肺脏超声联合血清单核细胞趋化蛋白-1对重症社区获得性肺炎短期预后的预测价值

目的 探究肺脏超声联合血清单核细胞趋化蛋白-1 (MCP-1)对重症社区获得性肺炎（CAP）短期预后的预测价值。方法 选取本院2019年3月～2022年11月收治的137例重症CAP患者。根据治疗28天后患者是否死亡将其分为生存组（n=86）和死亡组（n=51）。比较不同组别中临床资料、血清指标的差异。采用Pearson分析评估LUS评分、血清MCP-1水平与其他临床指标的相关性。采用二元Logistic分析评估CAP患者死亡的影响因素。采用受试者工作特征曲线（ROC）评估LUS评分、MCP-1对CAP患者28天死亡的预测价值。结果 死亡组患者的SOFA评分、LUS评分及MCP-1较生存组升高，而氧合指数较生存组降低（P<0.05）。LUS评分、血清MCP-1水平与SOFA评分呈正相关，而与氧合指数呈负相关（P<0.05）。二元Logistic分析显示，SOFA评分、LUS评分及MCP-1是CAP患者28天发生死亡的危险因素（P<0.05）。ROC曲线显示，LUS评分、MCP-1联合诊断的AUC值明显高于单一LUS评分或MCP-1的AUC值，其灵敏度和特异度分别为80...     

基于影像组学的深度学习评估肌少症对肝癌切除和移植患者预后的影响（中文）

肌少症是指因持续骨骼肌含量流失、强度和功能下降引起的综合征,且与包括肝细胞癌（HCC）在内的肿瘤患者预后密切相关。目前该病的检测手段局限且无统一标准。本文旨在利用基于影像组学的深度学习（DL）技术评估肌少症,用于肝癌患者行肝脏部分切除术或肝移植术的预后预测。本研究回顾性纳入浙大一院肝癌手术切除492例（训练集+内部验证集）与肝癌肝移植173例患者（外部LT验证集）,东方肝胆医院肝癌切除患者161例（外部验证集）,并收集患者术前一个月内的腹部计算机断层扫描（CT）平扫期影像与临床资料;单中心肝切除术组入组患者按7:3随机分为训练集和内部验证集（训练集345例,验证集147例）,肝移植组及第二中心肝癌切除组作为外部验证集,经训练集建立预测模型,并利用内部和外部验证集验证预测模型的预测性能;对训练集患者CT图像中第3腰椎骨（L3）层面的骨骼肌（SM）及腰大肌（PM）轮廓进行人工勾画;抽提SM与PM影像组学特征,随后利用自编码器（Auto Encoder）压缩特征,TFDeep Surv生存分析网络构建DL预后预测模型,预测HCC术后无瘤生存率（RFS）与总体生存时间（OS）;最后计算时间依赖...     

预测脓毒症患者心脏功能障碍和死亡率的多生物标记物策略（英文）

目的:评估联合应用多种生物标记物以预测脓毒症患者早期心脏功能障碍及28天死亡率的可行性。创新点:(1)通过净重分类改善(NRI)和综合辨别改善(IDI)指标,评估多种生物标志物策略相比单一生物标志物策略对脓毒症患者心脏功能障碍及28天死亡率的预测价值。(2)评估心脏型脂肪酸结合蛋白(h-FABP)、髓过氧化物酶(MPO)以及妊娠相关血浆蛋白A(PAPP-A)等新型生物标记物在脓毒症中的临床预测价值。方法:检测147例脓毒症患者在入院后6小时内血浆中脑钠肽(BNP)、心肌肌钙蛋白I(cTnI)、h-FABP、MPO及PAPP-A的水平。使用受试者工作特征(ROC)曲线来评估各种单一生物标志物在脓毒症患者心脏功能障碍诊断和28天死亡率预测中的最佳截止值。采用ROC曲线、NRI和IDI指标评估多种生物标志物策略相比单一生物标志物策略在预测脓毒症相关心脏功能障碍及28天死亡率中的价值。结论:MPO、cTnI和h-FABP联合应用显著提高了对脓毒症患者心脏功能障碍的预测能力,同时PAPP-A、MPO和h-FABP联合应用显著提高了预测脓毒症患者28天死亡率的能力。     

肝细胞癌术后预后模型的研究进展（英文）

肝细胞癌（HCC）是全球最常见的恶性肿瘤之一,同时也是癌症相关死亡的主要原因之一。对于肝癌,尤其是早期和中期肝癌,外科手术是首选同时也是最有效的治疗方法。但HCC的高度异质性,给其患者的预后带来了巨大的挑战。预后模型的构建将有助于对手术治疗患者进行预后分层,并指导临床医生采取个体化治疗,从而提高患者的生存率。目前,HCC的预后评估主要基于几种常用的HCC分期系统（如TNM分期、意大利肝癌计划评分（CLIP）和巴塞罗那分期（BCLC））。然而,鉴于这些分期系统存在的不足,也为了提高预后预测的准确性,研究人员进一步纳入患者的其他预后因素,如微血管浸润,并提出了一些新的预后模型。本综述就当前常见的肝癌临床分期系统及近年提出的新预后模型进行阐述,以期为今后的临床研究提供思路。     

SIRS、SOFA和qSOFA评分在筛查脓毒症中的意义

目的分析全身炎症反应综合征(systemic inflammatory response syndrome,SIRS)评分、序贯器官功能(sequential organ failure assessment,SOFA)评分及快速序贯器官功能(quick sequential organ failure assessment,qSOFA)评分在脓毒症早期筛查中的意义。方法:选取2016年5月30日-2018年5月30日收治于我院重症医学科患者232例感染或疑似感染患者为研究对象,对其病例资料进行回顾性分析。进行SIRS评分、SOFA评分及qSOFA评分,分析三种评分方法对脓毒症患者阳性检出率及28天病死率。结果:232例感染或疑似感染患者中,SIRS组检出141例,阳性检出率60.8%,28天病死率16.3%,SOFA组检出80例,阳性检出率34.5%,28天病死率22.5%,qSOFA组检出42例,阳性检出率18.1%,28天病死率38%。结论:SOFA评分和qSOFA评分能对感染性患者预后能做出较为准确的评估,qSOFA评分最优。     

基于TCGA鉴定CCNB2在HCC中的临床意义

背景：肝细胞癌（HCC）进展过程复杂,涉及多个基因发生改变.鉴于数据库和生物学工具的发展,寻找了新的生物标记物用于预测HCC患者预后和诊断的价值.方法：从数据库下载样本数据,统计CCNB2在HCC表达情况.使用Kaplan-Meier生存曲线、ROC曲线、时间依赖生存曲线分析CCNB2在诊断和预后中的价值.结果：CCNB2在HCC中高表达,并且与年龄、T分期、病理分期相关,单-多因素Cox分析得出CCNB2是预后的潜在危险因素.在HCC患者中,Kaplan-Meier生存曲线显示CCNB2高表达组获得较低的总生存期（OS）、疾病特异性生存期（DSS）、无进展间期（PFI）.ROC曲线下面积（AUC）能很好地鉴别正常组织和恶性肿瘤.CCNB2表达越高,1年、3年、5年生存率越低.结论：CCNB2在HCC中异常表达且与预后不良相关,可能是潜在靶向治疗新标志物.     

基于遗传算法优化最小二乘支持向量回归机的平板型固体氧化物燃料电池的控制相关动态辨识建模

研究目的：为了同时预测固体氧化物燃料电池（SOFC）的电压、温度动态特性和设计控制器,建立SOFC的控制相关动态辨识模型。创新要点：为了建立SOFC更精确的最小二乘支持向量回归机（LSSVR）动态模型,采用遗传算法（GA）优化LSSVR的参数。所建GA-LSSVR模型可同时预测SOFC的电压和温度动态特性。研究方法：1.分析SOFC的电化学和能量平衡子模型。2.利用所选择的最优LSSVR参数,建立了SOFC的GA-LSSVR动态辨识模型。通过仿真分析和比较,验证了所建模型的有效性（图3和4）。3.利用所建模型的预测结果,与模拟退火算法优化最小二乘支持向量回归机（SAA-LSSVR）和5折交叉验证最小二乘支持向量回归机（5FCV-LSSVR）模型的预测结果进行了比较,表明所建立的GA-LSSVR模型具有较高的预测精度（表3和4）。重要结论：通过比较SAA-LSSVR和5FCV-LSSVR模型的预测结果,发现所建GA-LSSVR模型具有较好的预测性能和精度。基于所建立的GA-LSSVR模型可进行有效的多变量控制器设计。     

湖南省社区老年人抑郁现状调查与风险预测模型构建

目的 调研湖南省社区老年人抑郁现状,了解各危险因素对老年人抑郁发病的预测程度,构建风险预测列线图模型并进行模型效能的内部验证。方法 以湖南省社区老年人(≥60周岁)为研究对象,运用χ²检验和多因素Logistic回归分析老年人抑郁的危险因素,通过R软件建立相关列线图预测模型,采用C统计量和校准曲线对预测模型进行验证,利用临床决策曲线评价模型的实用性。结果 湖南省社区老年人抑郁发生率34.11%。将区域位置、性别、居住地(城乡)、受教育水平、婚姻等与老年期抑郁相关的11项危险因素(P<0.05)纳入老年抑郁风险模型。构建的风险预测列线图模型灵敏度为0.083,特异度为0.709,ROC曲线下面积为0.812(95%CI:0.781-0.843)。结论 湖南省社区老年人抑郁症发生率较高,总体上女性发生率高于男性,农村高于城市,应重点关注老年人群(特别是独居老人)的慢性病、躯体功能、听力、视力情况等;构建的老年抑郁风险预测列线图模型可用于老年期抑郁高危人群识别和风险预测,可以临床推广。     

“两型社会”建设下的长沙市土地利用结构预测研究

根据长沙市2001-2005年土地利用变更数据,分别建立了Markov模型和灰色GM（1,1）模型,对未来几年全市土地利用结构变化进行预测．并将两种模型预测结果相互验证与对比分析,以提高预测精度与可信度．结果表明：未来几年,长沙市土地利用结构变化趋势为：耕地、林地和未利用地持续减少,牧草地、居民点及独立工矿用地、交通用地呈增长趋势．     

改进GM（1,1）预测模型在公路运输量中的应用

为了提高公路交通运输量的预测精度和公路运输行业的管理水平,研究了GM（1,1）模型特性、GM（1,1）在背景值和初始值选择两方面所存在的缺陷;提出一种新的背景值计算方法;最后,利用2000-2004年的公路客运量的实际数据进行了验证,结果表明：改进模型的预测精度要高于GM（1,1）模型的预测精度,前者比后者具有更高的预测精度和可靠性.     

一种可生存系统生存态势的可识别性模型（英文）

由于现有可生存系统中缺乏对系统生存态势的事前识别和事后预测,提出一种可生存系统生存态势的可识别性模型.首先,基于Ward方法将生存态势数据聚类为不同服务等级的生存簇,然后利用消错决策方法对生存态势数据所属簇进行分类和识别,实现系统生存态势的事前识别;其次,利用差分生存态势数据生成平稳预测序列,构建ARIMA模型并通过自相关函数和偏自相关函数校验模型的平稳性、随机性和可逆性指标;最后,通过模糊粒子和SVR模型的残差修正实现生存态势的事后预测识别.仿真实验表明,模型的事前评估模块相较于传统决策方法不仅可对生存态势数据进行聚类和服务等级识别,还可对非法用户进行识别;模型通过对异常态势次数的预测与残差修正,有效实现对可生存系统生存态势的事后预测.     

无芯模旋压旋轮轨迹曲线对其成形精度影响的仿真研究

研究目的：验证无芯模旋压工艺可行性,同时深入探究此新型工艺机理,研究并获取旋轮轨迹曲线参数化控制及其对于零件成形精度的影响趋势。创新要点：基于贝塞尔曲线实现对于无芯模旋压旋轮轨迹曲线的参数化控制;通过构建包括成形与回弹工艺过程的无芯模旋压仿真模型,研究参数化轨迹曲线对成形件壁厚及形状精度的影响趋势及关系,同时对成形过程变形区应力应变进行了深入探究分析。研究方法：1．基于三次贝塞尔曲线实现对于旋轮轨迹曲线的拟合以及参数化控制（图3）;2．利用LSDYNA软件实现对无芯模旋压成形及回弹工艺综合仿真及其过程、结果数据的提取;3．研究不同参数化轨迹曲线下成形件壁厚及形状精度变化趋钟（图12和13）,获取量化轨迹曲线对于零件成形精度影响关系（表3）,并通过增加实验组验证所获关系模型;4．提取成形过程中及成形后板料变形区应力及应变数据（图14-19）,深入探究上述变形机理。重要结论：凹轨迹曲线下,坯料中部出现最大减薄及变形程度,且降低曲线曲率,形状精度提高;凸轨迹曲线下,最大减薄及变形区域出现在坯料后部,且降低曲线曲率,壁厚及形状精度均提高。     

严重创伤后血清胆碱酯酶活性的动态变化

研究目的：创新要点：研究方法：重要结论：探讨严重创伤患者早期血清胆碱酯酶（ChE）活性的动态变化规律与临床意义。阐明了在严重创伤后早期血清ChE动态的变化规律,为评估创伤的严重程度和预后判断提供新的参考辅助指标。前瞻性观察研究：分析81例严重创伤患者伤后第1、3、7天血清ChE活性的动态变化,通过亚组（不同预后、不同伤情严重程度）间变化比较及与损伤严重度评分（ISS）、急性生理和慢性健康评分Ⅲ（APACHEⅢ）和创伤严重程度评分（TRISS）进行比较,评估其反映病情严重程度和预后的价值;同时分析伤后血清ChE活性与急性期蛋白（APP）,如白蛋白（ALB）、前白蛋白（PAB）、转铁蛋白（TRF）和C反应蛋白（CRP）浓度变化的关系。血清ChE活性在严重创伤后显著降低,持续下降的幅度越大,则提示损伤越重,预后可能越差,而且血清ChE或可视为负急性期蛋白的一种,血清ChE作为严重创伤伤情和预后评估的简单辅助指标具有一定的可靠性。     

厦门市滩涂养殖区变化趋势的预测

分别采用回归分析方法、灰色数列预测方法及时间序列预测中的差分自回归移动平均法（ARIMA）对厦门市滩涂养殖区面积的变化趋势进行模拟,结果表明：ARIMA（2,2,0）模型的拟合效果最好,三次多项式曲线模型和灰色GM（1,1）预测模型的拟合误差均较大．采用ARIMA（2,2,0）模型和三次多项式曲线模型分别对滩涂养殖区面积变化趋势进行短期预测和长期预测,预测结果表明滩涂养殖区的面积呈逐渐下降趋势．     

基于机器学习的糖尿病风险预测模型与实证研究

从机器学习算法出发,采用十折交叉验证和Grid Search网格搜索方法优化超参数.以Pima印第安人糖尿病数据集为研究对象,运用描述性统计、四分差法、特征重要性分析等方法处理数据集,分别使用逻辑回归、支持向量机(SVM)、Boosting、Bagging、Stacking集成学习方法构建糖尿病风险预测模型,并比较各个集成模型的评估指标.为验证模型在其他数据集上的有效性,运用浙江某医院体检数据集进行验证,从而评价各模型的预测效果.结果发现：Stacking集成模型在Pima印第安人数据集上的预测准确率最高,达83.74%,精确度也最好,达80.0%;Stacking集成模型同样适用于体检数据集,其准确率最高,达93.83%.可见,基于Stacking集成学习方法构建的预测模型的准确度更高、适用性较好.     

基于COX回归的血液透析死亡风险模型研究

血液透析技术是针对终末期肾病最常用的治疗手段。为了对患者死亡风险作出预测，便于医生更有针对性地治疗,很多学者提出了各式各样的死亡风险预测模型，但是这些模型大多是基于欧美人群建立的。为此提出新的适用于我国血液透析患者的死亡风险预测模型，并引入哈佛癌症指数法，对血液透析死亡风险进行等级量化，让医生更加直观地了解患者风险，更好地对不同风险的患者进行管理。经过ROC曲线验证，该预测模型的预测能力和准确率较高。     

浅谈神经外科NICU吞咽困难患者发生误吸的风险因素及护理措施

目的 探讨神经外科NICU吞咽困难患者发生误吸的风险因素及护理措施。方法 选择2019年1月～2023年6月期间,泰兴市人民医院神经外科NICU吞咽困难患者132例为研究对象,对所有患者采用才藤氏吞咽障碍7级评价法进行误吸风险等级评估,根据其风险等级分为观察组（Ⅰ～Ⅲ级,n=62例）和对照组（Ⅳ～Ⅵ级,n=70例）,并对主要观察数据采用单因素和多因素Logistic回归分析,获取影响误吸发生的可能风险因素。结果 单因素分析提示,Ⅱ-Ⅲ级疾病程度的患者占比、GCS评分、是否存在吞咽中枢受损、是否建立人工气道、人工气道留置时长≥7天、吞咽功能评分≥24分、进食体位的依从性评分、可进食物稠度最高分级及合并心动过速、合并败血症等情况均对神经外科NICU吞咽困难患者发生误吸产生较大影响,观察组患者上述指标与对照组比较,差异均有统计学意义（P<0.05）;多因素Logistic回归分析提示,吞咽中枢受损（OR=1.213）、吞咽功能评分≥24分（OR=1.030）、人工气道留置时间≥7天（OR=2.093）、合并心动过速（OR=7.547）是增加神经外科NICU吞咽困难患者发生误吸的独立风险...     

基于GM（1,1）模型的山西省入境旅游发展研究

山西省是我国历史悠久的旅游资源大省之一,入境旅游方面存在着一定的优势条件和巨大的发展潜力。基于灰色系统理论,以山西省2000—2009年入境旅游统计资料为原始数据,通过建构旅游指标GM（1,1）灰色预测动态模型并进行模型精度检验;发现模型预测结果与实际数据高度一致,验证出灰色预测系统在本研究中具有可行性,从而利用该模型对山西省2011—2015年入境旅游指标进行预测,并在预测基础上提出促进山西省入境旅游发展的若干建议。     

基于家系数据集群化似然比算法的疾病基因组遗传风险预测研究（英文）

目的:作为遗传研究中最常用的设计之一,基于家系数据的实验设计因其优势而得到了广泛认可,例如家系数据在人群分层和混合情况下表现出来的稳健性。在疾病风险预测中,研究者对如何基于家系遗传数据,寻找和分析遗传标记的作用非常感兴趣。本研究旨在开发一种新的统计方法,用于基于家系数据的遗传风险预测。创新点:期望新方法能够捕捉小或中等边际效应的遗传因子,及其相互作用,与基于家族史或家系数据的现有风险预测方法相比,具有更高的预测准确性。方法:在这项研究中,我们提出了集群化似然比(ELR)的新方法,Fam-ELR,用于家系数据的基因组疾病风险预测。Fam-ELR采用集群化的受试者工作特征曲线(ROC)方法来考虑家系样本内部的相关性,并使用计算有效的集群树进行变量选择和模型构建。结论:通过模拟,Fam-ELR显示了其在各种疾病遗传模型和谱系结构中的稳健性,并且获得了比现有的两种基于家系数据的风险预测方法更好的性能。同时,在基于全基因组行为障碍家系数据集的实际应用中,Fam-ELR展示了其将潜在风险预测因子和其相互作用整合到模型中以提高准确性的能力,尤其是在全基因组水平上。通过比较现有方法,例如遗传风险评分方法等,Fam-ELR被证实具有将较小或中等边际效应的遗传变异及其相互作用纳入改进的风险预测模型的能力。因此,它是一种强有力且实用的方法,适用于基于家系数据的高维度遗传风险预测中,特别是对于病因未知或知之甚少的人类复杂疾病。     

基于融合卷积神经网络的协同过滤模型

在传统推荐系统中,通常基于协同过滤推荐算法挖掘评分中的隐含特征,但在实际应用中,评分矩阵往往十分稀疏,很难充分地表示用户偏好特征与物品描述特征。为了充分挖掘评论文本中的隐含特征,并在一定程度上缓解数据稀疏性问题,提出一种深度协同过滤模型(CFiCNN)：融合卷积神经网络的协同过滤模型。该模型利用卷积神经网络抽取用户-物品评论数据中的隐含特征,基于协同过滤的矩阵分解方法,进行评分预测。在4个真实数据集上对该模型进行了评估实验,并与3个常用模型进行对比。实验结果表明,该模型能够很好地抽取到用户与物品的隐含特征,并且进行更准确的评分预测。