目的:探讨基于钆塞酸二钠增强MRI肝胆期影像组学特征的不同机器学习模型术前预测肝细胞癌（HCC）微血管侵犯（MVI）的价值。方法:回顾性分析2015年6月至2020年6月在苏州大学附属第一医院经病理证实的132例HCC患者的资料，MVI阳性72例、阴性60例。按照7∶3的比例以随机种子法分为训练集和验证集。利用PyRadiomics软件提取肝胆期图像影像组学特征，采用最小绝对收缩和选择算子（LASSO）回归5折交叉验证法对训练集临床和影像组学特征进行筛选，得到最优特征子集，然后用6种机器学习方法（决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络）构建预测模型，采用ROC曲线评估模型的预测能力，采用DeLong检验比较6种机器学习算法曲线下面积（AUC）的差异。结果:经LASSO回归筛选后获得14个特征组成最优特征子集，包括2个临床特征（肿瘤最大径和甲胎蛋白）和12个影像组学特征。训练集中基于最优特征子集构建的决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络模型预测HCC MVI的AUC值分别为0.969、1.000、1.000、0.991、0.966和1.000，验证集的AUC值分别为0.781、0.890、0.920、0.806、0.684和0.703。验证集中，极端梯度提升与广义线性模型、神经网络的AUC的差异有统计学意义（ Z=2.857、3.220， P=0.004、0.001），随机森林与支持向量机、广义线性模型和神经网络AUC的差异有统计学意义（ Z=2.371、3.190、3.967， P=0.018、0.001、<0.001），支持向量机与广义线性模型AUC的差异有统计学意义（ Z=2.621， P=0.009），其余机器学习模型间AUC的差异均无统计学意义（ P>0.05）。 结论:基于钆塞酸二钠增强MRI肝胆期图像的影像组学特征构建的机器学习模型可用于术前预测HCC MVI，其中，极端梯度提升和随机森林模型具有较高的预测效能。

目的:探讨基于双期增强CT影像组学特征的机器学习模型术前预测肝细胞癌微血管侵犯（MVI）的价值。方法:回顾性分析2015年1月至2020年5月在苏州大学附属第一医院经病理确诊的148例［男106例，女42例，年龄（58±11）岁］肝细胞癌患者的资料，其中MVI阳性88例，MVI阴性60例。按照约7∶3的比例随机分配为训练集和验证集。利用MaZda软件提取肝细胞癌动脉期和门静脉期3D影像组学特征，采用3种特征选择方法联合（FPM法）和Lasso回归进行特征筛选，得到最优特征子集。然后用6种机器学习算法构建预测模型，采用受试者工作特征（ROC）曲线评估模型的预测能力，并计算出曲线下面积（AUC）、准确度、灵敏度和特异度。结果:MaZda软件提取肝细胞癌动脉期和门静脉期的影像组学特征，各239个。利用FPM法和Lasso 回归进行特征筛选可分别得到7个动脉期和14个门静脉期最优特征。基于动脉期的7个最优特征构建的决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络等模型预测验证集肝细胞癌MVI的AUC值分别为0.736、0.910、0.913、0.915、0.897、0.648，其中支持向量机的AUC值最高，其准确度、灵敏度和特异度分别为95.35%、95.83%和94.74%。利用门静脉期的14个最优特征构建的上述机器学习模型预测验证集肝细胞癌MVI的AUC值分别为0.873、0.876、0.913、0.859、0.877、0.834，其差异均无统计学意义（均 P>0.05），其中随机森林模型的AUC值最高，其准确度、灵敏度和特异度分别为90.70%、87.50%和94.74%。 结论:基于双期增强CT影像组学特征的机器学习模型可用于术前预测肝细胞癌微血管侵犯。其中，支持向量机和随机森林模型具有较高的预测效能。

目的 基于机器学习算法,利用血常规检验数据构建肺结核诊断模型,并分析其临床应用价值.方法 选取2019年1月—2022年12月上海市徐汇区中心医院469例初诊肺结核患者(肺结核组),以年龄、性别相匹配的506名体检健康者作为正常对照组.收集所有研究对象22项血常规检验数据和人口学参数.采用LASSO回归分析评估共线性.将数据集随机分为训练集(75%,用于机器学习模型构建)和测试集(25%,用于模型性能评估).采用分布式随机森林(DRF)、深度学习、梯度提升机和广义线性模型这4种机器学习算法进行测试,采用5倍交叉法进行验证.采用受试者工作特征(ROC)曲线评估模型的诊断效能.结果 基于Logistic回归分析和LASSO回归分析结果进行模型特征重要性排序,共筛选出10个非共线性指标,结果显示,DRF是构建肺结核诊断的最佳机器学习算法.在训练集和测试集中,DRF模型的曲线下面积分别为0.992 1和0.847 4,敏感性分别为99.16%和92.04%,特异性分别为80.91%和55.22%,准确度分别为89.84%和72.06%.结论 基于机器学习算法构建的血常规检验数据肺结核诊断模型是一个有效的诊断工具,但其临床应用价值需要进一步验证.

目的 鉴于机器学习(ML)在医学模型中的广泛应用,以及其出色的学习和泛化特性,该研究采用自动化机器学习(AutoML)结合患者一般资料和临床状况,早期评估结肠镜前肠道准备的失败风险.方法 回顾性分析2022年1月-2023年1月在该院接受结肠镜检查的患者的临床资料.波士顿肠道准备评分(BBPS)≤5分被定义为肠道准备失败,>5分为合格.将患者按8∶2的比例随机划分了训练集(n=303)和验证集(n=76).采用最小绝对收缩和选择算子(LASSO)逻辑回归(LR)模型进行特征选择,构建列线图评分系统,并使用基于5种算法的AutoML建立模型.模型性能通过受试者操作特征曲线(ROC curve)、校准曲线、基于LR(Lasso回归)的决策曲线分析(DCA)、SHAP图和力图进行评估.结果 在379例患者中,105例(27.7%)肠道准备失败(BBPS≤5分).21个研究变量在经LASSO 5折交叉验证后,获得10个变量,并构建了一款列线图评分系统,通过校正曲线表明了LASSO模型的可靠性.使用H2O平台和5种算法[梯度提升机(GBM)、深度学习(DL)、广义线性模型(GLM)、堆叠集成(Stacked Ensemble)和分布式随机森林(DRF)]开发了67个模型.经比较,Stacked Ensemble表现最佳,其曲线下面积(AUC)为0.871,对数损失值(LogLoss)为0.403,均方根误差(RMSE)为0.354,优于其他模型和传统的LR模型.变量重要性贡献图显示,服完泻药至检查间隔时间、便秘、是否完整服完泻药、年龄和家属陪同等因素对肠道准备失败的预测有重要影响.最后,SHAP图和力图揭示了变量在二分类预测结果中的分布特征,以及各变量对预测结果的影响.结论 基于Stacked Ensemble算法的AutoML模型,对肠道准备失败风险的早期预测有明显的临床实用性.同时,该研究构建了一款可供临床使用的列线图评分工具.

目的 探讨联合临床病理特征和人工智能(Al)算法构建的胃癌生存预测模型的效能及临床意义.方法 选取2016年6月至2018年5月丽水市人民医院就诊的200例胃癌患者的病理信息,筛选与生存结局高度相关的指标.采用10倍交叉验证法将200例患者以2:8的比例分为建模队列40例和验证队列160例.与生存结局高度相关的指标采用随机梯度提升(gbm)、广义线性模型(glmnet)、逻辑回归模型(plr)、径向基函数核支持向量机(svmRadial)、贝叶斯模型(naive_bayes)和随机森林模型(ranger)6种Al算法在建模队列中构建胃癌生存预测模型,并在验证队列中验证模型的预测效能.结果 200例患者中存活组109例,死亡组91例.肿瘤最大径、淋巴结转移、肿瘤位置、神经浸润和TNM分期在存活组和死亡组的分布差异均有统计学意义(均P＜0.05),且与生存结局均相关(均P＜0.05).ROC曲线显示单项指标预测患者生存的AUC均＞0.500.综合比较6种算法的多维度考量指标发现,基于svmRadial算法下的5项病理特征组合生存预测模型综合效能最佳,AUC为0.817,灵敏度为0.762,特异度为0.833,准确度为0.795.在验证队列中svmRadial算法下的5项病理特征组合生存预测模型AUC为0.624.结论 AI技术能够有效提升5项病理特征联合检测的预测效能,从多维度综合分析患者情况,具有优异的辅助潜能,可为改善胃癌患者的预后管理提供研究思路和理论基础.

[背景]焦虑和抑郁是孕期女性最常见的心理健康问题.两者通常共病发生,并可能导致严重的不良母婴结局.[目的]评估上海地区女性孕期生活方式与焦虑合并抑郁(CAD)状况的关联.[方法]本研究基于中国国家出生队列(CNBC)辅助生殖技术子代胚胎源性疾病子队列,采用《焦虑自评量表》(SAS)和《抑郁流调量表》(CES-D)分别在孕早、中、晚期评估孕妇的CAD患病率.使用自制问卷、《匹兹堡睡眠质量指数》(PSQI)和《食物摄入频率问卷》(FFQ)收集孕妇的一般人口学资料及各孕期睡眠状况、营养摄入和运动状况等生活方式信息.分别采用二元逻辑回归模型和广义线性混合模型(GLMM)分析孕早、中、晚期生活方式(睡眠状况、营养摄入、运动状况)与孕妇CAD状况(是/否)的横向和纵向关联.[结果]本研究共纳入 2876例孕妇,在孕早、中、晚期的CAD患病率分别为 10.6%(305例)、3.6%(103例)、5.5%(159例).逻辑回归分析结果显示,以睡眠状况良好为参照,孕早、中、晚期睡眠状况不佳均与CAD患病率增加存在统计学关联,OR(95%CI)分别为 2.817(1.845～4.301)、2.840(1.855～4.347)、9.316(5.835～14.876).以摄入频率=7次·周-1 为参照,孕早期蛋类摄入频率≤3次·周-1(OR=2.025,95%CI:1.197～3.425)及孕晚期摄入频率 4～6次·周-1(OR= 1.896,95%CI:1.117～3.216)、≤3次·周-1(OR=1.906,95%CI:1.082～3.357)均会增加CAD的患病风险(P<0.05);以运动频率>3次·周-1 为参照,孕中期从不或几乎不运动(OR=2.218,95%CI:1.220～4.035)均会增加CAD的患病风险(P<0.05).GLMM分析结果显示,睡眠状况不佳及较低的运动频率和蔬菜、蛋类、奶类摄入频率均与CAD患病率风险增加存在统计学关联(P<0.05).[结论]上海地区女性孕早、中、晚期CAD患病率呈U形分布,孕早期最高,孕中期最低.孕期较差的睡眠状况,蔬菜、蛋类、奶类摄入频率和运动频率不足等不良生活方式均可能增加CAD的患病风险.及时对孕期生活方式进行干预和调整,将有助于降低孕期女性发生心理健康问题的风险,进一步提升母婴健康水平.

准确获取土壤水分和有机质含量对中低产田土壤质量提升具有重要意义.为探讨分数阶微分(FOD)联合不同光谱指数对土壤水分和有机质含量的估算效果,本研究以宁夏引黄灌区中低产田土壤为对象,对野外实测高光谱反射率进行均方根变换后,采用0～2阶FOD处理(步长0.25),构建差值指数(DI)、比值指数(RI)、乘积指数(PI)、加和指数(SI)、广义指数(GDI)和氮平面域指数(NPDI),基于6种光谱指数与水分和有机质含量的相关系数来筛选最优光谱指数,建立基于偏最小二乘回归(PLSR)和支持向量机(SVM)的水分和有机质含量估算模型.结果表明:经FOD变换后,水分和有机质含量与光谱信息间的相关性较原始光谱均得到有效提升,最大分别提升0.1785和0.1713.水分含量敏感波段主要在400～630和1350～1940 nm;有机质含量敏感波段主要在460～850、1530～1910和2060～2310 nm.SVM模型精度明显高于PLSR,基于1.75阶NPDI-SVM的水分含量估算模型精度最佳,其验证决定系数(Rp2)为0.970,均方根误差(RMSE)为1.615,相对分析误差(RPD)为4.211;基于0.5阶DI-SVM的有机质含量估算模型效果最佳,其Rp2、RMSE和RPD分别为0.983、0.701和5.307.本研究可为相似地区中低产田土壤水肥监测、质量提升和制图提供数据与技术支撑.

目的:分析我国癌症筛查类卫生经济学评价研究的文献质量,并探究其影响因素,为国内学者开展卫生经济学评价提供参考.方法:检索 2000 年 1 月-2021 年 2 月间,PubMed、Embase、中国知网、万方数据库等数据库收录的相关文献,使用卫生经济学评价综合报告标准(consolidated health economic evaluation reporting standards,CHEERS)量表评价文献质量,使用广义线性回归分析影响文献质量的因素.结果:初步检索到658 篇文献,经筛查后最终纳入78 篇.纳入的文献中中文文献(69.2%)、基于模型的研究(61.5%)、成本效果研究(53.8%)占比较高.平均标化质量得分为 0.57(s=0.13).广义线性回归分析发现,文章语言、第一作者单位、经济学评价类型与文献质量显著相关(P<0.05).结论:我国癌症筛查类卫生经济学评价文献质量有待提升,主要影响因素包括文章语言、第一作者单位、经济学评价类型等.研究者在开展经济学评价时应该参考CHEERS等报告指南规范文献质量.

目的 为招募更多高校献血者并推广400 m L献血量, 向高校派发2份传单, 分析2份传单的效果.方法 1份传单为只有献血常识、注意事项和献血后权利等内容的单面传单;另1份为在单面传单的基础上, 加上献血400 m L的原因的双面传单.采用整群随机对照研究分析2款传单的效果, 并对参与献血的大学生进行随机电话访问.结果 60所高校在2016学年 (2016年9月1日—2017年7月30日) 参加献血的人数和献血量为400 m L的人数比2015学年 (2015年9月1日—2015年7月30日) 均增长明显 (分别增长28.6％和6.21％);对810位献血者的访问结果显示, 单面传单组和双面组分别有123位 (45.6％) 和122位 (45.2％) 受访者表示有认真阅读过传单, 其中152位 (62.6％) 感觉传单内容对献血有帮助;广义线性混合效应模型的分析结果显示, 单面[回归系数:0.033, 95％置信区间: (0.003, 0.064), P＜0.05) ]和双面传单[ (0.047, (0.011, 0.083), P＜0.05) ]对本科院校提升献血量均有正面效应, 而单面传单对医学院校有负面效应[-0.119, (-0.236,-0.001), P＜0.05], 但双面传单对其有正面效应[0.089, (0.004, 0.174), P＜0.05].结论 我们仍需不断改进传单的内容和派发方式, 以更好地招募献血者.

目的 对影响江苏省医保门诊费用补偿的社会经济学因素进行分析,为基本医疗保险制度门诊费用补偿的完善提供政策建议.方法 采用描述性分析结合单因素方差分析、广义线性回归模型进行实证分析.结果 江苏省医保门诊补偿费用总体平均为171.21元.医保门诊补偿费用与年龄、教育水平、收入、已婚或离异、离退休、参保类型、患一种或多种慢性病显著相关.结论 调整优化门诊医疗保险政策,深化门诊统筹,加快分类管理和支付方式改革,完善医疗救助和财政补助,从而提升医保门诊补偿水平.