目的:探讨同时性结直肠癌肝转移(sCRLM)术后早期复发的定义及其影响因素。方法:收集2008年12月至2016年12月中国医学科学院肿瘤医院肝胆外科sCRLM患者的临床病理资料。通过限制性立方条分析，探索复发出现的早晚与远期预后的关系，依次行单因素Cox、多因素Cox分析验证6个月作为早期复发定义界点的可行性。随后应用逻辑回归、支持向量机、决策树、随机森林、人工神经网络及XGBoost机器学习的特征变量选择算法，综合排名临床病理变量对6个月内早期复发的重要度，并按综合排名顺序依次将变量引入逻辑回归模型，观察逻辑回归模型的受试者工作特征曲线(ROC)，根据ROC下面积、赤池信息准则、贝叶斯信息准则筛选最佳变量组合，将其纳入多因素逻辑回归分析，进而筛选出早期复发的独立性危险因素。随后对独立危险因素中的治疗性因素行逆概率加权(IPTW)方法分析，在降低协变量的标准化均数差的条件下进一步确认治疗性因素对sCRLM患者肝切除术后早期复发的影响。结果:共纳入228例sCRLM患者，随访2.10～108.57个月，男性142例，女性86例，年龄(55.89±0.67)岁。在170例(74.6%)复发患者中，限制性立方条分析确定无病生存期(DFS)与总生存期(OS)的风险比( HR)满足线性关系( P<0.05)，且在所有患者中，Cox分析发现6个月作为早期复发的时间界点具有显著的可行性( HR＝3.405, 95% CI: 2.098～5.526, P<0.05)。所有患者中93例(40.79%)出现早期复发，早期复发患者的生存率明显低于无早期复发患者( HR＝3.405, 95% CI: 2.098～5.526, P<0.05，5年生存率分别为14.0%、52.0%)。六种机器学习算法联合多因素逻辑回归分析确定淋巴结清扫数量>22个( OR＝0.258，95% CI: 0.132～0.506, P<0.05)是早期复发的保护性因素，而肝转移癌数量>3个( OR＝4.715, 95% CI：2.467～9.011, P<0.05)和术后出现并发症( OR＝2.334, 95% CI: 1.269～4.291, P<0.05)是早期复发的独立性风险因素。IPTW分析法在充分降低协变量混杂影响的条件下经因果推论证实淋巴结清扫数量>22个是DFS的保护性因素(IPTW HR＝0.4887, P<0.05)，且也是术后早期复发的保护性因素(IPTW OR＝0.29, P<0.05)，但与OS无关(IPTW HR＝0.6951, P>0.05)。 结论:sCRLM术后6个月作为早期复发定义界点具有显著可行性，早期复发患者的长期生存差，sCRLM术后早期复发的独立性影响因素是淋巴结清扫数量、肝转移癌数量和术后并发症。

目的:探讨未分化甲状腺癌（ATC）预后的影响因素，评估构建的随机生存森林（RSF）模型在ATC预后预测中的应用价值。方法:选择2004-2015年美国国立癌症研究所的监测、流行病学和最终结果（SEER）数据库中经组织病理学诊断为ATC的患者707例，采用简单随机法将所有患者分为训练集（495例）和验证集（212例）。采用单因素Cox比例风险模型分析影响训练集患者总生存（OS）的相关因素。采用基于最小赤池信息量准则（AIC）的多因素Cox比例风险模型分析上述变量并进行筛选，基于筛选出的变量构建预测OS的传统Cox模型；采用RSF算法对单因素Cox回归分析中 P<0.05的变量进行分析，筛选重要的5个特征，纳入基于最小AIC的多因素Cox比例风险模型，采用筛选出的变量构建预测OS的RSF-Cox模型。采用时间依赖受试者工作特征（tROC）曲线及曲线下面积（AUC）、校正曲线、决策曲线、综合Brier评分（IBS），通过训练集和验证集来评估各模型预测OS的效能。 结果:单因素Cox回归分析显示，年龄、是否接受化疗、淋巴结转移情况、是否接受放疗、手术方式、肿瘤浸润程度、肿瘤数量、肿瘤长径和诊断时年份这9个变量是ATC预后的影响因素（均 P<0.05）。基于最小AIC（4855.8）的多因素Cox回归分析显示，年龄较小（61~70岁比>80岁： HR=0.732，95% CI 0.560~0.957， P=0.023；≤50岁比>80岁： HR=0.561，95% CI 0.362~0.870， P=0.010）、接受化疗（是比否： HR=0.623，95% CI 0.502~0.773， P<0.001）、接受放疗（是比否： HR=0.695，95% CI 0.559~0.866， P=0.001）、接受手术（叶切除比未手术或未知： HR=0.712，95% CI 0.541~0.939， P=0.016；全切或次全切比未手术或未知： HR=0.535，95% CI 0.436~0.701， P<0.001）、肿瘤长径（≤2 cm比>6 cm： HR=0.495，95% CI 0.262~0.938， P=0.031；>2 cm且≤4 cm比>6 cm： HR=0.714，95% CI 0.520~0.980， P=0.037；>4 cm且≤6 cm比>6 cm： HR=0.699，95% CI 0.545~0.897， P=0.005）是ATC患者OS的独立保护因素；淋巴结转移（N 1未知比N 0： HR=1.664，95% CI 1.158~2.390， P=0.006；N 1b比N 0： HR=1.312，95% CI 1.029~1.673， P=0.028）、更具侵袭性的肿瘤浸润程度（组别3比组别1： HR=1.492，95% CI 1.062~2.096， P=0.021；组别4比组别1： HR=1.636，95% CI 1.194~2.241， P=0.002）是ATC患者OS的独立危险因素，诊断时年份（2010-2015年比2004-2009年： HR=1.166，95% CI 0.962~1.413， P=0.118）虽无统计学意义，但将其纳入可提高传统Cox模型的效能，故也将其纳入传统Cox模型。采用RFS算法，筛选出手术方式、肿瘤长径、年龄分组、是否接受化疗和肿瘤数量5个变量，基于最小AIC（4 884.6）的多因素Cox回归分析显示，接受化疗（是比否： HR=0.574，95% CI 0.476~0.693， P<0.001）、手术方式（叶切除比未手术或未知： HR=0.730，95% CI 0.567~0.940， P=0.015；全切或次全切比未手术或未知： HR=0.527，95% CI 0.423~0.658， P<0.001）、肿瘤长径（≤2 cm比>6 cm： HR=0.428，95% CI 0.231~0.793， P=0.007；>2 cm且≤4 cm比>6 cm： HR=0.701，95% CI 0.513~0.958， P=0.026；>4 cm且≤6 cm比>6 cm： HR=0.681，95% CI 0.536~0.866， P=0.002）是ATC患者OS的独立影响因素，基于这3个变量构建RSF-Cox模型。tROC曲线分析显示，在训练集中RSF-Cox模型预测6、12、18个月OS率的AUC分别为93.56、92.62、90.80，在验证集中分别为93.05、92.47、90.20；在训练集中传统Cox模型分别为89.00、87.76、85.24，在验证集中分别为86.22、83.68、82.86。预测6、12、18个月OS率时，RSF-Cox模型校准曲线较传统Cox模型更接近45°，RSF-Cox模型决策曲线的临床净获益均高于传统Cox模型。RSF-Cox模型IBS（0.089）低于传统Cox模型（0.111）。 结论:基于接受化疗、手术方式、肿瘤长径构建的RSF模型可以有效预测ATC患者的OS。

目的:探讨IgA肾病无创早期诊断模型（Nomogram模型）的构建与临床应用价值。方法:回顾性收集2010年10月1日至2019年8月31日期间经青岛大学附属医院肾组织病理检查确诊的712例原发性肾小球疾病患者的临床资料，其中IgA肾病241例，非IgA肾病471例。按病例纳入时间分为训练集（ n=426，其中IgA肾病156例，非IgA肾病270例）和验证集（ n=286，其中IgA肾病85例，非IgA肾病201例）。应用单因素和多因素Logistic回归方程法分析训练集患者IgA肾病诊断的危险因素。根据赤池信息准则（AIC）建立无创诊断IgA肾病的Nomogram模型，并将该模型应用于验证集人群进行验证。采用受试者工作特征曲线（ROC）、校准曲线及决策曲线分析（DCA）验证与评价该模型的区分度、校准度和临床实用价值。 结果:多因素Logistic回归分析结果显示，原发性肾小球疾病患者的年龄（ OR=0.966，95% CI 0.947 ~ 0.985， P=0.001）、IgA/C3比值（ OR=1.889，95% CI 1.468 ~ 2.432， P<0.001）、血白蛋白（ OR=1.091，95% CI 1.047 ~ 1.136， P<0.001）、血总胆固醇（ OR=0.810，95% CI 0.694 ~ 0.946， P=0.008）及肉眼血尿（ OR=6.858，95% CI 1.867 ~ 25.189， P=0.004）为IgA肾病诊断的独立危险因素。由上述指标构建Nomogram诊断模型，训练集和验证集的ROC曲线下面积分别为0.880和0.887，校准曲线显示该模型的预测概率与实际概率间的一致性良好，DCA结果表明该模型的安全性及患者的临床净获益较高。 结论:Nomogram模型诊断IgA肾病的准确度和临床实用性较高，可用于IgA肾病的无创早期诊断。

目的:构建一个基于常见术前指标预测肥胖患者腹腔镜袖状胃切除术（LSG）后早期（1年内）减重效果的列线图模型。方法:回顾性分析2015年1月至2022年5月于福建医科大学附属协和医院和福建医科大学附属泉州第一医院行LSG的肥胖症患者的临床病例资料。排除腹部大手术史、严重胃食管反流病、术后1年内怀孕及失访患者后，共200例患者入组（福建医科大学附属协和医院190例，福建医科大学附属泉州第一医院10例），其中男性51例，女性149例，年龄（29.9±8.2）岁，体质指数（BMI）为（38.7±6.5）kg/m 2。本组患者均接受标准化程序的LSG手术。将LSG术后1年达到理想体质量，即BMI≤25 kg/m 2定义为早期减重达标。采用单因素和多因素分析患者基本资料、临床指标、术前血液学指标以及合并症情况与LSG术后早期减重达标的关系，并将相关因素纳入列线图预测模型。采用受试者工作特征（ROC）曲线［曲线下面积（AUC）越大，模型的预测能力和预测准确性越好］、似然比检验（似然比越高，模型同质性越强）、决策曲线分析法（DCA；净获益越高，模型越好）、赤池信息量准则（AIC值；AIC值越小，模型拟合越好）及贝叶斯信息量准则（BIC值；BIC值越小，模型拟合越好）验证列线图模型的预测性能。 结果:200例接受LSG手术的肥胖患者中，早期减重达标136例（68.0%）。与未早期减重达标组（64例）相比，早期减重达标组患者BMI更小，丙氨酸转氨酶（ALT）、天冬氨酸转氨酶（AST）、甘油三酯（TG）水平更低，总胆固醇（CHOL）水平更高；女性占比更高，合并脂肪肝及高血压比率更低（均 P<0.05）。多因素logistic回归分析显示，术前BMI（OR=0.852，95%CI：0.796~0.912， P<0.001）、ALT（OR=0.992，95%CI：0.985~0.999， P=0.024）及合并脂肪肝（OR=0.185，95%CI：0.038~0.887， P=0.035）和高血压（OR=0.374，95%CI：0.144~0.969， P=0.043）是阻碍早期减重达标的独立影响因素，CHOL（OR=1.428，95%CI：1.052~1.939， P=0.022）是有利于早期减重达标的独立影响因素。基于以上变量，我们建立了减重效果列线图预测模型。ROC曲线分析、决策曲线分析、似然比检验、赤池信息量准则（AIC值）及贝叶斯信息量准则（BIC值）均显示，列线图模型预测性能明显优于BMI（AUC值：0.840比0.798， P=0.047；似然比：58.785比36.565，AIC值：193.066比207.063，BIC值：212.856比213.660）。 结论:相较于只基于BMI的预测模型，本研究构建的术前指标预测模型可以更有效地预测LSG术后早期减重达标。

目的:基于多参数MRI的影像组学特征构建预测异柠檬酸脱氢酶(IDH)野生型胶质母细胞瘤(GBM)患者预后的模型并予以验证。方法:回顾性分析郑州大学第一附属医院神经外科2018年10月至2020年12月期间(数据集1，172例)及河南省人民医院神经外科2011年1月至2021年9月期间(数据集2，89例)行肿瘤切除术，且术后病理学诊断为成人型IDH野生型GBM患者的临床和MRI资料。将多个MRI序列(包括T1加权成像、钆剂对比增强后T1加权成像、T2加权成像、液体衰减反转恢复序列、弥散加权成像及其表观弥散系数)进行预处理后，将数据集1按1 ∶1的比例分为训练集和内部验证集，数据集2作为外部验证集，采用单因素Cox比例风险回归模型与Lasso-cox分析结合的方法筛选影像组学特征，并结合临床危险因素构建预测GBM患者预后的临床－影像组学模型。采用一致性指数、赤池信息量准则(AIC)、综合判别改善(IDI)指数、Kaplan-Meier生存曲线、诺莫图、校准曲线以及决策曲线分析评估临床－影像组学模型的预测效能，并与仅采用临床危险因素构建的临床模型进行比较。结果:共筛选出18个与IDH野生型GBM患者预后显著相关的影像组学特征并建立影像组学预后模型(Radscore)；Kaplan-Meier生存曲线显示，训练集、内部验证集和外部验证集基于Radscore划分的高、低风险组间预后的差异均有统计学意义(均 P<0.05)；单因素及多因素Cox比例风险回归分析显示，Radscore在训练集中为独立预后因素( P<0.05)。与单纯的临床模型相比，Radscore的加入使预测模型在训练集、内部验证集、外部验证集中的一致性指数由0.682、0.682、0.791分别提升至0.785、0.694、0.823，AIC分别由727.872、703.796、666.732降至683.771、697.790、654.837；临床－影像组学模型在训练集、内部验证集、外部验证集中的IDI指数分别为0.268、0.051、0.100(均 P<0.05)，诺莫图及其校准曲线均表现出较临床模型更佳的预测效能；决策曲线分析结果显示，Radscore的加入可提高预测模型的决策能力。 结论:使用机器学习技术基于多参数MRI图像建立的影像组学模型可实现对IDH野生型GBM患者的风险分层，并在一定程度上提高了传统临床模型的生存预后预测能力。

目的:基于机器学习方法筛选脑胶质瘤1p/19q共缺失特征基因，并探讨其在预测1p/19q共缺失中的作用。方法:回顾性分析中国脑胶质瘤基因组图谱计划(CGGA)、癌症基因组图谱计划(TCGA)数据库中脑胶质瘤患者的肿瘤组织转录组测序数据及临床信息，将CGGA_693的数据作为试验组(508例)，CGGA_325(298例)和TCGA(545例)的数据作为验证组。采用单因素Cox回归方法和机器学习方法分别筛选试验组中1p/19q共缺失与1p/19q非共缺失者与免疫相关的差异表达基因。2种筛选方法共同具有的候选基因定义为1p/19q共缺失特征基因(以下简称特征基因)。在2个验证组中验证特征基因在1p/19q共缺失与非共缺失者间的差异。绘制受试者工作特征曲线(ROC)，计算试验组和验证组中特征基因预测1p/19q共缺失的曲线下面积(AUC)；采用Kaplan-Meier生存分析法分析AUC值较大的特征基因与预后的关系。在试验组，采用logistic回归分析方法，基于特征基因及临床信息构建不同的1p/19q共缺失预测模型；采用AUC、赤池信息量准则、净重新分类指数、综合判别改善指数、决策曲线分析法综合评估每个模型的预测效能。另纳入南京医科大学附属常州第二人民医院神经外科行手术切除的22例脑胶质瘤标本，采用实时荧光定量PCR法检测1P/19q类缺失者与非共缺失者特征基因mRNA的表达水平。结果:试验组中共筛选出6个特征基因，分别为血管生成素样蛋白2(ANGPTL2)、骨形成蛋白2(BMP2)、骨形成蛋白8b(BMP8b)、成纤维细胞生长因子11(FGF11)、组蛋白去乙酰化酶1(HDAC1)及滑行蛋白α(TXLNA)。2个验证组中，6个特征基因在1p/19q共缺失与非共缺失组中的表达差异均有统计学意义(均 P<0.001)。试验组和验证组的ROC显示，HDAC1、TXLNA基因预测1p/19q共缺失的AUC值均>0.9；生存分析显示，HDAC1、TXLNA基因低表达者的总生存期均长于高表达者，差异均有统计学意义(均 P<0.001)。共建立3个预测1p/19q共缺失模型：模型A (变量：TXLNA)，模型B (变量：TXLNA+HDAC1)，模型C[变量：TXLNA+HDAC1+年龄+世界卫生组织(WHO)分级+异柠檬酸脱氢酶突变] 。多个预测效能评估结果显示，模型A对1p/19q共缺失的预测能力略逊于模型B、C，但差异不大。1p/19q共缺失者TXLNA的mRNA表达水平低于非共缺失者( P<0.01)。 结论:TXLNA是胶质瘤1p/19q共缺失特征基因，其预测1p/19q共缺失的效能较高。

目的:建立预测不同病理进展期乳腺导管原位癌（DCIS）预后的模型，并评估其效能。方法:回顾性分析2014年11月至2020年12月深圳市人民医院、北京大学深圳医院、深圳市罗湖区人民医院接受乳腺X线摄影检查的273例不同进展期乳腺DCIS患者的完整病例资料。患者均为女性，年龄26~86（49±11）岁。其中110例纳入单纯DCIS+乳腺导管原位癌伴微浸润（DCIS-MI）组，163例纳入浸润性导管癌伴导管原位癌（IDC-DCIS）组，对患者临床、影像及病理特征进行分析。影像特征提取采用乳腺Mammo AI融合模型及基于深度学习的自然语言处理（NLP）技术的诊断报告结构化模型。对各组患者按照6∶4比例通过Python软件随机分为训练集和验证集，以单因素分析和多因素logistic回归分析筛选预测因子，选择赤池信息量准则值最小者构建预测模型。绘制受试者操作特征曲线评估预测模型效能。结果:单纯DCIS+DCIS-MI组以雌激素受体（-）或人表皮生长因子受体2（3+）为预后不良参考标准，预后不良62例，预后良好48例；IDC-DCIS组以诺丁汉预后指数为参考标准，预后不良33例，预后中等73例，预后良好57例。单纯DCIS+DCIS-MI组中，DCIS核分级、乳腺X线摄影可疑形态钙化、DCIS病理亚型、伴微浸润共4个预测因子被用于建立模型；IDC-DCIS组中，神经/脉管侵犯、Ki67水平、DCIS分子亚型、DCIS成分占比、乳腺X线摄影伴随征象共5个预测因子被用于建立模型。训练集中模型预测单纯DCIS+DCIS-MI预后不良的曲线下面积（AUC）为0.92（95%CI 0.84~1.00），验证集中为0.90（95%CI 0.82~0.99）；训练集中模型预测IDC-DCIS预后不良的AUC为0.84（95%CI 0.76~0.93），验证集为0.78（95%CI 0.64~0.91）。结论:基于深度学习联合NLP所建立的模型能有效预测不同病理进展期DCIS预后状态，有利于DCIS风险分层，为临床决策提供参考。

目的:基于多准则决策分析法（MCDA）构建医用粘胶相关性皮肤损伤（MARSI）的集束化干预策略。方法:系统检索Cochrane Library、PubMed、EMBASE、中国生物医学文献数据库、CNKI、维普数据库、万方数据库等中英文数据库中与MARSI护理相关的文献。检索时限为2008年1月1日—2018年12月31日。10名函询专家采用MCDA对MARSI患者集束化干预策略的各项护理措施赋分。计算每项措施的推荐意见得分，形成推荐意见，并通过预试验验证集束化干预策略的可行性。结果:10名函询专家的权威系数为0.830，专家积极系数为100%。专家函询后拟定14项护理推荐意见进入集束化干预策略条目池，得分排名前5项的护理措施为：加强对医护人员的教育培训；标准化应用与移除医用粘胶剂的操作技术；在粘贴医用粘胶剂之前，应用无酒精皮肤保护剂；使用医用粘胶产品前，皮肤应完全待干（≥30 s）；正确描述损伤类型、颜色、范围等。结论:运用MCDA可以科学构建MARSI集束化干预策略。

目的:探讨通过多准则决策分析法（MCDA）构建集束化干预策略，为神经重症患者早期拔除留置导尿管提供依据。方法:检索文献并通过MCDA构建导尿管集束化干预策略，采用专家函询方式形成7个条目干预策略。采用便利抽样法选择神经重症患者122例为研究对象。选取2018年11月至2019年4月留置导尿管患者61例作为对照组，实施留置导尿管常规护理。选取2019年5—10月留置导尿管患者61例作为干预组，实施干预策略。比较2组患者拔管成功率、尿管留置天数及导尿管相关性泌尿系感染（CAUTI）发生率，并对干预组不同诊断患者留置导尿管相关指标进行分析。结果:干预组留置尿管CAUTI发生率、成功拔除率、留置天数分别为39.3%（24/61）、32.79%（20/61）、17（14，22）d，对照组分别为59.0%（36/61）、8.19%（5/61）、21（15，27）d，2组比较差异有统计学意义（ χ2值为4.723、11.775， Z值为-9.211， P<0.05或0.01），达到早期拔除尿管的目的。在干预组的研究中，脑卒中患者尿管的留置时间在7~20 d，拔除导尿管的成功率最高为36.6%（15/41），与其他疾病比较差异有统计学意义（ Z值为-2.448、-2.109， P<0.05）。 结论:MCDA构建导尿管拔除策略能够明显缩短神经重症患者尿管留置时间，提升早期拔管成功率，降低CAUTI率，为临床护理提供循证依据。

目的:探讨个体化预测中国成人3年后进展为2型糖尿病（T2DM）风险的列线图模型。方法:回顾性分析于2012年2月至2015年8月完成的中国T2DM患者肿瘤发生风险的流行病学研究（REACTION）的流行病学资料，选取2 788名基线无糖尿病且完成3年随访的社区居民为研究对象。采用简单随机化方法将研究对象分为建模队列（75%，2 094例）与验证队列（25%，694例）。采用logistic回归分析构建T2DM风险预测模型，选取赤池信息准则（AIC）信息量最小的logistic回归模型为最终预测模型，并绘制列线图。采用受试者工作特征（ROC）曲线比较列线图与糖尿病前期对进展为T2DM风险的预测价值，采用决策曲线分析（DCA）评价列线图的临床实用性。结果:随访3年，2 788名受试者中有210例（7.53%）进展为T2DM，据此估算年发病率为2.51%。在建模队列中，多因素logistic回归分析结果显示，年龄、空腹血糖、糖负荷后2 h血糖、糖化血红蛋白是T2DM发病的独立危险因素（优势比为1.03、1.13、1.01、1.17，均 P<0.05），并以上述4个因素为自变量构建列线图。列线图在建模队列中预测进展为T2DM风险的ROC曲线下面积（AUC）为0.825（95%可信区间 0.787~0.864），在验证队列中为0.781（95%可信区间0.716~0.846），其预测价值均优于糖尿病前期（AUC分别为0.693、0.628， P<0.01，Delong法）。DCA显示列线图具有良好的临床应用价值。 结论:本研究中构建的列线图可个体化预测中国成人3年后进展为T2DM的风险，有助于甄别糖尿病高风险人群并制定个体化的干预措施。