目的 通过机器学习方法对流行性感冒临床证候学资料进行训练,获得流感辨证模型.方法 收集2019年12月-2022年3月就诊于中日友好医院发热门诊的流行性感冒患者病历资料,使用数据采集系统进行数据处理,将不同数据处理过程产生的数据分别存储,以逻辑回归、决策树、朴素贝叶斯、支持向量机、多层感知机、lightGBM和随机森林为备选模型,通过Optuna进行超参数优化选择,并在各数据集中分别训练模型,以macro-F1评分为核心指标,对模型的预测性能进行评价.结果 整理得到训练样本1 011个,其中风热犯卫证453个、风寒束表证152个、表寒里热证406个;得到用于训练的数据集8个,包含数据80份.经训练,逻辑回归、决策树、朴素贝叶斯、支持向量机、多层感知机、lightGBM、随机森林模型的macro-F1评分分别为0.783 0、0.774 2、0.731 5、0.782 4、0.716 7、0.793 8、0.815 3.加权样本能显著提高平均模型性能,而主成分分析降维会降低平均模型性能.单一模型中,逻辑回归模型预测性能最佳;集成方法模型中,随机森林模型预测性能最佳.结论 在样本量较小的情况下,流行性感冒中医辨证模型使用逻辑回归、决策树、支持向量机和lightGBM较为适宜,随着样本量增加,逻辑回归、支持向量机、lightGBM和随机森林可能更为合适.不同数据处理方式会影响模型性能,对证型典型程度信息的采集有利于提高模型性能.

目的:探讨声辐射力弹性成像（ARFI）声触诊组织定量（VTQ）技术在不可切除肝细胞癌（HCC）伴门静脉癌栓（PVTT）放射治疗疗效评估中的价值。方法:回顾性分析2016年1月至2023年12月东部战区总医院、南京医科大学第一附属医院以及南京江北医院行放射治疗的不可切除HCC伴PVTT患者共73例。所有患者放射治疗前一周、结束后一个月均行常规超声、ARFI及增强CT检查。以PVTT分型降型率将患者分为降型组和非降型组。使用单因素和多因素Logistic回归模型分析两组患者临床病理、ARFI特征与降型率的相关性。依据多因素Logistic回归结果，将具有统计学意义的参数纳入多因素Cox回归生存分析模型，得到与患者生存预后独立相关的因素。结果:放射治疗后PVTT降型率为35.62%（26/73），升型率为4.11%（3/73），稳定率为60.27%（44/73）。单因素分析结果显示放射治疗前后甲胎蛋白（APF）水平、肝硬化程度、HCC分化程度、放射治疗前后剪切波速度（SWV）以及SWV变化率在降型组与非降型组间差异具有统计学意义（P<0.05）。多因素Logistic回归分析结果显示，肝硬化程度（重度OR值：9.671，95%CI：1.420~65.887，P=0.020）、HCC分化程度（中分化OR值：0.158，95%CI：0.026~0.950，P=0.044；低/未分化OR值：3.216，95%CI：0.541~19.115，P=0.045）、放射治疗后AFP水平>14?ng/ml（OR值：11.890，95%CI：2.274~62.169，P=0.003）以及SWV变化率≤20%（OR值：15.675，95%CI：2.008~122.353，P=0.009）均与患者是否降型独立相关。多因素Cox回归生存分析模型结果显示，放射治疗后AFP水平>14?ng/ml（OR值：2.133，95%CI：1.188~3.830，P=0.011）、HCC分化程度（低/未分化OR值：4.041，95%CI：1.823~8.959，P=0.001）以及SWV变化率≤20%（OR值：2.649，95%CI：1.450~4.842，P=0.002）均与患者生存预后独立相关。结论:放射治疗后APF水平、HCC分化程度以及SWV变化率与不可切除HCC伴PVTT患者放射治疗后是否降型及生存率显著相关，是评价其疗效的重要指标。VTQ是评价HCC合并PVTT放射治疗疗效的有效手段，可为临床决策提供影像学依据。

估测胎儿体重（estimated fetal weight，EFW）是临床判断胎儿生长是否正常的重要指标之一，有助于及时识别体重异常的胎儿。胎儿体重异常的筛查和规范管理有助于减少不良妊娠结局的发生。产前超声估测胎儿体重的方法有多种，比较常用的是采用一个或多个胎儿生物学超声参数计算EFW，并结合EFW正常参考值来判断胎儿生长状况[1,2]。因此，选择一种适合的EFW正常参考值对胎儿临床管理决策尤为重要。

目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)是危害青少年健康的常见疾病之一.临床上,X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的"金标准".由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响,人工测量在寻找关键点时步骤复杂且耗时长,快速且准确的Cobb角自动测量方法具有重要临床应用价值.现有深度学习方法中基于分割的方法易受图像质量影响;基于关键点检测方法过于关注局部特征提取导致定位不准确等问题.为此,本文提出了一种以椎骨为中心的标志点检测方法,来实现脊柱侧弯Cobb角自动估计算法.方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network,MSAM-Net).首先,使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention,MPSA)模块和注意力特征融合(attentional feature fusion,AFF)模块提取椎骨特征和上下文信息,然后,根据椎体中心和角偏移量定位4个角标志点,以在脊柱侧弯评估任务中提高椎骨标志点检测的性能,进而实现近胸段、主胸段和胸腰段曲线的Cobb角估计.结果 为了评估Cobb角估计与真实侧弯角度之间的偏差程度,本研究算法基于AASCE MICCAI 2019挑战赛数据集,使用4种指标对Cobb角精度进行评估,分别是对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)、欧氏距离(Euclidean distance,ED)、曼哈顿距离(Manhattan distance,MD)和切比雪夫距离(Chebyshev distance,CD).测试得到SMAPE为9.39％,ED为4.18;MD为5.92;CD为5.34.与基于分割和检测的5种深度学习方法进行对比,实现更好的Cobb角测量结果.结论 本研究可以准确识别和定位X线图像中椎骨,帮助医生测量AIS患者的Cobb角,为临床AIS诊断、手术计划和脊柱健康分析提供决策支持.

目的 构建基于超声特征的列线图模型,探讨其鉴别诊断良、恶性膀胱隆起样病变的价值.资料与方法 回顾性分析2016年1 月—2022年 1月四川省人民医院经手术病理证实的膀胱隆起样病变 538 例(良性 84 例,恶性 454例)的超声资料,对膀胱病变超声特征(病灶部位、数目、最大径线、回声、形态、基底、钙化、彩色多普勒血流显像信号)及患者简要临床指标(性别、年龄、泌尿系恶性肿瘤史、肉眼血尿)行 Logistic 单因素及多因素回归分析,筛选出独立预测因子,并构建预测模型.通过Bootstrap重抽样进行内部验证.绘制受试者工作特征曲线、校正曲线、临床决策曲线评估模型.结果 单因素及多因素Logistic回归分析结果显示,性别(OR=1.822,P=0.038)、年龄(OR=1.044,P=0.000)、病灶部位(OR=0.359,P=0.000)、血流信号(OR=2.052,P=0.007)是预测恶性膀胱隆起样病变的独立因素,基于单因素结果构建的列线图预测模型的曲线下面积为0.780,敏感度为72.91%,特异度为71.43%,准确度为72.68%.校正曲线显示模型的一致性较好.临床决策曲线显示临床净获益良好.结论 基于超声特征和简要临床指标构建的列线图模型鉴别诊断良、恶性膀胱隆起样病变具有较高的准确度和潜在的临床应用价值.

目的:探讨基于临床资料、影像征象和影像组学特征构建的联合模型在术前对肺结节浸润程度的预测价值,并通过决策热图及Shapley算法对模型进行可视化分析.方法:回顾性搜集2018年1月—2022年3月在本院经病理确诊的179例肺结节患者的临床资料和术前CT图像(肺窗平扫).根据肺肿瘤新分类,分为腺体前驱病变组(78例)和浸润性肺腺癌组(101例).采用Deepwise软件,分别提取瘤灶、瘤周3 mm和5 mm区域的影像组学特征.使用单因素分析、相关性分析、Boruta算法和逐步logistic回归分析等特征筛选算法确定各区域的最佳组学特征,然后采用logistics方法分别构建3个单区域及2个多区域(肿瘤+瘤周3 mm及肿瘤+瘤周5 mm)共5个影像组学模型,分析各模型的预测效能并计算其影像组学评分(Radsocre).通过单因素和多因素logistic回归方法筛选相关临床指标和结节的主要CT征象,并采用XGBoost算法将筛选出的高危因素结合瘤灶+瘤周3 mm联合模型的影像组学得分构建临床影像联合模型.额外收集浙江省嘉兴市中医医院经病理证实的69例肺结节患者的临床和CT资料来完成联合模型的泛化性验证.利用决策热图和Shapley算法对模型分别进行可视化和特征贡献度分析.结果:相比单区域影像组学模型(训练集:AUC=0.740、0753、0.768;验证集:AUC=0.841、0.856、0.809),多区域影像组学模型在两个数据集中均显示出更高的预测效能(AUC=0.878和0.834).XGBoost联合模型的预测效能得到进一步地提高(AUC=0.948和0.886).Shap-ley分析显示影像组学得分、CT值和结节长度为预测肺结节浸润程度的最重要的3个特征.决策热图算法实现了对浸润性预测推演过程的可视化.结论:XGBoost模型对肺结节浸润性的评估具有较高的准确性和泛化性.决策热图实现了可解释机器学习算法的可视化从而保障了模型的实用性,为肺结节的临床处理及管理提供了一种无创性的辅助诊断工具.

目的 探讨学龄期儿童局部麻醉手术前焦虑的影响因素,构建相关的预测模型并实施验证分析.方法 采取便利性的原则,选择2022年1月至2023年8月接受局部麻醉手术的学龄期儿童273例的数据资料实施回顾性分析.描述全部纳入研究患儿的术前焦虑发生情况.学龄期儿童局部麻醉手术前焦虑的单因素分析、多因素分析.学龄期儿童局部麻醉手术前焦虑的预测模型构建和预测效能分析.结果 纳入研究的患儿之中术前焦虑平均得分为(34.60±8.17)分,得分30分的共273例,即发生术前焦虑的158例,未发生术前焦虑的115例.术前焦虑发生率为57.88％.单因素分析结果显示,是否发生术前焦虑的学龄期患儿的年龄、既往麻醉经历、术前抽血操作时的疼痛评分、家长特质焦虑评分的数据差异有统计学意义(P＜0.05).多因素分析结果显示,年龄、既往麻醉经历、术前抽血操作时的疼痛评分、家长特质焦虑评分均是学龄期儿童局部麻醉手术前焦虑的的独立影响因素(P＜0.05).依据多因素分析所筛选出来的变量构建列线图风险模型,C-index为0.733,校准曲线平均绝对误差为0.017o决策分析曲线分析结果显示,在风险阈值概率13％～94％,净获益率＞0.利用回归模型的独立影响因素以及P值预测概率对学龄期儿童局部麻醉手术前焦虑发生情况进行ROC曲线的预测,约登指数分别为33.02％、17.31％、42.09％、47.96％、62.59％.回归模型P值预测概率的ROC曲线下面积明显高于其他独立影响因素指标(P＜0.05).结论 学龄期儿童接受局部麻醉手术前的焦虑比例较大,需要医务人员依据实际情况采取针对性的措施实施干预,这对于保证手术以及麻醉的依从性,确保治疗效果具有重要的意义.

目的 探究点征及列线图模型预测自发性脑出血(sICH)患者早期血肿扩大的效能.方法 收集中国人民解放军西部战区总医院2018年1月至2023年12月期间所有符合标准的210例sICH患者.依据血肿是否扩大超过33％或体积超过6 mL,将患者分为血肿扩大组和血肿非扩大组.通过对比分析两组患者的临床特征及CT影像学表现,运用多因素Logistic回归分析筛选影响血肿扩大的危险因素.借助R语言rms包,构建预测患者血肿扩大的列线图模型.采用曲线下面积(AUC)评估模型区分度,校准曲线评价模型校准度,决策曲线分析(DCA)评估模型临床有效性,并通过准确度、敏感度、特异度及约登指数等指标全面评估模型的预测效能.结果 血肿扩大组患者66例,血肿非扩大组患者144例.点征、首次CT检查时间、低密度征、高血压史、均匀度、血肿异质性评分及液平等因素是预测早期血肿扩大的独立影响因素.临床模型AUC值0.680,准确度71.43％,敏感度40.91％,特异度88.89％,约登指数0.2980;点征预测模型AUC值0.838,准确度86.19％,敏感度77.27％,特异度90.28％,约登指数0.6755;列线图预测模型AUC值0.910,准确度87.14％,敏感度86.96％,特异度81.55％,约登指数0.6851.DeLong检验临床模型、点征模型与列线图模型差异有统计学意义.此外,列线图模型预测早期血肿扩大概率与实际发生概率具有较高拟合度.结论 本研究构建的基于点征联合首次CT检查时间、低密度征、高血压史、均匀度、血肿异质性评分及液平等因素的列线图模型,在预测sICH患者早期血肿扩大方面具有显著价值,为临床决策提供了有力支持.

目的:探讨疾病筛查的卫生经济学评价方法,为开展相关研究的学者提供参考.方法:通过整合现代流行病学、卫生统计学和卫生经济学中的相关内容,探讨分别采用真实性指标(灵敏度、特异度)和预测值指标(阳性预测值、阴性预测值)开展疾病筛查卫生经济学评价的差异,并结合文献中的案例进行实证研究.结果:真实性指标(灵敏度、特异度)属于诊断试验的固有指标,不受样本人群患病率的影响,更适合开展疾病筛查的卫生经济学评价,而且真实性指标易于获取,模型计算过程简洁、方便.案例研究结果显示,与风险评分法筛查2型糖尿病的增量成本效果比相比,空腹静脉血糖法为626,这表示风险评分法筛查组每多筛查出1例糖尿病患者需要多花626元.结论:建议采用真实性指标开展疾病筛查的卫生经济学评价,规范模型选择的路径方法,不断提高我国疾病筛查的卫生经济学评价方面的证据质量.

目的:探讨超声联合外周血炎症指标预测肾透明细胞癌(ccRCC)世界卫生组织(WHO)/国际泌尿病理学会(ISUP)分级的价值.方法:收集芜湖市第二人民医院经手术病理证实的93 例ccRCC患者超声和临床资料,根据WHO/ISUP分级分为高级别组(25 例)和低级别组(68 例).单因素分析及多因素Logistic回归分析筛选预测ccRCC WHO/ISUP分级的独立影响因素,并构建联合预测模型,以列线图展示,校准曲线评估模型的校准度,5 折交叉验证评估模型的稳定性,决策曲线(DCA)评估模型的临床净获益.结果:单因素分析和多因素Logistic回归分析筛选出最大径、血流丰富、血小板淋巴细胞比值(PLR)为预测ccRCC WHO/ISUP分级的独立影响因素(P<0.05);列线图的AUC为0.925(0.868～0.982),预测效能优于各单变量(P<0.05).5 折交叉验证AUC为0.941,与列线图基本符合,具有临床获益.结论:超声联合外周血炎症指标构建的预测模型可有效预测ccRCC WHO/ISUP分级,基于此构建的列线图能将预测结果可视化.