目的 探讨急性脑出血(ACH)合并吞咽障碍患者营养不良发生率,确定有效防护对策,以降低营养不良发生风险.方法 选取 2019 年 1 月—2022 年 10 月空军军医大学第二附属医院唐都医院收治的 350 例ACH合并吞咽障碍患者作为研究对象,按照 7∶3 比例随机分为建模组(n=245)和验证组(n=105),根据营养不良发生风险分为营养不良亚组和营养良好亚组,统计建模组患者一般资料,采用Lasso、Logistic回归方程筛选ACH合并吞咽障碍患者营养不良影响因素,构建诺谟图模型,绘制受试者工作特征曲线及曲线下面积(AUC)、校准曲线分析诺谟图预测效能.结果 350 例ACH合并吞咽障碍患者中营养不良占比 65.71%(230 例);Lasso筛选变量及Logistic回归分析显示,入院时格拉斯哥昏迷量表(GCS)评分、入院时营养不良、营养支持、吞咽障碍程度、低蛋白血症、吞咽功能训练、年龄及糖尿病均为患者营养不良影响因素(P＜0.05);在建模组绘制诺谟图模型显示,AUC为 0.932,敏感度为 81.50%,特异度为 95.20%,表现出良好预测效能.结论 ACH合并吞咽障碍患者受入院时GCS评分、营养支持、入院时营养不良、吞咽障碍程度等因素影响,继发营养不良风险较高,临床可结合本文分析预测患者营养不良风险,并加强对症干预,改善预后.

目的:建立一种预测前列腺植入 125I粒子近距离治疗前列腺癌生存预后的术前模型。 方法:模型的建立：根据纳入和排除标准选取SEER数据库接受 125I粒子植入术治疗的患者11 019例，使用Kaplan-Meier法和Cox多因素回归分析确定术前危险因素，包括婚姻状态、Gleason评分、T分期，根据危险因素建立诺谟图。模型的外部验证：选择2011至2019年在江苏省苏北人民医院接受前列腺植入 125I粒子近距离治疗的前列腺癌患者138例，根据纳入和排除标准选取107例进行验证。模型的精确度通过内外部验证的C指数以及校准度验证，并与当前的危险分层系统进行比较。 结果:SEER数据库中数据的Kaplan-Meier法结果显示，婚姻状态、年龄、Gleason评分、前列腺特异抗原(PSA)、T分期与肿瘤特异性生存率有相关性(均 P<0.05)；SEER数据库中数据的Cox多因素回归模型分析结果显示，婚姻状态、Gleason评分、T分期与肿瘤特异性生存率有相关性(均 P<0.05)。模型的内部验证C指数为0.737；模型的外部验证C指数为0.723。根据ASH危险分层构建的模型C指数为0.636。 结论:本研究模型可以较好地预测前列腺植入 125I粒子近距离治疗前列腺癌患者的生存预后。

目的 探讨老年胃癌放化疗患者骨髓抑制发生危险因素并进一步分析临床预测效能,旨在为后续临床防治工作提供参考.方法 回顾性纳入 2019 年 6 月-2023 年 6 月于我院接受放化疗老年胃癌患者共 317 例,根据是否出现骨髓抑制分组,采用单因素和多因素法分析老年胃癌放化疗患者骨髓抑制发生独立危险因素;描绘ROC曲线评估上述独立危险因素用于骨髓抑制发生风险预测效能.结果 本研究接受放化疗老年胃癌患者共 317 例,出现骨髓抑制 150 例,发生率为 47.32%.单因素分析结果显示,总照射剂量、是否合并肝硬化及接受同步放化疗均可能与老年胃癌放化疗患者骨髓抑制发生有关(P＜0.05);多因素分析结果显示,治疗前血小板计数水平、总照射剂量、合并肝硬化及接受同步放化疗是老年胃癌放化疗患者骨髓抑制发生的独立危险因素(P＜0.05);进一步构建的诺谟图模型显示C-index指数为 0.910(95%CI=0.862～0.973),提示该模型能够个体化地快速准确地评估患者骨髓抑制发生的风险,为老年胃癌患者的治疗提供更可靠的参考依据.结论 老年胃癌放化疗患者骨髓抑制发生可能与治疗前血小板计数水平、总照射剂量、是否合并肝硬化及接受同步放化疗有关.构建的诺谟图模型表现出较高的预测准确性,表明其在临床实践中进行个性化和快速风险评估的潜力.

目的:探讨增强计算机断层扫描(computed tomography,CT)及减影影像组学模型在鉴别肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)与非透明细胞癌(non-clear cell renal cell carcinoma,non-ccRCC)的临床价值.方法:回顾性分析经病理证实为ccRCC和non-ccRCC共 458例患者的临床与影像资料,排除图像质量不佳等影响因素后最终筛选出皖南医学院弋矶山医院患者 219例(训练集 154例、测试集 65例)及芜湖市第二人民医院 41例(外部验证集).将图像导出并对其配准及减影处理,使用ITK-SNAP勾画肿瘤的感兴趣区域(region of interest,ROI).利用FAE软件提取影像组学特征,Pearson相关系数及Relief算法对特征降维并筛选,Logistic回归建立组学模型,采用受试者工作特征曲线下面积评估模型诊断性能,联合临床影像特征构建组合模型并绘制诺谟图.结果:回归分析显示囊变坏死(OR=3.282,95%CI:1.111～9.693;P=0.032)、皮髓质期肿瘤增强值(OR=1.058,95%CI:1.024～1.094;P=0.001)为临床独立预测因素,训练集中皮髓质期影像组学模型的诊断效能在平扫及三期增强影像组学模型中最高(AUC=0.880),其减影后的影像组学模型效能有所提高(AUC=0.949),分别联合临床独立预测因素构建的常规组学模型和减影组学模型效能进一步提升(AUC分别为 0.903和 0.973),并在内部和外部验证集中得到验证(常规组学模型AUC分别为 0.872和 0.898;减影组学模型AUC分别为 0.908和 0.920).结论:增强CT皮髓质期减影组学特征联合临床影像特征构建的减影组学模型能有效地鉴别ccRCC和non-ccRCC.

目的 构建胃息肉合并结直肠息肉风险的诺莫图预测模型,并进一步验证模型的预测效能.方法 回顾性收集 2021年 9 月至 2022 年 11 月新疆维吾尔自治区人民医院消化内科行胃镜检查诊断胃息肉并完善结肠镜检查的患者 679 例为建模组;依据结肠镜检查结果将其分为有结直肠息肉组与无结直肠息肉组.另收集 2022 年12月至2023年 5月新疆维吾尔自治区人民医院消化内科诊断胃息肉并完善结肠镜检查的患者 241 例作为验证组.分析胃息肉合并结直肠息肉的影响因素,建立诺谟图预测胃息肉合并结直肠息肉风险的模型;采用受试者操作特征(ROC)曲线评估预测模型的区分度;校准曲线评估数据拟合度;决策曲线分析图评估使用模型的获益情况.结果 建模组与验证组一般资料比较,差异无统计学意义(P＞0.05).建模组中有 268例发现结直肠息肉.有结直肠息肉组和无结直肠息肉组非酒精性脂肪性肝病、幽门螺杆菌(H.pylori)感染、高同型半胱氨酸血症、2 型糖尿病、高血压病、高甘油三酯血症、年龄比较,差异有统计学意义(P＜0.05).非酒精性脂肪性肝病(OR=3.317)、H.pylori感染(OR=3.018)、高同型半胱氨酸血症(OR=3.697)、高甘油三酯血症(OR=4.248)、年龄(OR=1.065)是胃息肉合并结直肠息肉的独立危险因素(P＜0.05).建模组诺谟图预测模型ROC曲线的曲线下面积(AUC)为0.742,验证组AUC为0.737,模型具有较好的区分度.校正曲线提示实际发生率和预测发生率拟合度好.决策曲线图显示模型获益阈值广泛,具有实用价值.结论 由非酒精性脂肪性肝病、H.pylori感染、高同型半胱氨酸血症、高甘油三酯血症、年龄建立的预测模型具有较好的预测能力,可为医务人员判断胃息肉合并结直肠息肉的风险提供参考.

机器学习可以提高精准医疗的深度和广度.本文拟用机器学习预测Ⅱ期结肠癌患者行切除术后接受辅助化疗的预后情况.从美国监测、流行病学和结局数据库(SEER数据库),回顾性收集1166例Ⅱ期结肠癌患者行切除术后接受辅助化疗的病例,并根据随访结果将病人分为死亡组和非死亡组.通过单因素和多因素Cox回归分析影响患者总生存期的独立影响因子,并根据Cox回归系数建立诺谟图,计算每个患者的总得分,辅助临床应用.Cox比例风险模型进行单因素分析发现淋巴结数量、存在大于4个阳性淋巴结、浸润深度、肠粘连、手术时间、肿瘤分化程度和辅助化疗是影响患者生存的单因素.利用Cox比例风险模型对纳入的单因素进行多因素分析显示淋巴结数量(P=0.028,OR=1.365[0.999～1.142])、手术时间(P=0.01,OR=1.452[1.094～1.93])、存在＞4 个阳性淋巴结(P＜0.001,OR=2.54[1.574～4.08])、肿瘤浸润至浆膜层(P=0.018,OR=1.411[1.1～2.702])、肿瘤浸润至基层(P=0.006,OR=2.88[1.312～3.877])、LV+5-FU 辅助化疗(P=0.003,OR=0.595[0.464～0.762])是影响患者生存的独立影响因素.基于Cox回归系数建立的诺谟图C指数为0.76.用筛选的独立影响因子建立5折XGBoost预后预测模型,平均AUC为0.817±0.012.利用机器学习可以精准地预测Ⅱ期结肠癌切除术后辅助化疗的预后,从而为患者提供精准治疗.

目的:构建帕金森病(Parkinson's disease,PD)早期诊断诺谟图模型并验证.方法:本研究连续纳入2013年6月至2019年12月期间在上海交通大学附属瑞金医院住院的PD患者201例(PD组),以同期住院的201例神经系统慢性疾病患者非原发性帕金森病作为对照(非PD组).在402例研究对象中,分层随机抽取300例(PD患者和非PD患者各150例)作为训练集,其余102例(PD患者51例,非PD患者51例)作为验证集.本研究采用具有完整数据处理、计算和制图能力的R软件(4.2.1版本)对训练集进行数据分析,采用单因素回归分析筛选PD的危险因素,并进一步进行多因素logistic回归分析及列线图模型构建.利用校准曲线受试者操作特征曲线分别对训练集和验证集进行内部及外部验证.结果:多因素logistic回归分析显示,高龄(>60岁)(OR=3.987,95%CI为2.126～7.477,P=0.131)、认知功能障碍蒙特利尔认知评估量表(Montreal Cognitive Assessment,MoCA)评分>26)(OR=3.094,95%CI为1.654～5.787,P<0.001)、便秘(OR=2.630,95%CI为1.430～4.835,P=0.002)、快速眼动睡眠行为障碍(rapid-eye-movement sleep behavior disorder,RBD)(OR=2.710,95%CI为1.449～5.068,P=0.002)、嗅觉减退(OR=2.117,95%CI为1.172～3.824,P=0.013)、铜兰蛋白(<20 mg/L)(ceruloplasmin,CER)水平降低(OR=3.356,95%CI为1.923～5.855,P<0.001)是PD的危险因素.基于上述危险因素建立诺谟图模型,内外部验证曲线下面积分别为0.729、0.714.结论:诺谟图诊断模型能有效辅助诊断PD,具有一定的临床应用价值.

目的 探讨直肠癌侧方淋巴结转移(LLNM)的危险因素并基于这些危险因素构建诺谟图诊断 LLNM.方法 回顾性分析 93 例经病理证实为直肠腺癌并行直肠癌根治术+侧方淋巴结清扫术患者.收集直肠癌临床及影像特征指标,运用单因素及多因素逻辑回归识别 LLNM的独立危险因素,基于这些危险因素建立诺谟图,受试者工作特征(ROC)曲线分析及校准图用于评估该模型的效能.结果 更长的侧方淋巴结短径、不清晰的侧方淋巴结边界及直肠系膜脂肪信号混杂是 LLNM的独立危险因素.在训练组及验证组中,基于独立危险因素建立的诺谟图的曲线下面积(AUC)分别为 0.926、0.922.结论 基于独立危险因素建立的诺谟图有助于诊断 LLNM,从而更好地指导临床制订个体化治疗方案.

目的:本研究拟联合多序列MRI的放射组学评分和临床、病理学等危险因素,构建预测垂体腺瘤术后复发的模型.方法:回顾性分析 2012 年 6 月-2017 年 6 月 128 例确诊为垂体腺瘤(复发 58例,未复发 70 例,随访 5～10 年)的临床病理和术前 MRI 资料.对术前图像进行分割并提取特征.经过降维后,最终选取 6 个与复发相关的组学特征构建linear-SVM、rbf-SVM、KNN、LR、RF和 XGBoost机器学习模型及R-score.随后将R-score与病理、影像学变量相结合建立联合Nomogram模型.评价和比较模型的预测性能并通过校准曲线和决策曲线分析其临床价值.结果:在临床病理学及影像学特征中,Ki-67 和肿瘤最大直径是垂体腺瘤复发的独立预测因子,linear-SVM是性能最好机器学习模型.相较于单一模型而言,联合Nomogram模型则在训练集(AUC=0.907,95%CI:0.843～0.972)和测试集(AUC=0.883,95%CI:0.769～0.996)中表现出了更好的预测性能.决策曲线也显示联合 Nomo-gram显示出更好的预测性能和临床应用价值.结论:联合 Nomogram 模型在预测垂体腺瘤复发具有良好性能,有助于临床个性化术前治疗决策和提前规划术后辅助治疗.

目的 利用临床及内科胸腔镜下特征对胸腔积液患者构建诺谟图(nomogram),探讨其诊断结核性胸膜炎的价值.方法 采用前瞻性研究的方法,收集2015-2018年首都医科大学附属北京胸科医院(99例)、首都医科大学附属北京朝阳医院(67例)、北京积水潭医院(16例)及北京医院(24例)收治的206例胸腔积液患者.其中确诊为结核性胸膜炎的患者129例,作为结核性胸膜炎组;确诊为其他原因胸腔积液的患者77例,作为其他原因胸腔积液组.收集两组患者的一般资料、胸腔积液实验室检查结果、胸腔镜下形态学特征和病理形态学特征信息,按照4∶1的比例通过SAS随机分组过程,将206例患者完全随机分为训练集(162例)和验证集(44例).利用套索(least absolute shrinkage and selection operator,LASSO)回归筛选结核性胸膜炎的诊断因素,构建辅助诊断诺谟图,分别验证模型的区分度、校准度及收益,综合评价诺谟图的辅助诊断能力.结果 训练集162例胸腔积液患者中,共104例(64.2％)确诊为结核性胸膜炎.经LASSO回归,共7个高诊断价值因素被筛选出,分别为病理形态学上的干酪样肉芽肿、坏死表现、不典型肉芽肿,胸腔镜观察下的粟粒样结节状病灶、胸膜粘连带、孤立结节状病灶,以及胸腔积液检查指标中的腺苷脱氨酶水平.训练集中ROC曲线下面积(AUC)为0.97,敏感度为92.31％,特异度为93.42％,在验证集中模型AUC为0.89,敏感度为80.44％,特异度为100.00％.结论 诺谟图能够在胸腔积液患者中有效诊断结核性胸膜炎,有一定的辅助诊断价值.