目的 探究脓毒症合并呼吸机相关肺炎患者死亡的危险因素,并构建死亡风险的预测模型.方法 筛选2021 年 3 月—2023 年 3 月南京市第一医院收治的脓毒症合并呼吸机相关肺炎患者 128 例,整理所有入组患者的病历资料,根据患者治疗 28d后预后结局分为死亡组和生存组.筛查呼吸机相关肺炎诱导脓毒症患者死亡的危险因素,构建危险因素预测模型并验证.结果 128 例脓毒症合并呼吸机相关肺炎患者中死亡 48 例(37.50%),存活 80 例(62.50%).两组患者在合并慢性心肺疾病、急性生理与慢性健康评分(APACHE)Ⅱ评分≥15 分、机械通气时间≥15 d、合并多重耐药菌感染、合并真菌感染方面比较,差异有统计学意义(P＜0.05).Bootstrap法验证C-index指数为 0.594(95%CI:0.532～0.714)提示区分度良好.受试者工作特性(ROC)曲线模型预测脓毒症合并呼吸机相关肺炎患者死亡的灵敏度为 0.785(95%CI:0.692～0.851),特异度为 0.673(95%CI:0.594～0.721),曲线下面积(AUC)为 0.765(95%CI:0.681～0.832).结论 合并慢性心肺疾病、合并多重耐药菌感染、合并真菌感染、APACHEⅡ评分升高及机械通气时间延长与脓毒症合并呼吸机相关肺炎患者的死亡有关.ROC曲线可作为评估脓毒症合并呼吸机相关肺炎患者的死亡风险的早期辅助工具.

背景 部分危重症甲型流感病毒(IAV)感染患儿可发生严重的后遗症甚至死亡,但其早期的临床表现无特异性,目前国内外缺乏相关预测模型的研究.目的 建立儿童危重症IAV感染的列线图预测模型,以帮助临床早期识别危重症IAV感染.设计 病例对照研究.方法 纳入 2018 年 1 月至 2023 年 11 月在郑州大学附属儿童医院住院的IAV感染连续病例,根据出院诊断结合临床资料分为危重症和非危重症患儿,截取患儿的人口学资料、入院时症状、入院时实验室检查项目、合并其他病原体感染情况.根据IAV在河南省的发生率计算样本量需＞320 例,将纳入患儿按 7∶3 的比例随机分为建模组和验证组,在建模组病例中筛选危重症IAV感染的影响因素,并采用R 4.3.2 软件包构建危重症IAV感染的列线图预测模型.主要结局指标 儿童危重症IAV感染的影响因素.结果 391 例IAV感染住院患儿中,危重症 134 例,其中20 例(14.9%)出现后遗症,均为神经系统受损,12 例(9.0%)死亡;非危重症患儿均治愈出院;建模组 274 例,验证组 117例,两组临床资料差异均无统计学意义.多因素Logistic回归分析显示,合并其他病原菌感染(OR=3.092,95%CI:1.379～6.934)、出现神经系统症状(OR=6.923,95%CI:2.569～18.656)、中性粒细胞与淋巴细胞比值(NLR)升高(OR=1.404,95%CI:1.029～1.914)和 IL-6 升高(OR=1.009,95%CI:1.000～1.018)是发生危重症 IAV 感染的危险因素,白蛋白升高(OR=0.925,95%CI:0.862～0.992)是发生危重症IAV感染的保护因素.以危重症IAV感染为预测结局,以有神经系统症状、合并其他病原体感染以及实验室指标NLR、IL-6、白蛋白,构建列线图预测模型.建模组和验证组AUC分别为 0.949(95%CI:0.915～0.982)和 0.912(95%CI:0.871～0.952);该列线图模型拟合较好(χ2=5.077,P=0.749),具有较高的临床净获益率.结论 基于合并其他病原体感染、神经系统症状以及实验室指标NLR、IL-6、白蛋白构建的列线图预测模型,其有效性和鉴别能力良好.

目的:探讨基于多参数MRI及临床特征的融合模型在术前预测宫颈癌患者淋巴结转移的价值。方法:回顾性分析山西省肿瘤医院2016年6月—2019年3月经病理证实为宫颈鳞癌并于术前行MRI检查的168例患者的资料。按照7∶3的比例，采用完全随机法将所有患者分为训练组115例和验证组53例。由两名影像科医师在MRI图像上手动勾画三维容积感兴趣区(VOI)，并进行一致性分析。根据临床手术病理结果将所有患者分为淋巴结转移阴性(LN－)和阳性(LN＋)，临床及影像资料也对应分组。分别基于每例患者的T 2WI、表观扩散系数(ADC)和增强T 1WI(cT 1WI)序列图像上均提取3 111个影像组学特征，然后对训练组采用以最大相关最小冗余(MRMR)和最小绝对收缩与选择(LASSO)回归为主的四步法进行特征选择和影像组学标签的构建，并进行分层分析。通过多变量逻辑回归筛选独立临床危险因素并联合影像组学标签构建影像组学融合模型，并制作列线图。采用ROC曲线、校正曲线、决策分析曲线(DCA)评估列线图的预测性能及临床效益。 结果:训练组和验证组患者基线资料差异均无统计学意义( P值均>0.05)。基于T 2WI、ADC和cT 1WI合并特征降维后共得到6个影像组学特征( P值均<0.05)，其中包括3个小波类特征参数和3个LoG类特征参数，均与淋巴结转移显著相关。单序列影像组学标签在训练组中ROC曲线下面积(AUC)值为0.763和0.829，显示具有良好的预测效能，合并上述序列构建的影像组学标签对应的AUC值0.859，其诊断效能优于其中任意单一序列，并在验证组得到验证。联合影像组学标签和MRI评价淋巴结状态构建的列线图在训练组和验证组中均显示出良好的鉴别能力和校正性能，对应的AUC分别为0.865和0.861。在独立验证组中的决策曲线示，当风险阈值>10%时，采用影像组学方法预测LN＋的净收益优于将所有患者都看作LN＋或LN－，也优于MRI评价淋巴结状态。 结论:通过联合基于多参数MRI的影像组学标签和MRI评价淋巴结状态建立的融合模型可作为术前评估宫颈癌淋巴结转移的一种辅助方法。

目的:探讨2型糖尿病（T2DM）糖尿病肾病（DKD）合并非糖尿病肾病（NDKD）患者的临床病理特征和预后及其影响因素。方法:回顾性纳入2014年1月至2018年6月于郑州大学第一附属医院行肾活检确诊为T2DM DKD的患者共363例，按照病理结果分为DKD合并NDKD（MIX组， n=142）及单纯DKD（DKD组， n=221）。记录基线资料（糖尿病病程、视网膜病变病史等），并检测空腹血糖、糖化血红蛋白、血肌酐等生化指标。计算预估肾小球滤过率（eGFR）。终点事件定义为进展至终末期肾病、eGFR较基线下降40%或死亡。建立logistic回归模型分析T2DM DKD患者合并NDKD的相关因素，用Kaplan-Meier法分析各组肾脏预后并采用Cox回归分析探究影响MIX组预后的危险因素。 结果:363例患者肾活检时平均年龄（50.0±9.9）岁，其中男性233例（64.2%）。MIX组与DKD组性别、年龄差异无统计学意义（均 P>0.05）。多因素logistic回归分析显示，糖尿病病程≤5年［比值比（OR）2.136，95%可信区间（CI）：1.315~3.471， P<0.01］、eGFR较高（OR：1.999，95%CI：1.246~3.209， P<0.01）及不合并贫血（OR：2.596，95%CI：1.614~4.175， P<0.01）与T2DM DKD患者合并NDKD独立相关。采用1∶1配对病例对照研究筛选出与MIX组性别、基线年龄、糖尿病病程、肾功能一致的DKD组作为对照，Kaplan-Meier生存分析显示，两组预后差异无统计学意义（Log-rankχ2 =1.138， P=0.286），且合并视网膜病变［风险比（HR）：2.162，95%CI：1.056~4.428， P=0.035］及尿蛋白定量≥3.5 g/24 h（HR：2.387，95%CI：1.018~5.552， P=0.045）是MIX组预后较差的独立危险因素。 结论:T2DM DKD患者糖尿病病程较短、eGFR较高、不合并贫血提示更可能合并NDKD。

目的:探讨基于MRI多期增强影像组学联合临床影像特征的预测模型术前预测乳腺癌Ki-67表达状态的价值。方法:本研究为回顾性研究。收集2016年6月至2017年5月就诊于中国医学科学院北京协和医学院肿瘤医院并接受手术治疗的乳腺癌患者213例，均为女性，年龄24~78（51±10）岁。所有患者均在术前2周内接受常规乳腺MR检查。根据术后病理Ki-67表达不同分为高表达组（Ki-67≥20%，153例）和低表达组（Ki-67<20%，60例）。从动态增强扫描第2期（CE-2）和第7期（CE-7）图像提取乳腺癌病变的影像组学特征，将所有病例根据MR检查时间先后顺序以7∶3分为训练集和测试集。首先采用方差分析和Wilcoxon符号秩检验选出具有显著分类性能的特征值，随后采用最小绝对收缩和选择算子法回归模型的方法，筛选出最佳特征值。同时对临床信息及常规影像学特征［包括腺体分型、背景实质强化程度、是否多灶/多中心、病灶位置、病灶形态、病灶长径、病灶短径、T 2WI信号特征、扩散加权成像（DWI）信号特征、表观扩散系数（ADC）值、时间-信号强度曲线（TIC）类型、腋窝是否伴有短径>1.0 cm淋巴结］采用同样的方法进行参数筛选。随后采用支持向量机（SVM）构建Ki-67高低表达状态的预测模型。模型的预测效能采用受试者操作特性（ROC）曲线和曲线下面积进行评价。 结果:由CE-2和CE-7图像分别提取1 029个影像组学特征，经过筛选分别得到9个及7个最佳特征值，并将两组特征值组合共16个特征值构成CE-2+CE-7图像影像组学最佳特征值。临床影像特征筛选得到5个有价值的参数分别为病变位置、病变短径、DWI信号特征、ADC值、是否腋窝淋巴结短径>1.0 cm。由CE-2和CE-7图像影像组学特征所得SVM模型在训练集及测试集中预测Ki-67表达状态的ROC曲线下面积均较高（>0.70）。将CE-2、CE-7、CE-2+CE-7图像影像组学特征分别联合临床影像特征构建模型预测Ki-67表达状态的效能较单独使用CE-2、CE-7、CE-2+CE-7图像影像组学特征所得模型有不同程度提高。其中CE-2+CE-7+临床影像特征模型预测效能最佳，其在训练集中预测Ki-67表达状态的AUC、准确度、灵敏度、特异度分别为0.895、84.6%、87.9%、76.2%；在测试集中分别为0.822、70.3%、76.1%、55.6%。结论:基于MRI多期增强影像组学特征的SVM模型能有效预测Ki-67表达状态，将影像组学特征与临床影像特征联合，能够进一步提高模型预测效能。

目的:构建SAP并发急性肾损伤(AKI)的早期预测模型，并对模型的预测效能进行评价。方法:回顾性分析2017年7月至2021年6月间浙江省荣军医院收治的295例SAP患者的临床资料，根据是否并发AKI分为AKI组(61例)和非AKI组(234例)。比较两组患者的一般特征、临床资料、实验室检查结果，采用多因素logistic回归分析法筛选SAP并发AKI的独立预测因素，采用R软件建立预测SAP并发AKI的Nomogram模型。绘制模型图受试者工作特征曲线(ROC)，计算曲线下面积(AUC)，评估其预测效能。结果:AKI组急性生理与慢性健康评估Ⅱ(APACHEⅡ)、Ranson评分，腹腔间隔室综合征(ACS)、全身炎性反应综合征(SIRS)发生率，休克、机械通气例数及外周血乳酸(BLA)、肌酐(Scr)、尿素氮(BUN)、CRP、降钙素原(PCT)、胱抑素C(Cys C)水平均较非AKI组显著增高，血钙水平较非AKI组降低，差异有统计学意义( P值均<0.05)。多因素logistic回归分析结果显示，APACHEⅡ评分( OR＝1.185，95% CI 1.074~1.308， P＝0.001)、Ranson评分( OR＝12.668，95% CI 5.102~31.456， P<0.001)、Scr( OR＝1.028，95% CI 1.002~1.054， P＝0.034)、PCT( OR＝4.298，95% CI 1.379~13.395， P<0.001)及Cys C( OR＝38738.38，95% CI 43.190~347459.41， P<0.001)是SAP并发AKI的独立危险因素；血钙( OR＝0.0001，95% 0.000~0.048， P<0.001)是SAP并发AKI的独立保护性因素。以上述6项因素为参数建立Nomogram预测模型，在训练集中预测AKI发生的AUC值、灵敏度和特异度分别为0.987、99.0%和98.5%；在验证集分别为0.976、98.6%和94.2%。 结论:成功建立了SAP并发AKI的早期预测模型，该模型能较好地预测SAP并发AKI的风险。

目的:依据本中心队列数据采用不同方法建立新生儿出生体重曲线，并与目前国内常用的协作网G曲线［采用基于偏度系数-中位数-变异系数法的广义可加模型（GAMLSS）拟合方法制定］进行比较，探讨适宜本中心的新生儿出生体重标准。方法:基于2017年1月1日至2022年2月28日于南京大学医学院附属鼓楼医院行妊娠早期胎儿结构超声筛查的前瞻性出生缺陷研究队列中的活产儿7 044例，对其中无小于胎龄儿（SGA）及大于胎龄儿（LGA）高危因素的低风险孕妇3 894例，分别采用GAMLSS法、基于低风险孕妇孕40周分娩新生儿平均出生体重和标准差采用半定制法建立本中心GAMLSS曲线（简称本中心G曲线）、本中心半定制曲线（简称本中心S曲线）。依据本中心S曲线、本中心G曲线对7 044例活产儿是否为SGA进行诊断，分为非SGA组（6 176例）、S较G额外诊断组（94例）、S及G均诊断组（774例），比较3组孕妇不良围产结局的发生率；依据本中心S曲线、协作网G曲线对7 044例活产儿是否为SGA进行诊断，分为非SGA组（6 176例）、S较协作网G额外诊断组（464例）、S及协作网G均诊断组（404例），比较3组孕妇不良围产结局的发生率。结果:（1）7 044例活产儿中，依据协作网G曲线、本中心G曲线及本中心S曲线诊断SGA分别为404例（5.74%，404/7 044）、774例（10.99%，774/7 044）、868例（12.32%，868/7 044）。本中心S曲线新生儿出生体重的第10百分位数值在所有胎龄均高于本中心G曲线和协作网G曲线。（2）S较G额外诊断组、S及G均诊断组入住新生儿重症监护病房（NICU）时间>24 h的发生率［分别为10.64%（10/94）、5.68%（44/774）］均显著高于非SGA组［1.34%（83/6 176）； P均<0.001］；S较G额外诊断组、S及G均诊断组孕妇子痫前期（PE）的发生率分别为12.77%（12/94）、9.43%（73/774），孕34周前早产发生率分别为9.57%（9/94）、2.71%（21/774），孕37周前早产的发生率分别为24.47%（23/94）、7.24%（56/774），均显著高于非SGA组［分别为4.37%（270/6 176）、0.83%（51/6 176）、4.23%（261/6 176）； P均<0.001］。（3）S较协作网G额外诊断组、S及协作网G均诊断组新生儿入住NICU时间>24 h的发生率［分别为5.60%（26/464）、6.93%（28/404）］均显著高于非SGA组（ P均<0.001）；S较协作网G额外诊断组、S及协作网G均诊断组孕妇因不确定的胎儿状态（NRFS）行紧急剖宫产术或产钳助产的发生率［分别为4.96%（23/464）、12.38%（50/404）］均高于非SGA组［2.57%（159/6 176）； P均<0.001］；S较协作网G额外诊断组、S及协作网G均诊断组孕妇PE的发生率分别为8.84%（41/464）和10.89%（44/404），孕34周前早产发生率分别为4.31%（20/464）和2.48%（10/404），孕37周前早产的发生率分别为10.56%（49/464）和7.43%（30/404），均显著高于非SGA组（ P均<0.001）。 结论:相较于协作网G曲线和本中心G曲线，依据本中心低风险活产儿出生体重，采用半定制法建立的本中心S曲线更有利于本中心SGA的筛查，有助于高危儿的识别和管理。

目的:建立适合深圳市成年居民颈动脉内-中膜厚度（CIMT）的正常值范围。方法:本研究数据源自2021—2022年开展的深圳市心力衰竭流行病学调查。该调查采用多阶段分层随机抽样方法收集深圳市18岁及以上常住居民的一般信息、心血管疾病（CVD）相关行为以及颈动脉超声检查等资料。数据分析排除具有CVD危险因素、动脉粥样硬化性心血管病史、颈动脉斑块，以及无颈动脉超声检查结果的调查对象，并利用分数多项式回归模型估计年龄、性别的CIMT正常值范围。结果:本研究共纳入2 163名成年居民，其中男性576名（26.6%），女性1 587名（73.4%）。男性CIMT均值（mean）和标准差（SD）的分数多项式回归模型分别为mean CIMT=0.324 7+0.006 9×年龄，SD CIMT=0.076 9+0.001 2×年龄；女性分别为mean CIMT=0.354 9+0.005 4×年龄，SD CIMT=0.041 6+0.002 0×年龄。 结论:本研究建立了深圳市成年居民年龄、性别CIMT的正常值范围，为亚临床CVD的早期筛查提供了最新数据依据。

目的:运用机器学习算法及列线图，构建和验证免疫检查点抑制剂相关性肺炎（CIP）风险预测模型，旨在为更好的辅助临床护理人员筛查CIP的高危人群，提供准确直观的方法。方法:采用回顾性病例对照研究。选取2019年1月至2022年2月南方医科大学珠江医院就诊的230例使用免疫检查点抑制剂治疗的肿瘤患者，使用医院电子病历系统收集患者的资料。应用5种机器学习算法和列线图构建预测模型，在独立测试集进行模型的验证，最后依据评价指标AUC、准确率等评估预测模型的区分度及稳定性。结果:6种模型均提示，肺部基础疾病、吸烟史、血清白蛋白值≤35 g/L、胸部放疗史是促进CIP发生的重要影响因素。K最近邻、支持向量机（SVM）、朴素贝叶斯、决策树和随机森林构建的CIP预测模型的AUC分别为0.647、0.696、0.930、0.870、0.934。列线图构建的模型AUC为0.813，预测性能较好，但低于机器学习算法中表现最佳的随机森林模型（AUC=0.934）。结论:与列线图相比，基于机器学习算法建立的CIP的风险预测模型具有更高的诊断价值，但列线图构建的模型可更直观评估患者风险，建议在列线图基础上，结合机器学习算法，可增加预测模型的准确性及实用性。

目的:探讨症状性细菌性腹水快速筛查模型指导抗生素治疗的临床意义。方法:2016年9月至2017年2月，前瞻性收集南昌市第九医院新收治住院的肝硬化腹水患者24例，其腹水多形核细胞计数<250个/mm 3，无明确抗生素治疗指征，但被症状性细菌性腹水快速筛查模型判为阳性。随机分为试验组12例和对照组12例，试验组全程接受抗生素治疗，对照组不予抗生素治疗，治疗第10天为研究终点，比较两组的治疗应答情况。治疗应答结果分为完全应答、部分应答和无应答，应答率为完全与部分应答率之和。治疗应答情况的组间比较采用Mann-Whitney U检验和Fisher精确概率法。 结果:两组性别、年龄、筛查评分及病情严重程度等基线情况一致（ P＞0.05）。治疗第10天，试验组与对照组的完全应答例数为1比0、部分应答例数为7比2、无应答例数为4比10， Z=-2.467， P=0.014；试验组应答率明显优于对照组，为66.7%（8/12）比16.7%（2/12）， P=0.036。 结论:症状性细菌性腹水快速筛查模型对抗生素治疗具有一定指导意义，被该模型判为阳性的肝硬化腹水患者接受抗生素治疗可获益。