拉唑相关AKI将患者分为AKI组和非AKI组，比较2组临床特征。采用最小绝对收缩和选择算子（LASSO回归）分析艾司奥美拉唑相关AKI的影响因素。以8∶2的比例将患者随机分为训练集和测试集。基于训练集数据，采用5种机器学习算法[logistic回归（LR）、随机森林（RF）、梯度提升机（GBM）、极端梯度提升（XGBoost）和轻量梯度提升机（LightGBM）]建立艾司奥美拉唑相关AKI预测模型；基于测试集数据，比较5种模型的受试者工作特征曲线下面积（AUC）、敏感性、特异性和准确率。结果:共有5 436例患者纳入研究，包括男性3 231例、女性2 205例，年龄61（51，70）岁。393例（7.23%）发生艾司奥美拉唑相关AKI。LASSO回归分析共筛选出24个与艾司奥美拉唑相关AKI密切相关的变量，包括肝功能不全、慢性肾功能不全、低蛋白血症等。基于训练集（4 349例）数据构建艾司奥美拉唑相关AKI风险预测模型，结果显示5种模型的预测性能均良好（AUC均大于0.900）。以测试集（1 087例）数据对5种模型的预测性能进行验证，发现GBM模型的AUC最高（0.922），且预测性能较为稳定（在训练集与测试集中各项指标差异较小）。结论:应用艾司奥美拉唑与AKI发生明显相关，发生风险受患者基线肾功能、合并疾病及合并使用的其他药物等因素影响。基于GBM算法构建的风险预测模型，有助于临床对艾司奥美拉唑相关AKI发生风险进行早期评估。