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 构建急性期高血压脑出血患者的症状网络,探索核心症状群,为医护人员开展个体化、精准化症状管理提供参考.方法 2022年12月-2024年1月便利抽取河北省三所三级甲等医院神经外科住院的423例高血压脑出血患者为研究对象.采用一般资料调查表、中文版记忆症状评估量表、美国国立卫生院卒中量表、脑卒中专用生活质量量表收集资料.探索性因子析取症状群,R语言构建症状网络分析中心性指标,并通过分层回归明确对患者生活质量的影响最大的症状群,确定核心症状群.结果 高血压脑出血患者最常见的症状是疼痛(83.5％)、担忧(80.6％)、恶心(75.7％),最严重的症状是疼痛(2.29±0.05),其次是恶心(1.93±0.06)、担忧(1.72±0.06).探索性因子分析出5个症状群,分别是病感症状群、功能障碍症状群、精神情绪症状群、呼吸道症状群和消化道症状群,累计方差贡献率为61.832％.症状网络中预期影响值最大的症状为疼痛(rs=1.17).分层回归分析结果表明,病感症状群的对生活质量影响程度最大(β=-4.677,95％CI:-5.224～-4.131,P＜0.001),对模型解释度为46.5％.结论 病感症状群为高血压脑出血患者急性期的核心症状群,医护人员可基于此采取相应的干预措施开展症状管理,进一步提高症状管理的效率.

背景 戒烟行为改变技术(BCTs)是指可以改变参与者吸烟行为的干预内容的明确表述,目前尚缺乏研究探索我国戒烟门诊医务人员BCTs使用现状.目的 了解我国戒烟门诊医务人员戒烟相关BCTs使用情况,并探讨医务人员BCTs使用情况、感知效果与所在门诊戒烟成功率之间的关系.方法 于2022年2月—2023年3月,通过"问卷星"向我国戒烟门诊医务人员发放线上问卷,调查其44项戒烟相关BCTs使用情况、感知效果、所在门诊的戒烟成功率,以及年龄、性别等人口统计学特征.采用分层线性回归模型分析医务人员BCTs使用项数、感知效果对所在门诊戒烟成功率的影响及二者间的交互作用,采用简单斜率分析进一步检验BCTs使用项数和感知效果的交互作用.结果 共回收有效问卷 285 份.285 名戒烟门诊医务人员平均使用BCTs项数为(29±13)项,对BCTs的感知效果平均评分为(3.15±0.96)分,所在戒烟门诊的平均戒烟成功率为(37.0±24.3)%.不同最高学历、所在门诊追踪吸烟者戒烟效果情况医务人员的BCTs使用项数、感知效果比较,差异有统计学意义(P<0.05);不同戒烟门诊工作年限、医院职务、所在门诊追踪吸烟者戒烟效果情况医务人员的所在门诊戒烟成功率比较,差异有统计学意义(P<0.05).分层线性回归模型分析结果显示:在控制了戒烟门诊工作年限、医院职务、所在门诊是否追踪吸烟者戒烟效果 3 项变量后,医务人员BCTs感知效果能正向预测戒烟门诊的戒烟成功率[b(95%CI)=10.070(7.066～13.075),P<0.05],而BCTs使用项数不是戒烟门诊戒烟成功率的影响因素(P>0.05);进一步纳入BCTs使用项数×感知效果后,模型对戒烟门诊戒烟成功率的解释度增加2.2%,BCTs感知效果[b(95%CI)=11.711(8.548～14.874),P<0.05]、BCTs使用项数×感知效果[b(95%CI)=2.921(0.958～4.884),P<0.05]对戒烟成功率有正向预测作用.结论 医务人员戒烟相关BCTs使用情况对所在门诊的戒烟成功率有明显影响,且BCTs使用项数、感知效果对戒烟成功率的影响有明显交互作用.未来需要完善戒烟门诊干预技术培训方案,实现干预技术理论到实践的转化和落实,以帮助更多的吸烟者成功戒烟.

目的:建立不同结构腰椎融合器植入人体内的有限元模型，与健康人体腰椎有限元模型进行对比，探讨其治疗腰椎退行性疾病的临床可行性。方法:选择山西省忻州市人民医院1名健康男性，年龄45岁，身高176 cm，基于正常人体腰椎的CT扫描数据，设计出适用于腰椎椎体L 3～L 4段个性化腰椎融合器，利用Mimics、Solidworks和Abaqus软件，建立正常生理状态腰椎模型和双侧椎弓根螺钉内固定加椎间融合器有限元模型，比较两种模型在腰椎椎体、融合器、椎间盘的受力，变形以及应力分布的差异，从生物力学的角度解释融合器在腰椎内固定术中的作用。 结果:健康腰椎椎体模型最大应力为26.60 MPa(1 MPa＝7 500.62 mmHg)、最大位移为0.553 mm，而融合器模型所受最大应力为37.59 MPa、最大位移为0.531 mm。两种模型中腰椎椎体所受应力值接近，在直立工况下融合器模型椎体最大位移比正常椎体最大模型位移小3.9%；融合器所受应力值与其对应L 3～L 4段健康模型椎间盘所受应力值相差不大，位移变化比健康椎体模型小4.2%。 结论:融合器植入可以有效改善椎体力学性能和运动性能。

目的:汉化癌症患者睡眠信念与态度量表（C-DBAS-14）并检验其信效度。方法:依据Brislin翻译模型对韩文版C-DBAS-14进行翻译、回译及文化调适，形成中文版C-DBAS-14。采用便利抽样法，选取2022年10月—2023年5月在安徽医科大学第一附属医院住院的361例癌症患者为研究对象，采用一般资料调查表、中文版C-DBAS-14、失眠严重程度指数量表、医院焦虑抑郁量表对患者进行调查，以评价量表的信效度。量表的项目分析采用相关系数法及临界比值法；采用结构效度、内容效度及聚合效度评价量表的效度；采用Cronbach's α系数和组内相关系数评价量表的信度。结果:本研究共发放问卷361份，回收有效问卷356份，问卷有效回收率为98.6%（356/361）。中文版C-DBAS-14包含4个维度，共14个条目。量表水平的内容效度指数为0.976，条目水平的内容效度指数为0.833～1.000。探索性因子分析共提取出4个公因子，解释总方差的78.8%。验证性因子分析显示，卡方自由度比为1.286，比较拟合指数为0.991，拟合优度指数为0.945，递增拟合指数为0.991，非规准适配指数为0.988，近似误差均方根为0.036。量表总的Cronbach's α系数为0.874、组内相关系数为0.863。量表得分与失眠严重程度指数得分、医院焦虑抑郁量表得分均呈负相关（ r值分别为-0.734、-0.639， P<0.01）。 结论:中文版C-DBAS-14具有良好的信度和效度，可作为我国癌症患者不合理睡眠信念的评估工具。

目的:对比病原菌培养阳性脓毒症（CPS）与培养阴性脓毒症（CNS）患者的特征和结局，以了解培养阴性对预后的影响，并探讨其可能的死亡风险因素。方法:采用回顾性队列研究方法，以从美国重症监护医学信息数据库Ⅳv0.4（MIMIC-Ⅳv0.4）中筛选出的脓毒症患者作为研究对象。根据确诊脓毒症前后24 h内病原菌培养结果将患者分为CPS组和CNS组，比较两组患者的一般资料、病情资料及医疗操作等。在3个回归模型下，应用Logistic回归法分析CNS与住院病死率的关系。利用卡方分析及中介效应分析探讨初始抗菌药物治疗和90 d内抗菌药物使用史对CNS患者住院病死率的影响。结果:共8 587例脓毒症患者纳入最终分析，其中CPS组5 483例，CNS组3 104例。与CPS组相比，CNS组患者年龄更小〔岁：68（56，79）比70（58，81）〕，序贯器官衰竭评分（SOFA）及入重症监护病房（ICU）24 h内进行机械通气、肾脏替代治疗和使用血管升压素比例更高〔SOFA评分（分）：3（2，5）比3（2，4），机械通气：48.61%（1 509/3 104）比39.25%（2 152/5 483），肾脏替代治疗：13.69%（425/3 104）比9.68%（531/5 483），血管升压素：15.79%（490/3 104）比13.44%（737/5 483）〕，且ICU住院时间更长〔d：5（3，10）比3（2，6）〕，住院病死率更高〔25.00%（776/3 104）比18.53%（1 016/5 483）〕，差异均有统计学意义（均 P<0.01）；但两组在性别分布、入ICU类型、简化急性生理学评分Ⅱ（SAPSⅡ）、查尔森合并症指数（CCI）评分等方面差异均无统计学意义。经过多种因素校正后，CNS是患者院内死亡的危险因素〔优势比（ OR）＝1.441，95%可信区间（95% CI）为1.273~1.630， P<0.001〕。卡方分析及中介效应分析结果显示，初始抗菌药物治疗对CNS患者住院病死率升高没有显著影响，而90 d内抗菌药物使用史是CNS患者院内死亡的危险因素（ OR＝1.683，95% CI为1.328~2.134， P<0.05），CNS在90 d内抗菌药物使用史及院内死亡中的中介效应显著（ Z＝5.302， P<0.001），中介效应占比为7.58%。 结论:CNS患者较CPS患者病情更重，预后更差。既往90 d内使用过抗菌药物可能与CNS患者住院病死率升高有关，但并不能完全解释CNS高病死率的原因。

人工智能（AI）能够帮助临床医生对住院患者作出诊断，然而因AI模型存在系统偏差，可能会影响临床医生的诊断准确性。最近发布的监管指南指出，AI模型应包含相关解释，以减少模型错误，但该策略的有效性尚未确定。近期美国学者进行了一项随机临床小插图调查研究，旨在评估存在系统偏差的AI对临床医生诊断准确性的影响，并确定基于图像的AI模型解释是否能减少模型错误。研究于2022年4月至2023年1月在美国13个州进行，参与者包括住院医师、执业护士和医师助理。研究者向临床医生展示了因急性呼吸衰竭住院的9例患者的临床小插图，内容包括患者的症状、体格检查、检验及X线胸片结果。要求临床医生确定肺炎、心力衰竭或慢性阻塞性肺疾病导致患者急性呼吸衰竭的根本原因的可能性。为了确保诊断准确性，共向临床医生展示了2幅未含AI模型输入的小插图。临床医生被随机分配查看6幅带有AI模型输入的小插图，有或没有AI模型解释。在这6幅小插图中，3幅小插图包含标准模型预测，另3幅小插图包含系统偏差模型预测。研究主要结局为临床医生对肺炎、心力衰竭和慢性阻塞性肺疾病的诊断准确性。结果显示：研究参与者中位年龄为34（31，39）岁，其中57.7%为女性。457名临床医生被随机分配查看了至少1幅带有AI模型输入的小插图，其中231名分配到了不带解释的AI模型预测，226名分配到了带解释的AI模型预测。临床医生对3种诊断的基线诊断准确率为73.0%〔95%可信区间（95% CI）为68.3%～77.8%〕。当向临床医生展示不带解释的标准AI模型时，临床医生的诊断准确率较基线诊断准确率提高了2.9%（95% CI为0.5%～5.2%）；当向临床医生展示AI模型解释时，临床医生的诊断准确率则较基线诊断准确率提高了4.4%（95% CI为2.0%～6.9%）。与基线诊断准确率相比，存在系统偏差的AI模型预测导致临床医生的诊断准确率降低了11.3%（95% CI为7.2%～15.5%）；而带解释且存在系统偏差的AI模型预测则导致临床医生的诊断准确率降低了9.1%（95% CI为4.9%～13.2%），两种模型相比没有明显差异（差异为2.3%，95% CI为-2.7%～7.2%）。研究人员据此得出结论：尽管标准AI模型提高了诊断准确性，但存在系统性偏差的AI模型降低了医生的诊断准确性，常用的基于图像的AI模型解释并未改变这种有害影响。

目的:探讨自我调节常识性模型（CSM）的研究热点及演变，以期为护理工作者从健康心理学角度改善患者健康相关结局提供更清晰的研究方向。方法:检索1985年1月1日—2020年12月31日Web of Science核心合集数据库中与CSM相关的英文文献，采用VOSviewer 1.6.15软件绘制关键词密度、聚类和时间分布可视化图谱，同时运用CiteSpace 5.6.R5软件对突现词进行检测。结果:最终纳入文献364篇，CSM研究年发文量和被引频次总体呈上升趋势。CSM研究热点主要集中在解释或干预患者的疾病感知，以期改善患者的自我管理、依从性、生活质量、焦虑、抑郁及心理痛苦，研究对象主要为癌症患者。基于CSM框架对社会支持和心理困扰进行探讨，利用Meta分析的方法进行总结可能是未来CSM研究工作中重要的部分。CSM研究在经历理论完善、广泛应用后目前正处于总结和深化阶段。结论:CSM研究年发文量和被引频次总体呈上升趋势，已得到国内学者关注，但与国外相比仍存在较大差距。未来研究可探讨社会支持在个体患病后自我调节过程中的作用，并通过Meta分析探讨干预患者负性疾病感知的有效方法，以期改善患者健康结局。

专家引言：上海交通大学医学院附属新华医院汪登斌教授指出，近年来，复旦大学附属肿瘤医院顾雅佳教授团队围绕乳腺癌诊治相关的影像研究，深耕影像组学与深度学习领域。他们聚焦于乳腺影像新技术、新方法及跨尺度融合数据挖掘的研究。作为乳腺多学科团队重要的一分子，该团队持续进行深度交流，积极推进多学科医工交叉合作，在乳腺癌的精准影像诊断上取得了一系列的研究成果，助力大数据时代下肿瘤影像的精准诊疗，为进一步推动临床应用转化夯实基础。顾雅佳教授团队围绕三阴性乳腺癌复旦分型，实现MRI组学的无创分型诊断，并挖掘模型背后的生物学科解释性；围绕关键基因及分子的可视化，通过影像组学实现无创预测并关联多组学数据验证，探索潜在治疗靶点；针对新辅助疗效的精准预测，创新性融合影像组学和体细胞突变特征，构建新辅助化疗的病理完全缓解的预测模型，并探究高频基因突变与耐药事件之间的关联。同济大学医学院同济医院王培军教授指出，以影像为主导的跨尺度多组学研究，以多组学为驱动，为乳腺肿瘤的演进发展提供影像学依据，是大数据时代下乳腺肿瘤影像研究的新方向。顾雅佳教授团队探寻影像肿瘤内异质性的潜在治疗策略，挖掘基于宏观影像对分子靶点可视化的关键特征，并创新性将热门的MRI组学与突细胞突变特征相融合构建新辅助化疗的疗效预测模型，在精准分型和关键分子的可视化基础上，指导乳腺癌的精准诊疗，为临床转化提供了新的前景。

目的:检验简版早期脑卒中后抑郁筛查量表的信效度。方法:采用人口统计学问卷和简版早期脑卒中后抑郁筛查量表对325例早期脑卒中患者进行问卷调查，采用探索性因素、验证性因素分析和信度分析检验量表的信效度。结果:探索性因素分析抽取了"情绪低落""负罪感""情绪化"和"难以入睡"4个因素，共解释抑郁总变异量的74.228%。验证性因素分析所有模型拟合指标及各条目的标准化因子负荷均达标，各条目解释的方差变异量也在可接受的范围内。量表总的内部一致性信度为0.866，各维度的内部一致性信度在0.649～0.882，修正的条目与总分相关系数在0.401～0.676，条目与维度相关系数在0.647～0.923。结论:简版早期脑卒中后抑郁筛查量表具有良好的信效度，可用于筛查早期脑卒中患者的抑郁症状。