目的:通过机器学习结合生物信息学技术以筛选核心预后价值的巨噬细胞的特征基因，并且探索其与免疫微环境、肿瘤免疫治疗的关系。方法:本研究搜集TCGA数据库中COAD数据集和GEO数据库中（GSE39582）数据集。CIBERSORT法计算肿瘤样本中M2型巨噬细胞水平，通过相关性分析、单因素和多因素Cox回归分析和随机生存森林算法筛选特征基因。ESTIMATE算法计算肿瘤样本的免疫微环境评分（间质评分与免疫评分），并且研究特征基因及其关系，最后在免疫治疗队列中进行验证。结果:本研究确定PPM1M与MRAS作为机器学习确定的核心预后基因。在TCGA数据中，高表达水平MRAS人群拥有更短的无进展生存时间（P=0.0013）。在GEO数据中，高表达PPM1M基因（P=0.031）和MRAS基因（P=0.002）均与复发相关。PPM1M、MRAS基因和肿瘤免疫评分和间质评分均呈正相关、与抑制性调节T淋巴细胞水平呈正相关。最后，在免疫治疗评价中，高表达的PPM1M和MRAS患者接受免疫治疗的预后更好。结论:机器学习确定的M2型巨噬细胞特征基因与生存、复发和进展相关。在免疫微环境中，PPM1M和MRAS均与抑制性的肿瘤免疫成分和间质成分呈正相关。此外，PPM1M和MRAS可能成为免疫治疗疗效的新型标志物。

目的:探究普通登革热的特征基因及免疫浸润特点.方法:基于 GEO 数据库中的 GSE96656、GSE206829 芯片与R软件,分析普通登革热患者与健康者之间的差异表达基因.利用随机森林模型以及LASSO回归模型筛选疾病特征基因,并通过外部数据集验证基因表达情况.采用CIBERSORT算法进行普通登革热的免疫浸润分析,并分析特征基因与免疫细胞浸润的相关性.结果:共获得 500 个差异表达基因.随机森林模型以及LASSO回归模型筛选出IFI44L、FMO4 作为疾病特征基因.外部数据集验证发现IFI44L在普通登革热患者全血中呈高表达.IFI44L与M1 巨噬细胞、活化的树突状细胞和记忆性B细胞的浸润程度呈正相关;FMO4 与M1 巨噬细胞、活化的记忆性CD4+T细胞的浸润程度呈正相关(P<0.05).结论:IFI44L、FMO4 可能是普通登革热的特征基因,且与免疫细胞如M1 巨噬细胞浸润有关.

目的:探讨2 型糖尿病(T2DM)及糖尿病前期人群中血尿酸(SUA)与血糖的关联.方法:从 2020 年 1月至2022 年12 月于淄博市某三级医院体检的人群中,选取新确诊的T2DM患者 1 012 人,糖尿病前期 1 025 人.分别利用两个人群数据,采用随机森林算法筛选与血糖关系密切的关键协变量,采用协变量均衡广义倾向性评分法均衡关键协变量后,对SUA与血糖水平进行加权线性回归.结果:筛选出甘油三酯、年龄、谷氨酰胺转肽酶、谷草转氨酶、肌酐、低密度脂蛋白、总胆固醇、碱性磷酸酶、尿素、谷草/谷丙为关键协变量.在T2DM人群中,均衡后协变量与SUA的相关系数均值为0.004 4;在糖尿病前期人群中,均衡后相关系数均值为0.078 1.加权线性回归结果显示,在T2DM人群中,血尿酸(100 倍)水平与血糖变化呈负关联,β(95%CI)为-0.424(-0.601～-0.247);在糖尿病前期人群中两者的关联没有统计学意义,β(95%CI)为 0.001(-0.020～0.021).结论:T2DM患者血尿酸水平与血糖呈负关联.

目的 了解产妇母乳喂养社会支持现况及影响因素.方法 采用完全随机整群抽样法,对承德市4所社区卫生服务中心535例产妇进行母乳喂养社会支持水平调查,采用随机森林模型和LASSO回归进行影响因素重要性排序和筛选.结果 产妇母乳喂养社会支持量表总得分为52.00(9.00)分.LASSO回归显示:当lambda(A)值为0.1177时,误差最小,对应的影响因素数目为10个,重要性排序及多元回归分析结果显示,影响母乳喂养社会支持的主要因素依次是:社区宣传母乳喂养的方式、是否重返工作岗位、就业状态、夜间是否哺乳、喂养方式(P＜0.05).结论 产妇母乳喂养社会支持水平有待提高,医护人员可根据产妇母乳喂养社会支持的影响因素制定针对性的干预措施.

目的 探讨基于随机森林模型的产妇出院准备度的影响因素,为临床提高出院准备度提供理论依据.方法 采用便利抽样法,选取2022年3月至7月于宁夏医科大学总医院和银川市妇幼保健院产科住院的418例产妇作为研究对象.采用产妇一般资料问卷、产妇出院准备度量表、家庭功能评定量表进行调查.采用Spearman相关分析产妇出院准备度与家庭功能的相关性,采用多元线性回归和随机森林模型分析产妇出院准备度的影响因素.结果 产妇出院准备度量表总分为133.00(116.00,148.00)分,家庭功能评定量表总分为129.00(119.00,137.00)分.不同家庭人均月收入、婚龄、住院时间、孕次、产次、分娩方式、喂养方式及参加孕妇学校或课程的产妇出院准备度量表总分比较,差异有统计学意义(P＜0.05).除自身状况、疾病知识和出院后应对能力与情感反应无相关性外,产妇出院准备度量表及各维度评分与家庭功能评定量表及其余维度评分呈负相关(P＜0.01).住院时间、产次、分娩方式、喂养方式、参加孕妇学校或课程、家庭功能评定量表总分可解释出院准备度22.9％的变异.随机森林模型对各影响因素重要性排序从高到低依次为家庭功能评定量表总分、产次、喂养方式、参加孕妇学校或课程、住院时间及分娩方式.结论 产妇出院准备度处于中上水平,在临床工作中应将家庭功能评估纳入出院准备教育中,制订适合家庭需要的提高出院准备度的方案.

作为中国重要粮食生产基地的东北农田,由于不合理利用,土壤有机碳含量出现逐年下降的趋势.本研究以辽宁省典型作物玉米和水稻土壤为对象,共采集444份土壤样品,分析土壤有机碳及其组分(微生物生物量碳、死亡残体碳和可溶性有机碳)的含量,并解析影响有机碳的关键因素.结果表明:水稻田土壤有机碳(SOC)、微生物生物量碳(MBC)含量和MBC/SOC值均高于玉米田土壤,而水稻田土壤可溶性有机碳含量、细菌残体碳、真菌残体碳和土壤残体碳总量低于玉米田土壤;相关分析显示,玉米田和水稻田的SOC与MBC和微生物残体碳具有显著正相关性;回归分析显示,水稻田SOC与MBC和微生物残体碳的斜率较低;随机森林模型分析显示,土壤C/N和真菌残体碳是玉米田和水稻田土壤SOC的关键影响因素,但两者对玉米田土壤SOC的解释度更高;玉米田和水稻田SOC组分及关键影响因素存在显著差异,微生物周转过程对玉米田SOC影响更大,土壤性质对水稻田SOC含量起到主要影响.本研究为科学调控东北农田土壤有机碳提供基础数据和理论基础.

目的 基于Logistic回归与随机森林算法构建甲状腺乳头状癌(PTC)颈部淋巴结转移(LNM)的预测模型,比较二者的诊断效能.方法 选取我院收治的PTC患者156例,依据是否发生颈部LNM分为非转移组65例和转移组91例,比较两组超声、基因检测及临床检查结果的差异.采用多因素Logistic回归分析筛选PTC颈部LNM的独立影响因素,基于Logistic回归和随机森林算法分别构建PTC颈部LNM的预测模型;绘制受试者工作特征(ROC)曲线分析模型的诊断效能.结果 转移组与非转移组年龄、结节最大径、甲状腺球蛋白抗体(TgAb)水平,以及甲状腺外浸润(ETE)、BRAFV600E基因突变、微钙化占比比较差异均有统计学意义(均P＜0.05).多因素Logistic回归分析显示,微钙化、结节最大径、ETE、年龄、TgAb水平、BRAFV600E基因突变均为PTC颈部LNM的独立影响因素(均P＜0.05).ROC曲线分析显示,Logistic回归模型预测PTC颈部LNM的曲线下面积(AUC)为0.763;随机森林模型显示,树的数目为272时错误率最低,模型预测PTC颈部LNM的相对重要预测因子排序依次为TgAb水平、BRAFV600E基因突变、微钙化、年龄、ETE、结节最大径,其预测PTC颈部LNM的AUC为0.856,高于Logistic回归模型(Z=2.812,P=0.005).结论 基于随机森林算法构建的PTC颈部LNM预测模型的诊断效能高于基于Logistic回归构建的预测模型,临床医师可根据PTC患者颈部LNM的随机森林重要性排序制定合适的干预措施.

目的:探讨基于CT影像组学的机器学习模型预测胰腺癌门静脉-肠系膜上静脉(PV-SMV)侵犯的价值。方法:回顾性分析2010年1月至2021年7月南京医科大学附属无锡第二医院收治的156例经手术病理确诊的胰腺癌患者的临床、病理及术前CT影像资料，其中男性95例，女性61例，年龄(65.7±8.2)岁。所有入组患者按3∶2的比例划分训练集和验证集。通过患者术前增强CT提取肿瘤影像组学特征，采用最大相关最小冗余算法进行特征选择后，构建5种机器学习算法预测模型，并与常规影像特征诊断的受试者工作特征(ROC)曲线进行比较。结果:94例患者纳入训练集，62例纳入验证集。训练集和验证集中手术探查证实的PV-SMV侵犯病例分别为30例(31.9%)和25例(40.3%)。基于10个影像组学特征构建的5个机器学习模型中，LASSO回归模型的AUC优于随机森林、支持向量机、K近邻和朴素贝叶斯4个模型，差异有统计学意义(均 P<0.05)。与常规影像特征的诊断效能比较，LASSO回归模型在验证集中诊断PV-SMV侵犯具有更高的AUC(0.920比0.752)和更好的灵敏度(92.0%比86.5%)，差异具有统计学意义(均 P<0.05)。 结论:基于CT影像组学的机器学习模型可实现胰腺癌PV-SMV侵犯的术前预测，LASSO回归模型较常规影像特征的诊断效能更高。

目的:建立并评价脓毒症相关性急性肾损伤（S-AKI）患者3个月死亡风险的列线图预测模型。方法:基于美国重症监护医学信息数据库Ⅳ（MIMIC-Ⅳ），收集2008至2021年S-AKI患者的临床数据。初步纳入58个相关预测因素，以3个月内全因死亡为结局事件。按7∶3比例将数据分为训练集和验证集。在训练集中采用单因素Logistic回归分析初步筛选变量，运用多重共线性分析、Lasso回归和随机森林算法并结合临床应用价值进行变量选择，建立多因素Logistic回归模型并利用列线图进行可视化表达。在验证集中进行内部验证，评价模型预测价值；绘制受试者工作特征曲线（ROC曲线）计算曲线下面积（AUC）评价列线图模型及牛津急性疾病严重度评分（OASIS）、序贯器官衰竭评分（SOFA）、全身炎症反应综合征评分（SIRS）的区分度；校准曲线评价校准度；决策曲线分析（DCA）评估不同阈值概率下的净效益。结果:基于确诊后3个月时的生存状况将患者分为存活组7?768例（68.54%），死亡组3?566例（31.46%）。在训练集中通过多重筛选，最终纳入7个变量，即Logistic器官功能障碍评分（LODS）、Charlson合并症指数、尿量、国际标准化比值（INR）、呼吸支持方式、血尿素氮和年龄，并纳入列线图模型。在验证集中进行内部验证，ROC曲线分析显示，列线图模型的AUC为0.81〔95%可信区间（95% CI）为0.80～0.82〕，大于OASIS评分的0.70（95% CI为0.69～0.71），远大于SOFA评分的0.57（95% CI为0.56～0.58）和SIRS评分的0.56（95% CI为0.55～0.57），具有较好区分度。校准曲线显示列线图模型校准度优于OASIS、SOFA、SIRS评分。DCA曲线显示列线图模型在不同阈概率情况下的临床净收益均好于OASIS、SOFA、SIRS评分。 结论:基于MIMIC-Ⅳ临床大数据建立的一个包含7项变量的S-AKI患者3个月死亡风险预测列线图模型具有很好的区分度和校准度，为评估S-AKI患者预后提供了有效的新工具。

目的:探究血液代谢物和瘢痕疙瘩之间的因果关系。方法:该研究为基于两样本双向孟德尔随机化（MR）分析的研究。从全基因组关联研究（GWAS）Catalog数据库中获取7 824名成年人志愿者及8 299名受试者的血液代谢物和481 912名瘢痕疙瘩患者相关数据进行研究。通过设置显著阈值 P<1.0×10 -5、连锁不平衡分析[ r2=0.001、千碱基对（kb）= 10 000)]，以及 F统计量( F≥10)，筛选与血液代谢物和瘢痕疙瘩显著相关的单核苷酸多态性（SNPs），作为工具变量纳入MR分析。采用MR分析的5种方法，即以逆方差加权法（IVW）为主，MR-Egger回归、加权中位数法(WM)、简单模型法及加权模型法作为辅助方法，分析血液代谢物（暴露因素）和瘢痕疙瘩（结局变量）的因果关系。对符合条件的血液代谢物SNPs进行敏感性分析，评估研究结果的可靠性和稳定性：通过Cochran Q检验和MR-Egger回归检验评估其异质性，MR Egger截距检测排除其水平多效性，留一法检验评估是否存在单个SNPs对MR分析结果产生显著影响，MR-PRESSO法检验SNPs异常值，通过错误发现率（FDR）进行矫正（FDR<0.2），控制假阳性率。反向MR分析以瘢痕疙瘩为暴露因素，将前述MR分析筛选得到的血液代谢物作为结局变量进行效应分析和敏感性分析。使用R 4.3.2软件及其中的TwoSampleMR程序包对数据进行分析，MR分析的因果效应值用比值比( OR)和95% CI表示， P<0.05为差异有统计学意义，即潜在因果效应的证据显著。构建森林图、漏斗图、散点图对MR分析、敏感性分析结果进行可视化展示。 结果:从GWAS Catalog数据库中获得1 400种血液代谢物，共有34 843个SNPs，均符合遗传变异与暴露因素密切相关的假设;瘢痕疙瘩数据集共获得24 197 210个SNPs。IVW分析发现1种血液代谢物琥珀酰牛磺酸（16 ∶ 1n-7）有28个SNPs与瘢痕疙瘩具有因果关系( OR=1.13, 95% CI 1.06~1.19， P<0.001，FDR=0.070) ; MR-Egger回归法( OR=1.11, 95% CI 1.04~1.19， P=0.005)、加权中位数法（ OR=1.11, 95% CI 1.02~1.20， P=0.014）和加权模型法（ OR=1.12，95 % CI 1.04~1.20， P=0.004）分析结果也显示，琥珀酰牛磺酸（16 ∶ 1n-7）是瘢痕疙瘩疾病的风险因素；仅简单模型法结果显示琥珀酰牛磺酸（16 ∶ 1n-7）与瘢痕疙瘩疾病的因果关系不明显( OR=1.10, 95% CI 0.85~1.41， P=0.485)。MR整体分析结果表明，琥珀酰牛磺酸（16 ∶ 1n-7）与瘢痕疙瘩有显著的正向因果关系，即琥珀酰牛磺酸（16 ∶ 1n-7）水平升高，瘢痕疙瘩患病风险增高。Cochran Q检验( Q=26.98， P=0.465)、MR-Egger回归检验( Q=26.65， P=0.428)、MR-Egger截距检测( P=0.574)、MR-PRESSO综合检验（ P=0.569）结果均显示，SNPs之间不存在异质性及水平多效性( P>0.05)；留一法检验证实，单个SNPs对整体结果没有显著影响，说明结果具有可靠性和稳定性。而反向MR分析提示瘢痕疙瘩对琥珀酰牛磺酸（16 ∶ 1n-7）不存在因果关系（IVW: OR=0.98，95% CI 0.93~1.04， P=0.490）。 结论:血液代谢物琥珀酰牛磺酸（16 ∶ 1n-7）与瘢痕疙瘩存在显著的正向因果关系，琥珀酰牛磺酸（16 ∶ 1n-7）是瘢痕疙瘩疾病的风险因素。