目的:探讨胸段食管鳞癌腹腔淋巴结转移的影响因素，构建胸段食管鳞癌腹腔淋巴结转移的预测模型并进行转移概率的风险亚组分析。方法:采用回顾性病例对照研究方法。收集2015年3月至2019年4月郑州大学第一附属医院收治的443例行胸腹腔镜食管癌根治术联合系统性淋巴结清扫治疗胸段食管鳞癌患者的临床病理资料；男259例，女184例；中位年龄为64岁，年龄范围为41~81岁。基于胸段食管鳞癌腹腔淋巴结转移的多因素分析结果构建列线图预测模型，绘制其校正曲线和决策曲线，预测模型的预测性能采用一致性指数评估。根据列线图模型对胸段食管鳞癌腹腔淋巴结转移预测的总分进一步行递归分割分析，构建决策树模型对患者进行风险亚组分析。观察指标：(1)胸段食管鳞癌腹腔淋巴结转移情况。(2)胸段食管鳞癌腹腔淋巴结转移的影响因素分析。(3)胸段食管鳞癌腹腔淋巴结转移列线图预测模型的构建。(4)胸段食管鳞癌腹腔淋巴结转移决策树模型的构建及转移概率的风险亚组分析。偏态分布的计量资料以 M(范围)表示。计数资料以绝对数和百分比表示，组间比较采用 χ2检验。等级资料组间比较采用非参数秩和检验。多因素分析采用Logistic回归模型。经Logistic回归模型多因素分析后，应用RStudio 3.4软件构建列线图模型。 结果:(1)胸段食管鳞癌腹腔淋巴结转移情况：443例患者中，89例发生腹腔淋巴结转移，腹腔淋巴结转移率为20.09%(89/443)。(2)胸段食管鳞癌腹腔淋巴结转移的危险因素分析：单因素分析结果显示肿瘤位置、肿瘤长度、肿瘤分化程度、病理学T分期、神经侵犯、脉管侵犯和胸部淋巴结转移是胸段食管鳞癌腹腔淋巴结转移的相关因素( χ2=12.177， Z=-2.754，-4.218，-4.254，　 χ2=3.908，33.025，30.387， P<0.05)。多因素分析结果显示：肿瘤位置、脉管侵犯和胸部淋巴结转移是胸段食管鳞癌腹腔淋巴结转移的独立影响因素(优势比=2.165，3.442，2.876，95%可信区间为1.380~3.396，1.787~6.633，1.631~5.071， P<0.05)。(3)胸段食管鳞癌腹腔淋巴结转移列线图预测模型的构建：应用多因素分析结果筛选指标，包括肿瘤位置、脉管侵犯和胸部淋巴结转移，构建胸段食管鳞癌腹腔淋巴结转移列线图预测模型，一致性指数为0.846。校正曲线分析结果显示：列线图预测模型预测胸段食管鳞癌腹腔淋巴结转移概率与实际淋巴结转移概率吻合度较高。决策曲线分析结果显示：胸段食管鳞癌腹腔淋巴结转移概率阈值为0.001~0.819时，应用该列线图预测模型有较好收益。(4)胸段食管鳞癌腹腔淋巴结转移决策树模型的构建及转移概率的风险亚组分析：决策树模型根据腹腔淋巴结转移概率将患者分为6个风险亚组：A组，无脉管侵犯+胸部淋巴结无转移；B组，无脉管侵犯+胸部淋巴结转移1~3枚；C组，无脉管侵犯+胸部淋巴结转移≥4枚；D组，脉管侵犯+胸部淋巴结转移0~2枚+肿瘤位于胸上段或胸中段；E组，脉管侵犯+胸部淋巴结转移0~2枚+肿瘤位于胸下段；F组，脉管侵犯+胸部淋巴结转移≥3枚。A组为低危组，腹腔淋巴结转移概率为11%；B和D组为中低危组，腹腔淋巴结转移概率分别为27%和21%；C和E组为中高危组，腹腔淋巴结转移概率分别为56%和55%；F组为高危组，腹腔淋巴结转移概率为80%。 结论:肿瘤位置、脉管侵犯和胸部淋巴结转移是胸段食管鳞癌腹腔淋巴结转移的独立影响因素。脉管侵犯对腹腔淋巴结转移影响最大，胸部淋巴结转移数目次之，而肿瘤位置最小。构建胸段食管鳞癌腹腔淋巴结转移列线图预测模型及决策树模型可将患者腹腔淋巴结转移概率分为6个风险亚型。

目的:探讨驱动基因阳性中枢神经系统（CNS）转移性非小细胞肺癌（NSCLC）患者的预后影响因素。方法:回顾性分析2016年1月至2020年12月北京同仁医院收治的103例伴CNS转移性NSCLC患者的临床资料，将患者分为驱动基因阳性组（驱动基因突变阳性且接受相应靶向治疗）和驱动基因阴性组。采用Cox比例风险模型筛选有统计学意义的预后因素，应用受试者工作特征（ROC）曲线比较递归分级分析（RPA）、脑转移基础（BS-BM）、特殊诊断评估预后分级（DS-GPA）及肺癌相关分子分级预后评估（lung-mol GPA）4种评分系统对驱动基因阳性患者预后的预测能力。结果:103例患者中，男48例，女55例，年龄（64.6±9.7）岁。103例患者的中位生存时间为24.0（95% CI：20.0~28.0）个月，59例驱动基因阳性患者的中位生存时间为33.0（95% CI：23.4~42.6）个月，44例驱动基因阴性患者的中位生存时间为17.0（95% CI：14.4~19.6）个月，差异有统计学意义（ χ 2=24.69， P<0.001）。驱动基因阴性（ HR=3.788，95% CI：1.951~7.301， P=0.001）、卡氏功能状态（KPS）评分<70分（ HR=2.613，95% CI：1.185~5.761， P=0.017）及中性粒细胞与淋巴细胞比值（NLR）>3.22（ HR=2.714，95% CI：1.157~6.365， P=0.022）是CNS转移性NSCLC患者预后的危险因素。KPS评分<70分（ HR=3.719，95% CI：1.165~11.876， P=0.027）及未接受放射治疗（ HR=2.032，95% CI：1.033~11.364， P=0.041）是驱动基因阳性CNS转移性NSCLC患者预后的危险因素。ROC曲线分析显示，在4种评分系统中，lung-mol GPA评分系统的曲线下面积（AUC）最高（AUC=0.843，95% CI：0.731~0.956， P<0.001）；而lung-mol GPA联合评分系统ROC曲线的AUC值（AUC=0.904，95% CI：0.816~0.991， P<0.001）高于lung-mol GPA评分系统。 结论:低KPS评分及未接受颅脑放射治疗是影响驱动基因阳性CNS转移性NSCLC患者预后的危险因素；lung-mol GPA联合评分系统更利于驱动基因阳性CNS转移性NSCLC患者的预后评估。

目的:探讨基于自动乳腺全容积成像(ABVS)影像组学的机器学习模型鉴别乳腺影像报告和数据系统(BI-RADS) 4类病灶良恶性的临床价值。方法:前瞻性收集2020年5－12月于西南医科大学附属医院(中心1)和广东省中医院(中心2)接受ABVS检查和组织活检的BI-RADS 4类病灶患者，分为训练集(中心1)和外部验证集(中心2)。将病灶的最大切面图像(ABVS横切面、矢状面和冠状面各一张)导入影像组学分析软件(MaZda)，并提取影像组学特征。在训练集，七种特征选择方法和十三种机器学习算法进行两两结合，构建不同的机器学习模型，将诊断性能最优的六种模型在外部验证集进行验证并确定最终的机器学习模型。最后，评估有或无模型辅助下不同经验超声医师(R1、R2和R3，分别有3、6和10年经验)诊断效能和诊断信心的变化。结果:①研究纳入251个BI-RADS 4类病灶，其中训练集178个(良性91个，恶性87个)，外部验证集73个(良性44个，恶性29个)；②训练集中，诊断性能最优的六种机器学习模型分别是基于递归特征消除(RFE)的深度神经网络(DNN)模型，自适应提升(AdaBoost)模型，逻辑回归(LR)模型，线性判别分析(LDA)模型，集成算法(Bagging)模型和支持向量机(SVM)模型，ROC曲线下面积(AUC)依次为0.972、0.969、0.968、0.968、0.967和0.962；③外部验证集中，DNN-RFE模型仍具有最优的诊断性能，其AUC、准确性、敏感性、特异性、阳性预测值(PPV)和阴性预测值(NPV)分别为0.886、0.836、0.934、0.776、86.8%和82.5%；④模型辅助前，R1的诊断性能最差，其准确性、敏感性、特异性、PPV和NPV分别为0.680、0.750、0.640、57%和81%；模型辅助后，R1的上述指标分别提升至0.730、0.810、0.930、68%和94%，差异有统计学意义( P＝0.039)，而R2和R3与辅助前比较，差异无统计学意义( P＝0.811，0.752)；三名医师的总体诊断信心从2.8增加至3.3( P<0.001)。 结论:基于ABVS影像组学的机器学习模型能较好地区分良恶性BI-RADS 4类病灶，提升经验较少医师的诊断性能及其诊断信心。

目的:构建并验证预测胰十二指肠切除术后患者发生临床相关术后胰瘘（CR-POPF）的集成机器学习模型。方法:本研究为预测模型研究。回顾性收集2020年6月至2023年5月在华中科技大学同济医学院附属协和医院胰腺外科接受胰十二指肠切除术的421例患者的临床资料。其中男性241例（57.2%），女性180例（42.8%），年龄（59.7±11.0）岁（范围：12~85岁）。通过分层随机抽样法将研究对象按照3∶1的比例分为训练集（315例）和测试集（106例）。使用递归特征消除算法对特征进行筛选，运用9种机器学习算法分别建模，挑选拟合能力较优的三组模型，通过Stacking算法进行模型融合构建集成模型。通过多种指标评估模型性能，并使用Shapley Additive Explanations（SHAP）方法对最优模型进行可解释性分析。根据替代胰瘘风险评分系统（a-FRS）的预测概率（P）将测试集患者分为不同风险组，对a-FRS评分进行验证并比较其与所建模型的预测效能。结果:421例患者中，发生CR-POPF 84例（20.0%）。在测试集中，Stacking集成模型表现最佳，其受试者工作特征曲线的曲线下面积（AUC）为 0.823，准确率为0.83，F1分数为0.63，Brier 得分为0.097。SHAP总结图显示，影响胰十二指肠切除术后发生CR-POPF的前9位因素依次为胰管直径、CT值比值、术后血清淀粉酶、IL-6水平、体重指数、手术时间、术前术后白蛋白差值、降钙素原及IL-10。各个因素对胰十二指肠切除术后CR-POPF 发生的影响均呈现出复杂的非线性关系。当胰管直径<3.5 mm、CT 值比值<0.95、术后血清淀粉酶浓度>150 U/L、IL-6 水平>280 ng/L、手术时间>350 min、白蛋白降低超过10 g/L时，发生CR-POPF的风险增加。a-FRS在测试集中的AUC为0.668，预测效能低于Stacking集成机器学习模型。结论:本研究构建的Stacking集成机器学习模型能够预测胰十二指肠切除术后CR-POPF的发生，有潜力成为胰十二指肠切除术后个性化诊疗的有效工具。

目的:探讨基于MR T 1WI的最优影像组学机器学习模型及其预测软组织肉瘤分级的价值。 方法:回顾性分析2009年5月至2018年11月青岛大学附属医院113例软组织肉瘤患者的术前MR T 1WI资料，采用随机分层抽样的方法将患者随机分为训练组（ n=80）和验证组（ n=33）。根据法国国家癌症研究中心（FNCLCC）系统将软组织肉瘤病理分级分为Ⅰ~Ⅲ三个级别。Ⅰ级为低级别，Ⅱ、Ⅲ级为高级别。训练组中18例为低级别、62例为高级别病变，验证组中7例低级别、26例高级别病变。图像进行标准化后，采用A.K软件对肿瘤感兴趣区进行特征提取，并基于不同特征选择方法（加入和不加入递归式特征消除）、机器学习算法（随机森林和支持向量机算法）和采样技术（不进行过采样、使用少数样本合成过采样技术、使用随机过采样技术），组合成12种机器学习算法组合，应用弃一法交叉验证进行验证，建立分类模型。采用受试者操作特征（ROC）曲线评价模型预测软组织肉瘤病理级别的效能。 结果:在12种机器学习算法建立的软组织肉瘤分级预测模型中，联合使用递归式特征消除和少数样本合成过采样技术的随机森林分类算法效能最佳，其在验证组中预测软组织肉瘤分级的ROC曲线下面积为0.909 （95％可信区间为0.808~1.000），准确率、灵敏度和特异度分别为84.85%、86.21％和75.00%。结论:基于影像组学的机器学习方法在预测软组织肉瘤病理分级方面有较大的应用价值。

目的 探讨良性前列腺增生(BPH)患者术后阴茎勃起功能障碍(ED)发生的风险因素,并建立列线图模型及风险分层标准,为临床防治ED提供参考.方法 回顾性分析2021年1月至2023年6月新乡医学院第一附属医院收治的120例BPH术后患者的临床资料,根据术后是否发生ED分组,其中ED组60例,非ED组60例.比较两组患者的临床资料,采用Logistic回归方程分析BPH患者术后ED发生的影响因素,采用R-3.4.5软件语言建立列线图模型,绘制受试者工作特征曲线(ROC)、校准曲线、曲线下面积(AUC)、决策曲线(DCA)分析列线图模型预测效能,采用递归分割法建立ED发生风险分层系统.结果 ED组患者中合并高血压、抑郁症、糖尿病、下尿路症状≥2项的例数占比分别为46.67%、31.67%、43.33%、45.00%,明显高于非ED组的28.33%、15.00%、23.33%、25.00%,差异均有统计学意义(P<0.05);ED组患者的一氧化氮(NO)、睾酮(T)水平分别为(40.42±5.56)nmol/mL、(2.11±0.60)μg/L,明显低于非ED组的(46.78±6.12)nmol/mL、(2.72±0.81)μg/L,而内皮素-1(ET-1)水平为(71.88±8.89)ng/L,明显高于非ED组的(60.02±10.23)ng/L,差异均有统计学意义(P<0.05);ED组患者收缩期峰值流速(PSV)、舒张末期流速(EDV)、阻力指数(RI)分别为(7.56±2.27)cm/s、(20.23±3.58)cm/s、0.59±0.17,明显小于非ED组的(10.22±2.69)cm/s、(25.51±4.36)cm/s、0.78±0.23,差异均有统计学意义(P<0.05);Logistic回归分析结果提示,高血压、抑郁症、糖尿病、NO、ET-1、T均是BPH术后ED发生风险的影响因素(P<0.05);基于上述影响因素构建的BPH术后ED发生风险的列线图预测模型的AUC为0.862,95%CI为0.796～0.927;DCA曲线显示该模型具有正向净获益;危险分层分析结果显示,高风险患者ED发生率为85.71%(36/42),高于中等风险的32.56%(14/43)和低风险的28.57%(10/35),差异有统计学意义(P<0.05).结论 高血压、抑郁症、糖尿病、NO、ET-1、T均是BPH术后ED发生风险的影响因素,基于上述影响因素建立的预测模型预测效能较高,基于预测模型的危险分层系统能较好地识别高危险患者,便于指导临床治疗.

目的 构建一种基于机器学习的预测模型,用于人工关节置换术后医院感染的预测.方法 选择浙江省杭州市某三甲医院2017年1月-2022年11月进行人工关节置换手术的1 800例住院患者作为研究对象,将数据集以3:1的比例随机分成训练集(1 350例)和测试集(450例).在训练集中应用递归特征消除方法进行自变量筛选,通过网格搜索方法确定逻辑回归、支持向量机(SVM)、决策树(DT)、极端梯度提升(XGBoost)和随机森林(RF)等五类模型的最佳参数.使用敏感度(TPR)、阳性预测值(PPV)、特异度(TNR)、阴性预测值(NPV)、F1分数、准确度和曲线下面积(AUC)等指标来评估模型性能,确定较优机器学习模型,并采用沙普利加性解释(SHAP)方法对较优模型中的变量重要性进行解释.结果 1 800例参与者中102例发生感染,发生率为5.67％;逻辑回归、DT、RF、SVM和XGBoost等五个模型在训练集中的AUC值达0.92、0.89、0.98、0.70、0.98;测试集中AUC值则分别为0.85、0.78、0.86、0.63、0.88;XGBoost、RF模型为较优的机器学习模型.SHAP结果显示围手术期抗菌药物使用天数、手术时间、年龄、国家医院感染监控系统(NNIS)评分、失血量是较为重要的预测因子.结论 本研究建立了基于机器学习算法的人工关节置换术后医院感染风险预测模型,并比较了多种预测模型的效能,其中XGBoost、RF模型的总体性能较优,有利于及时准确地识别人工关节置换术后医院感染高危患者并实施有效的干预措施.

探究全球生态系统动力学调查(GEDI)多波束激光雷达数据估测区域森林郁闭度(FCC)的潜力,对于评估森林生态系统状态和林分环境具有重要作用.选取滇西北典型生态脆弱区香格里拉为研究区,以GEDI波形数据为信息源,提取46245个有林地光斑参数,使用经验贝叶斯克里金法(EBK)获取光斑参数在研究区未知空间的连续分布,结合54块实测样地数据,采用支持向量机的递归特征消除法(SVM-RFE)、随机森林(RF)和Pearson分析分别优选特征变量,基于贝叶斯优化(BO)随机森林回归模型(BO-RFR)、贝叶斯优化梯度回归模型(BO-GBRT)和偏最小二乘法(PLSR)研建森林郁闭度最佳估测模型.结果表明:(1)EBK 法预测精度高,估测结果可靠,R2:0.20-0.92,RMSE:0.004-2812.912,MAE:0.003-1996.258,MRE:0.007-4.423;(2)基于不同特征优选方法筛选的特征变量和数量略有差异,SVM-RFE法优选出6个参数(cover、pai、sensitivity、rv_al、rv_a4、rg_a4)的平均交叉验证精度达0.84,RF法以贡献度5％为阈值筛选出5个参数(cover、pai、pgap_theta_error、modis_treecover、modis_nonvegetated),Pearson 法以相关性大于 0.3 且在 0.01 水平显著优选出 5 个参数(cover、pai、rv_a5、rg_a5、pgap_theta_error);(3)不同特征变量优选方法筛选的建模参数研建估测模型精度差异性较大,以SVM-RFE和RF方法优选参数构建估测模型的精度更佳,SVM-RFE方法优选参数研建估测模型精度变化相对稳定,以RF方法中的BO-GBRT模型为最佳FCC估测模型(R2=0.85、RMSE=0.069,P=86.5％);(4)采用BO-GBRT模型估测研究区森林郁闭度和空间制图,与GEDI pai参数预测的FCC具有较高空间相关性达0.53,FCC均值分别为0.58、0.61,主要分布在0.4-0.7,分别占比65.45％、51.79％.研究区森林郁闭度主要处于中度郁闭,北部区域主要为高度郁闭区,与研究区植被覆盖度的空间分布具有一致性,说明使用GEDI数据估测森林郁闭度的方法具有可行性、结果具有可靠性.研究为使用GEDI数据高效、及时、低成本估测大空间尺度的森林水平结构参数的相关研究奠定了基础.

目的 分析早产儿医院感染直接经济损失的影响因素.方法 回顾性收集泉州市第一医院2018年1月-2022年12月新生儿重症监护室早产儿的资料,采用递归系统模型分析各因素对早产儿医院感染直接经济损失的影响.结果 共纳入1 205例早产儿,医院感染124例,感染率为10.29％;经倾向指数匹配法共成功匹配121对;早产儿医院感染组和非感染组住院天数中位数分别为34 d和7 d,医院感染组较非医院感染组住院时间延长27 d(P＜0.001);医院感染组住院费用中位数为39 636.94元,非医院感染组为8 982.02元,医院感染组住院费用较非医院感染组多支出30 654.92元(P＜0.001);在增加的费用中,以药费、治疗费和检查费为主;出生体质量对早产儿医院感染直接经济损失既存在直接效应又存在间接效应,影响最大;住院天数、胃管留置和气管插管仅有直接效应;胎龄和抗菌药物使用天数仅有间接效应.结论 临床实践中需重点关注出生体质量＜1 500 g和胎龄＜32周的早产儿、尽可能缩短住院天数、减少侵入性操作、控制抗菌药物使用天数,从而控制住院费用,减少患儿经济负担.

目的 基于列线图模型探究静脉全身麻醉腹腔镜胆囊切除术患者术后肠道功能紊乱的影响因素.方法 回顾性分析2018年10月至2020年10月105例行全身麻醉腹腔镜胆囊切除术的患者资料,按照术后是否发生肠道功能紊乱,分为紊乱组(n=26)和正常组(n=79).用SPSS 22.0软件进行统计分析,采用多因素Logistic回归分析患者术后肠道功能紊乱的影响因素,采用R(R3.5.3)软件包和rms程序包制作列线图模型并验证;依据列线图模型预测个体得分采用递归分割分析(RPA)法建立危险分层系统,并进行亚组分析,采用Kaplan-Meier绘制生存曲线,并采用Log-Rank检验对生存曲线进行比较.P＜0.05为差异有统计学意义.结果 紊乱组患者术后肠鸣音恢复时间、首次排气时间、首次排便时间、腹胀评分、腹痛评分均高于正常组(P＜0.05),二胺氧化酶、D-乳酸、肿瘤坏死因子a(TNF-a)、白细胞介素-6(IL-6)、葡萄球菌水平高于正常组,乳酸杆菌水平低于正常组(P＜0.05).多因素Logistic回归分析显示,二胺氧化酶、D-乳酸、TNF-a、IL-6以及葡萄球菌是全身麻醉腹腔镜胆囊切除术患者术后肠道功能紊乱的独立影响因素,乳酸杆菌为保护因素(P＜0.05).依据独立影响因素构建的列线图模型内部验证前后AUC分别为0.849(95％CI:0.738～0.892)和 0.827(95％CI:0.721～0.863),灵敏度分别为 88.2％和87.9％,特异度分别为92.5％和91.4％,模型预测的区分度和有效性均较好.决策曲线显示阈值概率在1.0％～90.0％时,有较高的净获益值.危险分层系统将所有患者分为4个危险分组,该危险分层系统可对患者生存进行区分(P＜0.05).结论 行全身麻醉腹腔镜胆囊切除术后,患者如有二胺氧化酶、D-乳酸、TNF-a、IL-6、乳酸杆菌、葡萄球菌等指标水平异常的情况,需注意肠道功能紊乱的情况发生.