目的:构建皮肤软组织扩张器（以下简称扩张器）置入部位感染风险的临床预测模型并验证其预测价值。方法:采用回顾性观察性研究方法。纳入符合入选标准的2009年1月—2018年12月于空军军医大学第一附属医院整形外科行皮肤软组织扩张术患者2 934例，其中男1 867例、女1 067例，中位年龄18岁，行皮肤软组织扩张术3 053例次，置入扩张器4 266个。以患者年龄、性别、婚姻状况、民族、入院方式、手术指征、患病时间，有无吸烟史、饮酒史、输血史、基础疾病史、因过敏无法使用头孢菌素类抗生素，单次置入扩张器数量、扩张器额定容积、扩张器首次注水率、扩张器置入部位、麻醉方式、手术时长、有无术后血肿清除为预测变量，以扩张器置入部位感染为结局指标。对数据采用最小绝对值压缩和选择算法（LASSO）回归行单因素分析，筛选影响扩张器置入部位感染的可能危险因素；对单因素分析筛选出的因素行二分类多因素logistic回归分析，筛选影响扩张器置入部位感染的独立危险因素并建立发生扩张器置入部位感染的列线图预测模型。使用C指数和Hosmer-Lemeshow拟合优度检验评价模型的区分度和准确度，采用自助重采样法进行内部验证。结果:LASSO回归分析显示，年龄、性别、入院方式、手术指征、患病时间、饮酒史、心脏病史、病毒性肝炎史、高血压史、因过敏无法使用头孢菌素类抗生素、单次置入扩张器数量、扩张器额定容积、扩张器置入部位、术后血肿清除为影响扩张器置入部位感染的可能危险因素（回归系数=-0.005、0.170、0.999、0.054、0.510、-0.003、0.395、-0.218、0.029、0.848、-0.116、0.175、0.085、0.202）。二分类多因素logistic回归分析显示，男性、急诊入院、患病时间≤1年、因过敏无法使用头孢菌素类抗生素、扩张器额定容积≥200 ml且<400 mL或≥400 mL、扩张器置入部位为躯干或四肢等是扩张器置入部位感染的独立危险因素（比值比=1.37、3.21、2.00、2.47、1.70、1.73、1.67、2.16，95%置信区间=1.04~1.82、1.09~8.34、1.38~2.86、1.29~4.41、1.07~2.73、1.02~2.94、1.09~2.58、1.07~4.10， P<0.05或 P<0.01）。评价模型区分度的C指数=0.63（95%置信区间=0.59~0.66），评价模型准确度的Hosmer-Lemeshow拟合优度检验， P=0.685。自助重采样法内部验证模型的C指数=0.60。 结论:男性、急诊入院、患病时间≤1年、因过敏无法使用头孢菌素类抗生素、扩张器额定容积≥200 mL、扩张器置入部位为躯干或四肢是扩张器置入部位感染的独立危险因素，基于这些因素构建的扩张器置入部位感染风险的临床预测模型构建成功，并具有一定的预测效能。

目的:分析住院烧伤患儿发生医院感染的流行病学特征，并筛选其独立危险因素，在此基础上建立风险预测模型并进行评估。方法:采用回顾性队列研究方法。2010年5月—2023年4月，空军军医大学第一附属医院收治417例符合入选标准的烧伤患儿，其中男248例、女169例，年龄≤14岁。统计患儿检出病原菌构成及来源分布。根据是否发生医院感染，将患儿分为感染组（216例）和未感染组（201例），统计2组患儿性别、年龄、烧伤总面积、是否存在Ⅲ度烧伤、致伤原因、致伤季节等一般资料，以及是否存在入院时血清白蛋白水平异常、延迟复苏、合并吸入性损伤与入院后早期休克、气管切开、入住重症监护病房、深静脉置管等情况和入院后手术次数多少（>2次为多，≤2次为少）、留置导尿管天数、住院天数。按照7∶3的比例将患儿分为建模组（291例）和验证组（126例），同前统计2组患儿资料。对前述数据行Mann-Whitney U 检验、 χ2检验和Fisher确切概率法检验。通过最小绝对值压缩和选择算法（LASSO）回归分析缩减建模组患儿发生医院感染的危险因素，采用多因素logistic回归分析对前述筛选出的危险因素作进一步筛选，根据进一步筛选出的独立危险因素绘制列线图预测模型。采用Bootstrap法对前述预测模型进行内部验证，绘制建模组和验证组预测模型的受试者操作特征（ROC）曲线、校准曲线和临床决策曲线，分别评估其区分度、校准度和临床实用性。 结果:共检出245株病原菌，以金黄色葡萄球菌（101株，占41%）、铜绿假单胞菌（54株，占22%）、鲍曼不动杆菌（33株，占13%）为主，来源于创面分泌物的病原菌（211株，占86%）最多，其次是血液（10株，占4%）和痰液（5株，占2%）。感染组与未感染组患儿烧伤总面积、留置导尿管天数、住院天数以及是否存在Ⅲ度烧伤、合并吸入性损伤、深静脉置管与手术次数多少，差异均有统计学意义（ Z值分别为-2.32、-3.29、-3.85， χ2值分别为26.36、7.03、10.13、10.53， P<0.05）；2组患者致伤原因比较，差异有统计学意义（ P<0.05）。建模组和验证组患儿的各临床特征均相近（ P>0.05）。LASSO回归分析获得的6个危险因素分别为Ⅲ度烧伤、血清白蛋白水平异常、深静脉置管、多次手术、留置导尿管天数和住院天数；多因素logistic回归分析结果显示，Ⅲ度烧伤、深静脉置管、血清白蛋白水平异常和多次手术均是291例住院烧伤患儿发生医院感染的独立危险因素（比值比分别为2.27、2.66、4.08、2.92，95%置信区间分别为1.22~4.21、1.03~6.87、1.07~15.49、1.15~7.42， P<0.05）。预测模型的ROC曲线显示，建模组和验证组的ROC曲线下面积分别为0.81（95%置信区间为0.78~0.84）和0.81（95%置信区间为0.76~0.85）；校准曲线显示，建模组和验证组的预测模型校准曲线均在理想曲线附近；临床决策曲线显示，建模组和验证组的预测模型阈值概率分别在5%~70%和1%~46%范围内。 结论:烧伤患儿感染的主要病原菌是来自于创面分泌物的金黄色葡萄球菌。基于独立危险因素——Ⅲ度烧伤、血清白蛋白水平异常、深静脉置管和多次手术所构建的列线图预测模型具有较好的准确性，可方便地用于住院烧伤患儿发生医院感染的预测。

目的:通过筛选电烧伤患者发生弥散性血管内凝血（DIC）的独立危险因素，建立发生DIC风险预测模型并进行验证。方法:采用回顾性病例系列研究方法。收集2015年1月—2023年1月内蒙古包钢医院收治的符合入选标准的218例电烧伤患者临床资料，其中男198例、女20例，年龄（38±14）岁。按照治疗期间是否被诊断为DIC，将患者分为DIC组和非DIC组。收集并比较2组患者一般临床资料，包括年龄、性别、烧伤总面积、Ⅲ度烧伤面积、致伤电压、伤后1 d内是否发生骨筋膜室综合征、烧伤重症监护病房停留时间、总住院时间，是否合并吸入性损伤、多发伤和入院时是否发生休克，简明烧伤严重指数评分与急性生理学和慢性健康状况评价Ⅱ评分；患者入院24 h内的实验室检测指标资料，包括血常规指标：白细胞计数（WBC）、血红蛋白水平、血小板计数（PLT）、中性粒细胞计数，凝血指标：活化部分凝血活酶时间（APTT）、凝血酶原时间、凝血酶时间、D-二聚体水平、纤维蛋白原（FIB）水平，血生化指标：天冬氨酸转氨酶、丙氨酸转氨酶、直接胆红素、总胆红素、总蛋白、白蛋白、血糖、肌酐、尿素氮的水平，血气分析指标：血pH值、动脉血氧分压、动脉血二氧化碳分压、碳酸氢根、碱剩余，心肌酶谱指标：肌红蛋白、肌钙蛋白、乳酸脱氢酶、肌酸激酶和α-羟丁酸脱氢酶的水平。对数据行 χ2检验、Fisher确切概率法检验、独立样本 t检验、Mann-Whitney U检验。对单因素分析差异有统计学意义的变量采用最小绝对值压缩和选择算法（LASSO）回归进行降维处理，筛选218例电烧伤患者发生DIC的预测因子。将前述预测因子纳入多因素logistic回归分析，寻找218例电烧伤患者发生DIC的独立危险因素并绘制预测模型列线图。通过受试者操作特征（ROC）曲线和ROC曲线下面积评估预测模型性能，采用校准曲线和临床决策曲线分析法（DCA）对预测模型进行验证。 结果:与非DIC组相比，DIC组患者烧伤总面积、Ⅲ度烧伤面积、总住院时间以及高压致伤、伤后1 d内发生骨筋膜室综合征、合并吸入性损伤、入院时发生休克的比例均显著增大/延长（ Z值分别为-2.53、-4.65、-2.10， χ2值分别为11.46、16.00、7.98、18.93， P<0.05）。与非DIC组相比，DIC组患者入院24 h内的APTT、D-二聚体水平、肌红蛋白、WBC、PLT以及FIB、总胆红素、肌酸激酶水平均显著延长/升高（ Z值分别为-2.02、-4.51、-3.82， t值分别为-3.84、-2.34、-2.77、-2.70、-2.61），总蛋白水平、血pH值均显著降低（ t=-2.85、 Z=-2.03）， P<0.05。对前述17个差异有统计学意义的指标行LASSO回归分析，结果显示致伤电压、入院时发生休克、伤后1 d内发生骨筋膜室综合征以及入院24 h内的D-二聚体水平与总蛋白水平为218例电烧伤患者发生DIC的预测因子（回归系数分别为0.24、0.52、0.35、0.13、-0.001）。多因素logistic回归分析显示，致伤电压、入院时发生休克、伤后1 d内发生骨筋膜室综合征和入院24 h内的D-二聚体水平是218例电烧伤患者发生DIC的独立危险因素（比值比分别为3.33、4.24、2.68、1.38，95%置信区间分别为1.43~7.79、1.78~10.07、1.17~6.13、1.19~1.61， P<0.05）。根据前述4个独立危险因素绘制可评估患者发生DIC概率的预测模型列线图。预测模型的ROC曲线下面积为0.88，95%置信区间为0.82~0.95，提示该模型预测能力较好；预测模型曲线趋近于理想曲线，提示该模型有较高校准度；预测模型的临床DCA显示，患者阈值概率在4%~97%范围内，提示该模型预测能力较好。 结论:致伤电压、入院时发生休克、伤后1 d内发生骨筋膜室综合征、入院24 h内的D-二聚体水平是电烧伤患者发生DIC的独立危险因素，基于以上指标建立的预测模型可为该类患者是否发生DIC提供早期预警。

目的 构建青春期多囊卵巢综合征(Polycystic Ovary Syndrome,PCOS)抑郁风险预警模型并验证.方法 收集2021年10月-2022年9月到遵义医科大学附属医院妇科门诊就诊的青春期PCOS患者资料.使用R4.2.1软件的最小绝对值压缩选择模型(Least Absolute Shrinkage and Selection Operator,LASSO)筛选危险因素,纳入logistic回归建立青春期PCOS抑郁风险预警模型,绘制列线图并进行内外部验证,使用区分度、特异度和灵敏度评价模型,通过临床决策曲线图分析临床效用.结果 最终筛选出6个预测变量构建模型:抑郁风险=1/(1+exp-(-4.055+0.221 ×睡眠+0.729 ×服用激素类避孕药+0.920 ×多毛+0.079 ×疾病认知-0.058 ×社会支持+1.049 ×促黄体激素/促卵泡激素(≥2))).该模型ROC曲线下面积0.881,最佳截断值0.278时,特异度和灵敏度分别为76.2％和88.0％.内部验证后ROC曲线下面积0.867.临床决策曲线结果示模型可为临床决策提供证据支持,外部验证ROC曲线下面积0.871.结论 本研究构建的青春期PCOS抑郁风险预警模型,可早期识别青春期PCOS抑郁高风险人群,为实施综合有效的风险防范措施提供理论依据.

目的 门诊患者满意度影响因素较多,改进门诊服务的工作中难以有针对性地进行整改.针对这一问题,借助统计学方法 工具提出解决方案.方法 基于北京某医院满意度调查数据,通过R语言编程进行机器学习,利用LASSO算法筛选对门诊满意度影响较大的因素,结合这些因素的满意度评分,确定门诊服务改进方向.结果 LASSO算法从问卷量表中的15个因素中提取出9个门诊满意度高影响因素,其中候诊时间和挂号缴费服务的满意度较低,应当着重予以整改.结论 LASSO算法能够挖掘提升患者满意度的关键因素,为管理者提供科学的政策指导.

基于静息态功能磁共振成像(fMRI)构建脑功能网络是揭示人脑运作机制的有效手段,但是目前常见的脑功能网络普遍包含大量噪声从而导致错误的分析结果.本文使用压缩感知中的最小绝对值收缩和选择算子(LASSO)模型对脑功能网络进行降噪重建,该模型利用L1范数惩罚项的稀疏性避免过拟合问题.然后,通过快速迭代阈值收缩算法(FISTA)求解,该算法在每一次迭代中通过一个收缩阈值操作来更新变量,从而收敛到全局最优解.实验结果表明:与其他几种方法相比,该方法可以将脑功能网络降噪重建的准确率提高到98％以上,有效地抑制了噪声,有助于即使在噪声环境下也能很好地探索人脑的功能.

目的 基于治疗前多参数磁共振成像(multi-parametric magnetic resonance imaging,mpMRI)影像组学特征,结合临床变量构建模型预测宫颈癌(cervical cancer,CC)脉管浸润(lymphovascular space invasion,LVSI)和预后.材料与方法 回顾分析125例CC患者病例,采集小视野高分辨率T2加权成像、表观扩散系数图、轴位T2加权成像(T2-weighted imaging,T2WI)压脂序列和矢状位T2WI、轴位和矢状位对比增强T1加权成像.勾画肿瘤区域后提取107个特征,通过最小绝对值压缩与选择算法等降维以建立影像组学分数(radiomics score,Rad-score),整合14个临床指标构建逐步逻辑回归模型,并重复20次3折交叉验证.根据预测的LVSI及随访结果进行分组及相应无进展生存期(progression-free survival,PFS)的生存曲线划分,观察模型在PFS分组的差异.结果 形态学和异质性相关的影像组学特征是预测LVSI的主要因素.回归分析确定3个危险因素,Rad-score比鳞状细胞癌抗原和血红蛋白更重要[优势比(odds ratio,OR):2.626、1.061、0.982].训练集的受试者工作特征曲线下面积为0.823.PFS在模型预测的LVSI组间明显不同(平均PFS:64.8、58.3个月).结论 mpMRI影像组学特征结合临床变量能预测CC患者的LVSI和临床结局,可能在新辅助和手术环境中显示出改善患者风险分层的效用.影像组学特征能够预测预后可能与其反映肿瘤组织的LVSI有潜在关联.