目的:比较多种机器学习算法在早期肝细胞癌（HCC）术后复发预测中的效能。方法:回顾性分析2009年5月至2019年12月南京医科大学第一附属医院收治的882例接受根治性手术切除的早期HCC患者的临床资料，其中男性701例，女性181例，年龄（57.3±10.5）岁（范围：21~86岁）。将患者按2∶1随机分为训练集（588例）和测试集（294例）。构建的机器学习预测模型包括随机生存森林（RSF）、梯度提升机、弹性网络-Cox回归和Cox回归模型。采用一致性指数（C-index）衡量模型预测的准确性、综合Brier分数量化模型的预测误差、校准曲线反映模型的拟合情况。比较机器学习模型、竞争模型和HCC分期系统的预测效能。所有模型均在独立的测试集内进行验证。结果:训练集内患者中位无复发生存时间为61.7个月，测试集内患者中位无复发生存时间为61.9个月，两组患者无复发生存情况的差异无统计学意义（ χ2=0.029， P=0.865）。RSF模型由5个常用临床病理学特征构成：白蛋白-胆红素分级、血清甲胎蛋白、肿瘤数目、肝切除方式和微血管侵犯。在训练集和测试集中，RSF模型的C-index值分别为0.758（95% CI：0.725~0.791）和0.749（95% CI：0.700~0.797），综合Brier分数分别为0.171和0.151。RSF模型对早期HCC复发预测的准确性优于其他3种机器学习模型、竞争模型（ERASL模型）及HCC分期系统（巴塞罗那分期、中国肝癌的分期方案、TNM分期），差异均有统计学意义（ P值均<0.01）。校准曲线提示，RSF模型的预测概率与实际观察值具有较好的一致性。RSF模型可将早期HCC患者的复发风险分为低危、中危和高危组，在训练集和测试集内三组患者无复发生存情况的差异有统计学意义（ P<0.01）。RSF模型对早期HCC术后复发风险的分层明显优于TNM分期。 结论:本研究构建的RSF模型集合了5个常用临床病理学特征，可较为准确地预测复发风险。

目的:应用多污染物统计模型研究金属混合暴露与DNA氧化损伤的关联，探讨引起DNA氧化损伤效应的关键组分。方法:以山东某钢铁公司钢铁冶炼企业工人作为研究对象。采用电感耦合等离子体质谱法检测尿液中金属元素浓度。采用超高效液相色谱-串联质谱法检测尿中8-羟基脱氧鸟苷（8-OHdG）浓度。应用贝叶斯核机器回归（BKMR）、弹性网络回归和分位数g计算回归分析尿金属与尿8-OHdG的关联。结果:共纳入研究对象共768名，年龄（36.15±7.40）岁。BKMR、弹性网络回归、分位数g计算回归结果均显示，金属混合暴露与尿8-OHdG水平升高的关联有统计学意义。分位数g计算回归结果显示，金属混合物水平每增加25%，尿8-OHdG水平增加77.60%。弹性网络分析显示，暴露风险得分每增加25%，尿8-OHdG水平增加26%。BKMR的单变量暴露效应分析显示，尿硒、锌、镍与尿8-OHdG水平存在正相关。结论:金属混合暴露引起DNA氧化损伤水平升高，其中硒、锌和镍的作用更加明显。

目的:评估基于超声造影的影像组学模型对局部进展期直肠癌(LARC)患者新辅助放化疗(nCRT)后病理完全缓解(pCR)的预测效能。方法:本研究回顾性纳入2018年4月至2023年4月在广西医科大学第一附属医院接受nCRT后行全直肠系膜切除的106例LARC患者，以6∶4随机划分为训练集63例(pCR者14例)和验证集43例(pCR者12例)。基于PyRadiomics从超声造影图像肿瘤感兴趣区域提取影像学特征。采用类内相关系数、Mann-Whitney U检验、最小绝对收缩和选择算子算法对特征进行降维。最后选取7个与pCR相关的影像学特征，基于R语言使用弹性网络回归构建超声造影影像组学模型，并与临床特征融合构建一个联合模型。采用ROC曲线下面积(AUC)评估模型的诊断效能。 结果:训练集中，超声造影影像组学模型的AUC为0.695(95% CI＝0.532～0.859)，联合模型的AUC为0.726(95% CI＝0.584～0.868)。验证集中，超声造影影像组学模型的AUC为0.763(95% CI＝0.625～0.902)，联合模型的AUC为0.790(95% CI＝0.653～0.928)。单因素及多因素逻辑回归分析均表明CA199( P<0.05)和超声造影影像组学评分( P<0.001)可作为LARC患者nCRT后pCR的独立预测因子。 结论:超声造影影像组学评分对LARC患者nCRT后是否达到pCR具有一定预测价值，有可能为预测LARC患者nCRT后达到pCR提供一种无创影像学生物标志物。

多重共线性是影响回归分析结果的一个重要问题，近年来发展的LASSO方法对于筛选解释性较高的变量、处理高维数据和解决多重共线性问题具有强大的优势。该方法是在模型估计中增加了惩罚项，能将一些不必要变量的回归系数压缩为零进而从模型中剔除，达到变量筛选的目的。本文将重点介绍LASSO这一方法，并与最优子集、岭回归、自适应LASSO与弹性网络的结果进行比较，结果显示LASSO与自适应LASSO在解决自变量多重共线性问题以及增强模型解释性、预测精度方面均有较好的表现。

目的:调查广西公立中医医院医务人员绩效分配满意度及其影响因素,为完善中医医院绩效分配体系提供参考.方法:采取分层抽样抽取广西12所公立中医医院2 316名医疗、护理、医技、行政和后勤人员,运用R语言进行Logistic回归和随机森林、弹性网络、支持向量机模型3种机器学习算法分析影响因素.结果:广西中医医院医务人员绩效分配满意度为32.99％,随机森林模型在预测准确性、特异度、AUC上表现最好,不同岗位薪酬差距能否反映劳动价值、工资能否体现劳动价值、自2017年以来薪酬增长情况、税后收入、付出回报程度、编制内外薪酬是否有区别是影响医务人员绩效分配满意度的6个主要影响因素.结论:目前广西中医医院医务人员绩效分配满意度较低,建议建立基于DRG和RBRVS的中医医院薪酬绩效分配方案,提高基本薪酬占比,制定合理的年薪制薪酬水平标准.

目的 分析卒中后吞咽障碍患者卒中相关性肺炎(stroke-associated pneumonia,SAP)的影响因素,构建SAP风险预测模型并验证其预测效果.方法 前瞻性连续纳入2022年11月至2023年5月,重庆市3所医院神经内科住院的卒中后吞咽障碍患者为对象,调查患者一般情况、临床资料、吞咽及口腔健康状况.应用弹性网络筛选预测因素,多因素Logistic回归建模并进行验证,绘制列线图展示模型结果.结果 共纳入211例患者,46例(21.80％)发生卒中相关性肺炎.弹性网络共筛选出5个预测因素,即美国国立卫生院卒中量表(national institutes of health stroke scale,NIHSS评分)、洼田饮水试验、唾液分泌状况、口腔健康评估量表(oral health assessment tool,OHAT)评分、口腔卫生状况.似然比检验结果提示,模型在统计上显著(x2=104.17,P＜0.01),判别指数为0.960.模型受试者操作特征曲线下面积(AUC)为0.93(95％CI:0.87～0.93),最佳风险阈值为0.10,准确度为83.87％,灵敏度为84.62％,特异度为83.67％.结论 构建的模型能较好地预测卒中后吞咽障碍患者SAP风险,对尽早识别高风险患者、制定个体化预防策略具有临床意义.

目的 利用现有的TCGA数据库中头颈鳞癌基因表达谱数据和生存数据,探索头颈鳞癌预后关键基因.方法 基于机器学习方法并在统计学意义下进行基因差异表达分析.分别利用LASSO回归及弹性网络回归,初步筛选出与生存相关的基因,并基于GEPIA数据库和Wilcox test检验对筛选结果进行双重检验.利用UALCAN数据库和COX比例风险回归模型,对通过检验的基因结果进行生存分析,探索预后关键基因与生存率的关系.结果 共获得1 881个差异基因,并且弹性网络回归筛选的18个基因通过了双重检验(P<0.05).6个基因在UALCAN数据库和COX比例风险回归模型中均与头颈鳞癌生存率相关,其中CDKN2A、DMRTA2与患者生存率正相关,PLAU、STC2、SYT1、TIMP4则与患者生存率负相关.结论 CDKN2A、DMRTA2、PLAU、STC2、SYT1、TIMP4这6个基因为头颈鳞癌预后关键基因.

目的 采用机器学习方法构建老年患者术后急性肾损伤(AKI)的预测模型.方法 收集2019年6月至2020年7月行手术治疗的老年患者的术前信息和术后随访信息,提取实验室检查结果,共纳入115个术前变量,应用极端梯度提升(XGB)、梯度提升(GBM)、随机森林(RF)、支持向量机(SVM)和弹性网络逻辑回归(ELA)5种方法构建术后AKI预测模型,采用受试者工作特征曲线下面积(AUROC)、精确度-召回率曲线下面积(AUPRC)和Brier评分评估模型性能.为简化模型以便于临床实践应用,得到原始模型后剔除部分相关性较低的变量,并再次用上述方法对模型进行评估.结果 本研究最终纳入老年患者5 929例,男3 359例(56.7％),女2 570例(43.3％),年龄65～99岁,其中154例(2.6％)发生术后AKI.在应用5种机器学习方法构建的预测模型中,XGB模型的 AUROC 和 AUPRC 最高,分别为 0.798(95％CI 0.705～0.888)和 0.230(95％CI 0.079～0.374);Brier评分最低,为0.023(95％CI 0.014～0.029).对XGB模型进行简化后,保留72个变量,简化模型的 AUROC、AUPRC 和 Brier 评分分别为 0.790(95％CI 0.711～0.861)、0.176(95％CI 0.070～0.313)和0.024(95％CI 0.017～0.033),与原模型差异无统计学意义.结论 在应用5种机器学习方法构建的术后急性肾损伤预测模型中,XGB的预测效能最佳,经简化的XGB预测模型仍保留较高的预测效能,且更容易在临床上推广使用.

目的 探讨基于影像学征象、临床特征及临床影像组学联合模型预测术前GGN的病理浸润性的价值.方法 回顾性收集经手术切除的219例GGN患者临床、影像及病理资料,分为腺体前驱病变(AAH/AIS)和浸润性肺腺癌(MIA/IAC),比较两组患者影像征象、临床特征的差异性.提取所有GGN患者影像组学特征,采用弹性网络算法构建影像组学模型.通过单因素和逐步Logistic回归筛选临床重要危险因素,构建临床模型,并进一步结合影像组学模型构建联合模型.ROC曲线评估模型预测性能,采用Nomogram图可视化模型风险因素.结果 AAH/AIS(n=99)组和MIA/IAC组(n=120)中月牙征、分叶征、毛刺征、胸膜牵拉征、GGN长度和CT值具有统计学意义(P＜0.05).影像组学模型在训练组和验证组中的AUC分别为0.806(95％CI:0.7350.874)、0.814(95％CI:0.7030.913).月牙征、胸膜牵拉征和HU为临床独立危险因素,逐步回归分析得到最优临床模型,模型在训练组和验证组中的AUC分别为0.753(95％CI:0.6740.828)、0.742(95％CI:0.6210.851).结合Radscore、月牙征、胸膜牵拉征和HU构建联合模型,模型在训练组和验证组中的AUC分别为0.843(95％CI:0.8040.898)、0.869(95％CI:0.8480.927),相比其他两个模型,联合模型评估GGN病理浸润性展示了更强的模型性能,此外利用Nomogram量化影像特征.结论 基于临床特征及影像组学构建联合模型有助于术前无创预测GGN病理浸润性,Nomogram有助于可视化模型.

目的:探索健康成人胰腺不同部位剪切波弹性成像（SWE）的可行性和弹性测量值，并分析弹性成像成功率和测量值的影响因素。方法:2021年7月中山大学附属第一医院通过网络招募47名健康成年人进行胰腺SWE检查，收集其性别、年龄、体质量指数、测量部位（胰头、胰体、胰尾）、取样框深度、弹性测量值等资料，采用Logistic回归方法分析胰腺弹性成像成功与否的影响因素，应用方差分析和线性回归探索胰腺弹性测量值的影响因素。结果:胰腺弹性测量的成功率与测量部位有关（OR=0.50，P=0.011），胰体成功率最高（93.6%），胰头次之（74.5%），胰尾最低（48.9%）。胰腺不同部位（胰头、胰体、胰尾部）的弹性测量值比较［（10.00±2.06）kPa vs（8.77±2.02）kPa vs（9.90±2.32）kPa］，差异无统计学意义（F=2.33，P=0.105）。取样框深度是胰体部弹性测量值的独立影响因素（回归系数r=2.16，P＜0.001），取样框深度越深，弹性测量值越高。结论:健康成人胰腺SWE的成功率受测量部位影响，胰体部弹性测量值与取样框深度有关。