目的 研究相关检验指标在肝脏疾病成分输血的主成分分析和预测模型.方法 采用回顾性方法,收集2017年1月至2022年12月期间住院接受成分输血的肝脏疾病患者与非肝脏疾病患者作为研究对象,根据接受成分输血的类型分为输注悬浮红细胞组、输注病毒灭活冰冻血浆组和输注单采血小板组.收集患者的一般资料和输血前相关实验室指标,包括血红蛋白(Hb)、红细胞压积(HCT)、血小板计数(PLT)、凝血功能指标、肝功能指标以及输血情况,通过t检验与方差检验比较肝脏疾病与非肝脏疾病不同成分输血组上述指标的差异.采用KMO检验、Bartlett球形检验和碎石检验(Scree Test)验证多因子分析的适宜性,利用主成分分析(PCA)对各指标的方差贡献进行观察,评估各指标间的相关性.通过受试者工作曲线(ROC)分析评估各检验指标对于不同成分输血的预测价值.结果 共纳入96例肝脏疾病患者与216例非肝脏疾病患者,肝脏疾病中57.3％患者输注血浆(55/96例),非肝脏疾病中54.2％患者接受红细胞输血(117/216例).输注红细胞组肝病与非肝病患者Hb平均值分别为70.61 g/L和82.82 g/L;HCT平均值分别为20.80％和24.47％;丙氨酸氨基转移酶(ALT)平均值分别为45.94 U/L和25.43 U/L;总胆红素平均值为44.38 μmol/L和19.31μmol/L,这四项指标两组患者中存在显著差异(P＜0.05).在输注血浆组肝病与非肝病患者Hb平均值分别为73.45 g/L和111.43 g/L;HCT平均值分别为21.70％和31.06％;ALT平均值分别为59.33 U/L和28.33 U/L;天冬氨酸氨基转移酶(AST)分别为44.35 U/L和22.52 U/L;INR平均值分别为1.43和1.07;以上指标存在显著差异(P＜0.05).输血血小板组肝病与非肝病患者PLT平均值分别为36.70× 109/L和50.76×109/L;AST平均值分别为54.20 U/L和31.19 U/L;PT平均值分别为15.95 s和12.98 s;APTT平均值分别为54.42 s和29.90 s;INR平均值分别为1.36和1.11;以上五项指标存在显著差异(P＜0.05).PCA分析肝病患者不同成分输血前检验指标显示,血液指标和肝功能指标分布为第一和第二主要成分,非肝病患者输血前检验指标中肝功能和凝血指标为第一和第二主要成分.通过ROC曲线分析肝病患者接受红细胞输血组,HCT曲线下面积为0.912;血浆输血组中,INR和PT曲线下面积为0.964和0.953;在输注单采血小板组中,INR曲线下面积分别为0.938.结论 本研究对于不同成分输血前各项指标相关性分析和模型预测,尤其对于肝病患者选择不同成分输血可以提供研究依据.

目的 老年髋部骨折患者急性尿潴留(acute urinary retention,AUR)问题容易被忽视,通过建立老年髋部骨折患者AUR发生风险的临床预测模型,帮助临床医师能早期识别高风险患者,尽早干预,减少AUR的发生.方法 回顾性收集2023年7月1日至2023年8月31日就诊于本院急诊的老年髋部骨折患者313例,根据是否发生AUR将患者分为AUR组(45例)和非AUR组(268例),比较两组患者的基本特征、实验室化验指标、膀胱体积,通过Logistic分析影响AUR发生的独立危险因素,建立老年髋部骨折患者AUR发生风险的列线图预测模型,并对模型进行内部验证.结果 合并痴呆精神行为症状(behavioral and psychological symptoms of dementia,BPSD)(OR=3.334,95％CI 1.258～8.839,P=0.015)、使用催眠镇静药(OR=6.758,95％CI 2.184～20.912,P=0.001)、心率增快(OR=1.041,95％CI 1.013～1.070,P=0.004)、膀胱体积增大(OR=1.005,95％CI 1.004～1.007,P＜0.001)是老年髋部骨折患者发生AUR的独立危险因素,基于上述因素构建列线图预测模型,采用Bootstrap法进行内部验证显示预测曲线与标准模型曲线拟合度较高,平均绝对误差为0.021.受试者工作曲线(ROC)结果显示AUC为0.083,95％CI为0.767～0.909.结论 合并BPSD、使用催眠镇静药、心率增快、膀胱体积增大是老年髋部骨折患者发生AUR的独立危险因素,构建列线图预测模型可直观地评估老年髋部骨折患者AUR发生风险,为急诊医生提供参考.

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 了解新疆地区生物安全实验室(biosafety laboratory,BSL)工作人员职业紧张现况,分析其可能的影响因素及其与工作相关肌肉骨骼疾患(work-related musculoskeletal disorders,WMSDs)的关系.方法 2021年5月,采用整群抽样方法,对新疆各地区BSL工作人员进行调查.采用付出回报-失衡调查表(effort-reward imbalance,ERI)调查职业紧张情况,《中国肌肉骨骼疾患调查问卷》调查WMSDs情况.采用多因素logistic回归模型分析职业紧张的影响因素;采用倾向性匹配法对是否患WMSDs员工的人口学变量和工作相关因素进行匹配后,再以多因素logistic回归模型分析职业紧张与BSL工作人员WMSDs发生风险的关系.结果 纳入BSL工作人员7 924人,职业紧张检出率为83.38％(6 607人),WMSDs患病率为69.16％(5 480人).多因素logistic回归分析结果显示:BSL等级为二级的实验室工作人员发生职业紧张的风险是BSL等级为一级的工作人员的1.219倍(P＜0.05);30～44岁组、≥ 50岁组发生职业紧张的风险分别是20～25岁组的1.221倍、1.375倍(均P＜0.05);大专、大学本科及以上学历BSL工作人员发生职业紧张的风险分别是中专及以下的1.527倍、2.379倍(均P＜0.05);管理人员、实验技术人员发生职业紧张的风险分别是其他岗位(后勤人员,工程人员等)的1.772倍、1.840倍(均P＜0.05);月均收入≥ 4 000元的实验室工作人员发生职业紧张的风险是＜4 000元的1.374倍(P＜0.05).倾向性评分结果显示:匹配前,大部分变量在两组员工(是否患WMSDs)间差异有统计学意义(P＜0.05);匹配后,得到BSL工作人员2 223对,两组所有人口统计学变量和工作相关变量(性别、BSL等级、年龄、文化程度、工龄、职称、岗位类别、婚姻状况、月均收入)差异均无统计学意义(均P＞0.05).匹配后的多因素logistic回归分析显示:ERI量表中付出维度、回报维度和超负荷维度得分与BSL工作人员出现WMSDs的风险为正相关关系(OR=1.06、1.01、1.06,均P＜0.001).结论 职业紧张和WMSDs在BSL工作人员中较为普遍,职业紧张可能增加发生WMSDs的风险.应根据工作人员能力的不同,合理地分配工作任务,建立标准化的工作流程,定期开展健康教育,及时安排心理咨询和指导,积极预防BSL工作人员心理问题的发生.

目的建立一个基于矢状位T2加权图像(T2 weighted imaging,T2WI)的瘤内结合不同瘤周区域影像组学特征和临床危险因素的列线图,评估其术前预测宫颈癌ⅠB期和ⅡA期的价值.材料与方法回顾性分析120例两家医院术前接受MRI检查和根治性子宫切除术加盆腔淋巴清扫并经术后病理证实的ⅠB和ⅡA期宫颈癌患者的实验室检查资料和MRI图像,分为训练组和外部验证组,对矢状位T2WI图像瘤内感兴趣区(region of interest,ROI)和1～6 mm的瘤周环(ROI-1、ROI-2、ROI-3、ROI-4、ROI-5和ROI-6)分别提取影像组学特征,采用Pearson分析和最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)回归进行特征选择.以最佳者绘制受试者工作特征(receiver operating characteristic,ROC)曲线,构建0～6 mm瘤周影像组学模型,并筛选出最佳影像组学模型,基于以上最佳影像组学模型评分与临床独立危险因素构建联合模型,并绘制列线图,以校准曲线评估模型校准度,以决策曲线分析(decision curve analysis,DCA)评价模型的应用价值.结果由瘤内结合瘤周3 mm区域得到6个有效特征建立的影像组学模型预测效能最佳,在训练组和外部验证组,其曲线下面积(area under the curve,AUC)分别为0.972和0.857.由肿瘤最大径、红细胞计数(red blood cell,RBC)的临床独立危险因素建立的临床模型预测效能次之,在训练组和外部验证组AUC分别为0.940和0.847.基于肿瘤最大径、RBC、瘤内结合瘤周3 mm的6个有效特征构建的列线图预测效能更稳定,在训练组和外部验证组AUC分别为0.952和0.939,经校准曲线和DCA分析,列线图的校准度较高,临床净收益较大.结论基于T2WI瘤内和瘤周3 mm组学特征构建的影像组学列线图可以较好地术前预测ⅠB期和ⅡA期宫颈癌,对指导患者个体化治疗有着重要临床意义.

目的 研究超声引导下射频消融(RFA)治疗继发性甲状旁腺功能亢进(SHPT)患者术后发生严重低钙血症(SH)的危险因素.方法 选取2019年5月至2023年3月在川北医学院附属南充市中心医院接受RFA治疗的41例SHPT患者作为研究对象.采用回顾性分析,收集患者基础信息、疾病信息、实验室及影像学检查等数据.根据患者RFA术后1 d血清校正钙水平是否低于1.8 mmol/L,将患者分为SH组与非SH组,利用单因素、多因素logistic回归模型分析RFA术后发生SH的相关危险因素,绘制受试者工作特征(ROC)曲线检测相关危险因素的预测效能.结果 SHPT患者41例,男19例,女22例,平均年龄(49.56±13.64)岁,RFA术后1 d发生SH者22例(SH组).单因素分析结果显示,两组患者术前碱性磷酸酶(ALP)、C反应蛋白(CRP)、甲状旁腺激素(PTH)、血钙水平比较差异有统计学意义(P<0.05).多因素logistic回归分析结果显示,ALP是SHPT患者术后发生SH的独立危险因素.采用ALP预测SHPT患者RFA术后发生SH的ROC曲线下面积(AUC)为0.895,最佳预测截断值为323.34 U/L.结论 关注患者术前ALP水平并合理纠正,有利于降低术后SH发生率.

背景 已有研究表明中性粒细胞/淋巴细胞比值(NLR)对维持性血液透析(MHD)患者全因死亡有较好的预测价值,少有研究探讨C反应蛋白/白蛋白比值(CAR)对MHD患者全因死亡的预测及NLR联合CAR能否增强对MHD患者全因死亡的预测价值.目的 探讨NLR联合CAR对MHD患者全因死亡的预测价值,为提高MHD患者生存质量提供依据.方法 2017 年 1 月选取 175 例在海南省人民医院血液净化中心治疗的MHD患者为研究对象,收集其基线人口学资料及实验室检查结果.随访终点事件为全因死亡,随访截止日期为 2021-12-31.绘制受试者工作特征(ROC)曲线评价NLR、CAR及NLR联合CAR在MHD患者全因死亡中的预测价值,Kaplan-Meier生存曲线比较不同的NLR及CAR患者随访过程中累积生存率的差异;采用Cox比例风险回归模型分析MHD患者 5 年全因死亡的独立危险因素.结果 ROC曲线分析结果显示,NLR预测MHD患者全因死亡的ROC曲线下面积(AUC)为 0.743(95%CI=0.669～0.817,P＜0.001);CAR预测MHD患者全因死亡的AUC为 0.710(95%CI=0.627～0.794,P＜0.001);NLR联合CAR预测MHD患者全因死亡的AUC为 0.799(95%CI=0.732～0.867,P＜0.001).Kaplan-Meier生存曲线分析结果显示,至随访终点,基线NLR＞4.93 的患者随访期间累积生存率低于基线NLR≤4.93 的患者(χ2=32.753,P＜0.001).基线CAR＞0.795 的患者随访期间累积生存率低于基线CAR≤0.795 的患者(χ2=38.091,P＜0.001).多因素Cox比例风险回归模型分析结果显示,NLR＞4.93(HR=2.071,95%CI=1.226～3.499)、CAR＞0.795(HR=1.903,95%CI=1.155～3.136)是MHD患者 5 年全因死亡的独立危险因素(P＜0.05).透析龄增加(HR=0.984,95%CI=0.976～0.992)及铁蛋白升高(HR=0.998,95%CI=0.998～0.999)、25-羟维生素D[25-(OH)D]升高(HR=0.964,95%CI=0.941～0.987)、三酰甘油(TG)升高(HR=0.695,95%CI=0.506～0.955)是MHD患者 5 年全因死亡的保护因素(P＜0.05).结论 NLR、CAR对MHD患者全因死亡有预测价值,两者联合的预测价值更高;同时NLR及CAR升高均是MHD患者 5 年全因死亡的独立危险因素.

目的 筛选和分析2型糖尿病(T2DM)合并脑小血管病变(CSVD)患者病情严重程度的影响因素.方法 选取南京市中医院2018年6月至2023年5月收治的519例T2DM合并CSVD患者.根据CSVD影像学评分将患者分为轻度组(n=214)和重度组(n=305).收集相关人口学、实验室、影像学指标资料.通过LASSO和logistic回归分析筛选出T2DM合并CSVD患者病情严重程度的影响因素,建立预测模型.绘制受试者工作特征(ROC)曲线及拟合优度评估,限制性立方样条(RCS)拟合曲线分析胱抑素C(Cys C)、白蛋白/球蛋白(A/G)与患者病情严重程度的量效关系.结果 重度组男性占比、年龄大于轻度组,中性粒细胞、系统免疫炎症指数(SII)、肌酐(Crea)、尿酸(UA)、尿素(Urea)、D-二聚体(D-D)、乳酸脱氢酶(LDH)、腺苷脱氨酶(ADA)、球蛋白(GLB)、Cys C水平高于轻度组,淋巴细胞、ALT、高密度脂蛋白胆固醇(HDL-C)、血清胆碱酯酶(CHE)、前白蛋白(PAB)、A/G水平低于轻度组,差异有统计学意义(P<0.05).LASSO和logistic回归分析显示,性别、年龄、A/G、Cys C是T2DM合并CSVD患者病情严重程度的独立影响因素.该模型曲线下面积(AUC)为0.658(95%CI:0.610～0.706),拟合良好(P=0.520).RCS拟合曲线显示,Cys C≥0.618 mg/L与患者CSVD影像学评分呈线性关系(P=0.035),A/G≥1.268与患者CSVD影像学评分呈非线性关系(P=0.007).结论 高龄、男性、Cys C升高、A/G下降是T2DM合并CSVD患者病情严重程度的独立危险因素.

目的:探讨重症社区获得性肺炎患者(severe community-acquired pneumonia,SCAP)发生心力衰竭(heart failure,HF)的危险因素.方法:回顾性收集2021年11月至2023年5月,河北中石油中心医院住院治疗的SCAP 113例患者,合并心力衰竭为病例组(n=53)及未出现HF对照组(n=60).比较两组患者住院期间的临床资料、超声检查参数、实验室参数间的差异,并将P＜0.05的变量纳入多因素Logistic回归模型,评估SCAP患者发生HF的危险因素.结果:纳入53例病例组和60例对照组患者,多因素Logistic回归分析显示,冠心病(OR=3.64,95％CI:1.26～10.53,P=0.02)、心律失常(OR=5.66,95％CI:1.72～18.66,P=0.01)、急性心肌梗死(OR=3.72,95％CI:1.52～9.12,P=0.004)、使用有创呼吸机(OR=3.36,95％CI:1.13～9.98,P=0.03)是SCAP患者发生HF的危险因素.结论:冠心病、心律失常、急性心肌梗死、使用有创呼吸机是SCAP患者发生HF的危险因素.

目的 探讨系统免疫炎症指数(SII)对肺癌患者合并静脉血栓栓塞症(VTE)的预测价值.方法 选取2022年3月至2023年10月在成都市第二人民医院就诊的肺癌患者为研究对象,根据是否合并VTE分为VTE组(n=33)和非VTE组(n=37).收集并分析患者临床特征及实验室指标,多因素logistic回归分析影响因素,绘制受试者工作特征(ROC)曲线,比较ROC曲线下面积(AUC)有无差异,Kaplan-Meier生存曲线评估相关变量对肺癌患者发生VTE风险的分层能力.结果 两组WBC、中性粒细胞、淋巴细胞、白蛋白(ALB)、D-二聚体(D-D)、血浆黏度、中性粒细胞与淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)及系统免疫炎症指数(SII)比较差异有统计学意义(P<0.05).多因素logistic回归分析显示,高SII、肿瘤分期(Ⅲ～Ⅳ期)、血浆黏度是肺癌患者发生VTE的独立危险因素(P<0.05).ROC曲线分析显示,Khorana评分、SII、改良Khorana评分、NLR、PLR的AUC分别为0.747、0.776、0.866、0.754、0.672.SII对肺癌患者发生VTE的预测效能优于Khorana评分、NLR及PLR.结论 高SII是肺癌患者发生VTE的独立危险因素,其预测效能优于NLR、PLR、Khorana评分,且可用于优化Khorana风险评估模型,用其对肺癌患者发生VTE风险的分层有助于早期识别高危人群.