为分析红松树高的生长规律,筛选生长优良种源,本研究利用帽儿山实验林场的26个种源234株人工红松树高、胸径和材积的差异对种源进行分组,结合Gompertz、Korf、Richards、Logistic、Schumacher基础模型构建树高生长方程,对比选出最优基础模型,将种源分组作为哑变量引入基础模型,根据确定系数(R2)、均方根误差(RMSE)、赤池信息准则(AIC)、模型预估精度(FP)对模型进行综合评价,构建基于帽儿山林场红松生长的最优树高生长方程.结果表明:26个种源的生长性状值在区组间具有显著差异,而在种源间树高和胸径表现为差异显著.综合考虑不同生长性状指标所划分的4组种源生长量分别为A组(五营、鹤北、临江、东方红、桦南、露水河、方正)＞B组(爱辉三站、凉水、铁力、清河)＞C组(乌伊岭、沾河、亮子河、白河、柴河、草河口、八家子)＞D组(桶子沟、大石头、汪清、和龙、延寿、大海林、小北湖、穆棱).4组的最优基础树高生长模型为Gompertz模型,引入哑变量后模型的拟合精度(R2=0.9353)高于基础模型(R2=0.9303),模型预测精度也有一定的提升.各组种源树高生长曲线均符合"S"形变化规律,但各组存在明显差异,以A组种源表现最好.不同种源的红松生长量在一定程度上具有差异,含种源分组哑变量的人工红松树高生长模型能有效提高模型的预测精度,反映不同种源红松的树高生长差异,可以为红松人工林的选种培育提供科学依据.

目的 回顾性研究社区老人心理状态现状及影响其焦虑抑郁情绪的相关因素.方法 选取2022年12月～2023年12月某社区已建立居民健康档案的老人80例进行回顾性分析,依据档案资料中的Zung焦虑自评量表(Self-rating anxiety Scale,SAS)及Zung抑郁自评量表(Self-Rating Depression Scale,SDS)评估结果是否存在焦虑及抑郁情况进行分组,分为发生组和未发生组,收集对比两组社区老人的资料情况,存在差异的指标使用Logistic回归模型分析影响心理状态的相关因素,构建风险预测模型,利用受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC)评价模型价值,构建校准曲线与决策曲线.结果 两组婚姻状况、月收入、慢性疾病、独居、匹兹堡睡眠质量指数(Pittsburgh sleep quality index,PSQI)评分及自我效能感量表(General Self-Efficacy Scale,GSES)评分对比存在显著差异(P＜0.05),且上述因素均是社区老人焦虑抑郁情绪的危险因素(OR值＞1).通过构建列线图,并绘制ROC曲线验证列预测模型准确性,发现AUC是0.769,95％CI为(0.666～0.871).风险预测模型的校准曲线和参考曲线相近,证明社区老人焦虑抑郁情绪的预测风险和实际风险一致性较高;同时预测模型的净获益率较高,证明该预测模型的适用性较好.结论 婚姻状况、月收入、慢性疾病、独居、睡眠情况及自我效能感均为社区老人焦虑抑郁情绪的影响因素,由此构建风险预测模型的预测效能高、适用性好,为采取干预措施提供指导.

目的 探讨急性心肌梗死(AMI)患者血清可溶性生长刺激表达因子2(sST2)、同型半胱氨酸(Hcy)、白细胞介素(IL)-33水平与冠脉狭窄程度及主要不良心血管事件(MACE)的关系.方法 回顾性选取该院于2021年5月至2023年5月收治的139例AMI患者,按照是否发生MACE,分为预后良好组54例,预后不良组85例.采用Spearman相关性分析AMI患者血清sST2、Hcy、IL-33水平与冠脉狭窄程度的关系.采用多因素Logistic回归分析患者发生MACE的影响因素,以及绘制受试者工作特征(ROC)曲线评价血清sST2、Hcy、IL-33水平对AMI患者发生MACE的预测价值.结果 预后不良组血清sST2、Hcy、IL-33水平显著高于预后良好组,差异有统计学意义(P＜0.05).重度狭窄、中度狭窄患者血清sST2、Hcy、IL-33水平均明显高于轻度狭窄患者,差异有统计学意义(P＜0.05).Spearman相关性分析显示,血清sST2、Hey、IL-33水平与冠脉狭窄程度呈正相关(P＜0.05).血清Hcy、sST2、IL-33均是影响AMI患者发生MACE的危险因素.ROC曲线分析显示,血清sST2、Hcy、IL-33水平对于AMI患者发生MACE的预测价值的曲线下面积(AUC)分别为0.838、0.726和0.800,灵敏度分别为87.1％、80.0％和84.7％,特异度分别为77.8％、68.5％和77.8％,三者联合对AMI患者发生MACE的预测价值的AUC为0.906,灵敏度和特异度分别为88.2％、90.7％.结论 血清sST2、Hcy、IL-33水平对于AMI患者发生MACE具有一定的预测价值.

目的 用现有药代动力学(PK)药物相互作用(DDI)信息的数据库,构建出可用于预测AUC倍数变化(FC)的机器学习模型,用于探究对现有DDI预测的可能,为临床用药提供一定的合理建议.方法 从美国食品药品监督管理局(FDA)认证的药品标签中提取DDI的PK数据和AUC倍数变化的数据.通过DrugBank检索出DDI有关的多肽和药效学(PD)信息,用蛋白质资源(UniProt)对相关多肽ID进行药物类型(PPDT)标识,用矩阵归一化的代码生成便于分析的多维向量数据.PPDT对AUC的影响和所产生的倍数变化作为因变量,进行机器学习模型构建.用均方根误差(RMES)值最小的模型进行模型构建,训练出袋装决策树(Bagged)预测模型.利用训练好的模型对部分药物检验,检测模型的预测性别.通过查阅现有的有关检测DDI对的文献研究结果,对预测值进行分析比较,对模型进行评价.结果 检验模型药物对共16对,分别为16种药物对他克莫司的影响,发现对DDI的有无预测准确率为81.25％;预测结果根据FDA标准分类强弱,结果表明,DDI强弱预测,偏离较大的预测较少.结论 模型预测DDI的有无评价一般;但对DDI的强弱分类后,对DDI的预测结果较好,预测结果说明模型预测性能对于在临床试验之前进行潜在的DDI评估具有一定的参考价值.

目的 构建预测剖宫产产后出血(postpartum hemorrhage,PPH)患者并发感染风险Nomogram模型.方法 选取2021年9月至2023年9月上海交通大学医学院附属第六人民医院收治的222例行剖宫产PPH患者,根据是否感染分为剖宫产PPH感染患者(感染组,111例)和剖宫产PPH未感染患者(未感染组,111例).统计两组临床资料、不同时间点血常规指标[白细胞、C反应蛋白(C-reactive protein,CRP)、中性粒细胞],分析血常规指标与患者并发感染的相关性;Lasso-Logistic回归分析患者并发感染的影响因素,构建预测患者并发感染风险的Nomogram模型.风险能力指数(C-index)、ROC曲线、校正曲线对该模型进行检验与评价.结果 感染组年龄≥35岁、前置胎盘、胎膜早破患者占比高于未感染组(P＜0.05);感染组分娩后1 d、分娩后3 d白细胞、CRP、中性粒细胞高于分娩前,且高于未感染组(P＜0.05);分娩后1 d、分娩后3 d白细胞、CRP、中性粒细胞与患者并发感染呈正相关(P＜0.05),其中分娩后1 d白细胞、中性粒细胞及分娩后3 d的CRP与患者并发感染的相关性更强.Lasso-Logistic回归结果显示,前置胎盘、胎膜早破、分娩后1 d白细胞、分娩后1 d中性粒细胞、分娩后3 d的CRP与剖宫产PPH患者并发感染显著相关(P＜0.05);基于以上因素构建预测患者并发感染风险的Nomogram模型,C-index显示该模型具有较好区分度,ROC曲线显示灵敏度为91.89％,特异度为81.98％,校准曲线与理想曲线拟合良好.结论 剖宫产PPH患者并发感染的影响因素为前置胎盘、胎膜早破、分娩后1 d白细胞、分娩后1 d中性粒细胞、分娩后3 d的CRP,基于以上因素构建的并发感染风险预测Nomogram模型具有良好区分度和预测价值.

目的 老年髋部骨折患者急性尿潴留(acute urinary retention,AUR)问题容易被忽视,通过建立老年髋部骨折患者AUR发生风险的临床预测模型,帮助临床医师能早期识别高风险患者,尽早干预,减少AUR的发生.方法 回顾性收集2023年7月1日至2023年8月31日就诊于本院急诊的老年髋部骨折患者313例,根据是否发生AUR将患者分为AUR组(45例)和非AUR组(268例),比较两组患者的基本特征、实验室化验指标、膀胱体积,通过Logistic分析影响AUR发生的独立危险因素,建立老年髋部骨折患者AUR发生风险的列线图预测模型,并对模型进行内部验证.结果 合并痴呆精神行为症状(behavioral and psychological symptoms of dementia,BPSD)(OR=3.334,95％CI 1.258～8.839,P=0.015)、使用催眠镇静药(OR=6.758,95％CI 2.184～20.912,P=0.001)、心率增快(OR=1.041,95％CI 1.013～1.070,P=0.004)、膀胱体积增大(OR=1.005,95％CI 1.004～1.007,P＜0.001)是老年髋部骨折患者发生AUR的独立危险因素,基于上述因素构建列线图预测模型,采用Bootstrap法进行内部验证显示预测曲线与标准模型曲线拟合度较高,平均绝对误差为0.021.受试者工作曲线(ROC)结果显示AUC为0.083,95％CI为0.767～0.909.结论 合并BPSD、使用催眠镇静药、心率增快、膀胱体积增大是老年髋部骨折患者发生AUR的独立危险因素,构建列线图预测模型可直观地评估老年髋部骨折患者AUR发生风险,为急诊医生提供参考.

对治疗痿病的古籍验方和名医验案进行挖掘,获得中医治疗痿病的核心组方,并加以筛选与评价,为中医优势病种的新药开发提供示范.通过检索治疗痿病的古籍验方和名医验案中所含方药,建立痿病方药数据库,利用中医传承计算平台对古籍验方和名医验案的用药规律进行挖掘分析;基于网络稳健性中药药效预测平台计算获得古籍验方和名医验案核心组方的干扰分值.在此基础上,将古籍验方、名医验案、计算分析的结果进行综合评判,最终确定聚类获得的核心组方的开发优先等级.结果显示,古籍验方和名医验案用药多倾向于补虚、活血化瘀、清热和解表类,尤以温性和甘味药为主,主要归属脾、肝、肾经.古籍验方和名医验案聚类分析获得的核心组方通过网络稳健性分析显示,古籍验方组合1对疾病网络的扰动作用最强,综合评价显示具有最优的开发潜力.中医治疗痿病均重视脾、肝、肾、肺的调理,补虚的同时辅以清热、活血化瘀和解表类药物,获得的古籍验方组合1提示具有最优的潜在开发价值,形成的"古籍验方-名医验案-计算分析"整合策略可用于中药新药候选处方的筛选.

目的 研究多层螺旋CT(MSCT)增强扫描技术在结直肠癌肺转移中的诊断价值,并对肺转移的危险因素进行分析.方法 入选2019年1月至2022年2月于我院就诊的结直肠癌患者223例为研究对象,比较X线、MSCT对结直肠癌肺转移的诊断效能.根据活检结果将患者分为转移组和对照组,比较两组患者的临床资料,对影响结直肠癌肺转移的危险因素进行多元Logistic回归分析.结果 在评价结直肠癌肺转移的诊断效能指标中,MSCT的准确度更高,且灵敏度、特异度以及阳性和阴性预测值均高于X线,结果具有统计学差异(P＜0.05).38例肺转移患者中11例(28.95％)病灶数目≥3个,MSCT图像中绝大多数病灶为实性结节,68.35％病灶边缘不光整,81.01％的病灶分叶,54.43％的病灶出现短毛刺,82.28％的病灶呈不均匀强化,长毛刺病灶比例较低,为26.58％.多元Logistic回归分析提示癌胚抗原表达升高、肿瘤原发于直肠以及Dukes C期为导致结直肠癌肺转移的独立危险因素.结论 MSCT对结直肠癌肺转移的诊断价值较高,影像表现多样化,肿瘤原发部位为直肠、癌胚抗原表达升高及Dukes C期是结直肠癌肺转移的独立危险因素,对此类患者行MSCT增强扫描具有一定的意义.

目的 建立针对云南省多民族人群的产后抑郁风险预测模型并识别预测因子.方法 于云南省某多民族聚居县对处于产后42天～1年的女性采用爱丁堡产后抑郁量表(Edinburgh Postnatal Depression Scale,EPDS)进行产后抑郁筛查.以是否存在产后抑郁症状(EPDS ≥9分)为结局指标,基于随机森林算法纳入人口经济学、社会心理学、产科学、新生儿、配偶及家庭、其他特征因素共52个影响因素,在训练集上构建云南多民族人群产后抑郁风险预测模型,在测试集上采用准确率、灵敏度、特异度、阳性预测值、阴性预测值及受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC曲线)下面积(Area Under Curve,AUC)评价该模型性能.结果 本研究纳入分析的女性为459名,产后抑郁检出率为11.55％,其中汉族7.56％、壮族13.94％、其他少数民族13.92％.重要性评分位于前14的变量为:焦虑、既往不良情绪史、夫妻感情、家人支持水平、照顾新生儿身心疲惫、妊娠风险分级、母婴同室、喂养模式、文化程度、配偶文化程度、夜间照顾新生儿次数、民族、孕次、年龄.该模型准确率为92.74％,特异度为95.50％,灵敏度为69.23％,阳性预测值为64.29％,阴性预测值为96.36％,AUC值为0.925.同时,分别以汉族、壮族和其他少数民族人群作为验证集进行内部验证,显示模型稳定性好.结论 基于随机森林算法建立的云南多民族人群产后抑郁风险预测模型性能良好,可用于预测少数民族地区女性产后抑郁风险因子,从而采取针对性干预措施.

目的 通过机器学习方法对流行性感冒临床证候学资料进行训练,获得流感辨证模型.方法 收集2019年12月-2022年3月就诊于中日友好医院发热门诊的流行性感冒患者病历资料,使用数据采集系统进行数据处理,将不同数据处理过程产生的数据分别存储,以逻辑回归、决策树、朴素贝叶斯、支持向量机、多层感知机、lightGBM和随机森林为备选模型,通过Optuna进行超参数优化选择,并在各数据集中分别训练模型,以macro-F1评分为核心指标,对模型的预测性能进行评价.结果 整理得到训练样本1 011个,其中风热犯卫证453个、风寒束表证152个、表寒里热证406个;得到用于训练的数据集8个,包含数据80份.经训练,逻辑回归、决策树、朴素贝叶斯、支持向量机、多层感知机、lightGBM、随机森林模型的macro-F1评分分别为0.783 0、0.774 2、0.731 5、0.782 4、0.716 7、0.793 8、0.815 3.加权样本能显著提高平均模型性能,而主成分分析降维会降低平均模型性能.单一模型中,逻辑回归模型预测性能最佳;集成方法模型中,随机森林模型预测性能最佳.结论 在样本量较小的情况下,流行性感冒中医辨证模型使用逻辑回归、决策树、支持向量机和lightGBM较为适宜,随着样本量增加,逻辑回归、支持向量机、lightGBM和随机森林可能更为合适.不同数据处理方式会影响模型性能,对证型典型程度信息的采集有利于提高模型性能.