基于SEER数据库的结直肠癌预后因素探讨及预后模型构建

分别使用logistic逐步回归法、贝叶斯模型平均法和LASSO回归进行特征变量筛选,分析美国SEER数据库的预后数据,探讨影响结直肠癌预后的相关因素,并应用人工神经网络分类算法构建预后模型,指导结直肠癌预后评价。结果证明,贝叶斯模型平均法结合人工神经网络的混合算法所构建的预后模型准确率最高。     

白血病预后因素的Cox模型分析

本研究综合考虑了影响白血病患者预后的内外因素，对４１０例白血病患者的２４个预后因素进行了单因素和多因素Ｃｏｘ模型分析，筛选出９个对白血病预后有显著影响的因素，即年龄、发热、骨髓幼稚细胞百分比、化疗与否、疗程次数、疗效、首次出院时病情、住院次数及白血病分类，由此建立白血病患者的生存数学模型，并用相应的预测模型进行预测指数分析，其灵敏度、特异度、阳性预测值、阴性预测值及可靠性均高于以往报道所用的逐步回     

骨肉瘤铜死亡相关LncRNA预后模型构建与验证

目的：Cuproptosis是一种新发现的程序性细胞死亡形式，被认为在肿瘤治疗中起重要作用。长链非编码RNA(long non-coding RNA, lncRNA)参与调节细胞多种生理与病理活动。本研究旨在探讨铜死亡相关LncRNA在骨肉瘤中的预后意义。方法：从公共数据库UCSC Xena和GTEx数据库下载骨肉瘤样本与正常样本的基因表达谱以及相应的临床数据，从已发表的文献中获取铜死亡基因，采用共表达网络、最小绝对收缩和选择算法（LASSO）和Cox回归模型构建骨肉瘤铜死亡相关lncRNA预后模型并进行内部验证。采用受试者工作特征（ROC）曲线和列线图来评估模型的预测能力。单样本基因集富集分析（ssGSEA）探讨不同风险组与骨肉瘤免疫细胞与功能的相关性。结果：对收集到的19个铜死亡基因进行共表达分析，得到181个铜死亡相关lncRNA，差异分析及单因素Cox分析筛选出10个铜死亡预后相关的LncRNA。随后通过Lasso及多因素Cox回归筛选得到了3个铜死亡相关lncRNA(AC124798.1、AC090152.1、AC090559.1)构建预后模型。根据风险评分中位值将患者分为高...     

Bayes判别分析在预测剖宫产术后子宫瘢痕妊娠患者结扎子宫动脉的应用

目的 探讨Bayes判别分析用于瘢痕妊娠患者(CSP)结扎子宫动脉风险预测的临床效果。方法 收集2018年6月至2020年10月深圳市中西医结合医院73例未结扎与87例结扎子宫动脉的CSP患者，纳入手术有关因素，通过单因素分析筛选差异变量，采用logistic回归分析模型进行回归分析；利用受试者工作特征(ROC)曲线分析指标预测结扎子宫动脉的价值，将选取变量带入Bayes判别模型中得到判别函数并对其进行检验。结果 最终纳入判别方程的变量为：孕囊与瘢痕关系(a1),子宫瘢痕处肌层厚度(a2),瘢痕血流(a3),建立的Bayes判别函数：Y1=-7.138+3.259×a1+2.879×a2+0.035×a3;Y2=-7.239+5.169×a1+1.732×a2+2.166×a3;当Y1>Y2时归为不结扎子宫动脉；当Y1相似文献   

影响大面积烧伤患者预后的相关因素分析

目的 探讨影响大面积烧伤患者预后的相关因素,为提高大面积烧伤治愈率进而提高整体烧伤救治水平提供一定的参考依据.方法 回顾性分析收治的305例烧伤面积≥50%总体表面积患者的临床资料.对26个变量进行单因素分析,将有统计学差异的变量纳入二分类非条件logistic回归模型,筛选出独立的相关因素.结果 死亡47例(15.4%).单因素分析提示多项因素与大面积烧伤患者预后有关.logistic回归分析筛选出影响大面积烧伤患者预后的独立相关因素有:休克期不平稳、呼吸系统并发症、泌尿系统并发症和中重度吸入性损伤.结论 多种因素与大面积烧伤患者预后有关,通过综合治疗使患者平稳度过休克期,加强中重度吸入性损伤的治疗,减少伤后各系统并发症的发生,有助于降低大面积烧伤患者的病死率.     

Logistic回归模型在高等医学院校教师教学行为研究中的应用

目的应用logistic回归模型探讨影响高等医学院校教师教学质量的教学行为因素并进行效果评价,从而探讨logistic回归模型是否可作为分析性研究方法用于教师教学行为研究。方法选取某高等医学院校《教师教学行为现状》数据库,运用病例对照研究,以教学质量作为应变量,教学行为作为自变量,采用单因素、多因素非条件Logistic回归分析,从中寻找影响教学质量的“危险行为因素”,进一步采用队列研究,对“危险行为因素”加以证实。结果在教学优秀和教学不良教师病例对照研究中,单因素非条件Logistic回归分析找出了43个影响因素,多因素分析筛选出了4个危险因素,分别是：对教学工作重视程度、做好教学工作的努力程度、对教学工作的期望要求标准、对学生学习过程的关注程度。进一步采用队列研究对4个危险因素加以干预,干预组教学质量明显高于非干预组（P〈0．05）。结论Logistic回归模型用于教师教学行为研究,吻合率高、判别率好,值得在高等教育管理研究中进一步探索和推广。     

免疫相关LncRNA与乳腺癌预后关系分析及预后风险模型建立

目的 探讨免疫相关LncRNA的表达与乳腺癌预后的关系,构建乳腺癌免疫相关LncRNA预后风险模型。 方法 从TCGA公共数据库下载乳腺癌的转录组数据和临床病理信息,利用Perl软件提取乳腺癌数据表达矩阵,采用R语言使用共表达法提取免疫相关LncRNA,单因素和多因素Cox回归分析筛选预后相关LncRNA,根据最佳AIC值确定免疫预后相关LncRNA构建预后风险模型,根据风险值将患者分为低分险组和高风险组,采用Kaplan-Meier分析法进行生存分析并绘制两组患者生存曲线,使用ROC曲线对预后风险模型准确性进行评估,同时单因素和多因素Cox回归分析评估预后风险模型与肿瘤预后相关性。 结果 从TCGA数据中共下载1 041例乳腺癌样本,提取到14 142个LncRNA表达谱,通过共表达法获得免疫相关LncRNA 644个,对免疫相关LncRNA进行单因素Cox回归分析筛选出14个LncRNA,对14个LncRNA进行多因素Cox回归分析,根据最佳AIC值筛选出6个LncRNA用于构建预后风险模型,根据风险值将患者分为低分险组和高风险组,生存分析显示两组患者差异有统计学意义,同时预后风险模型曲线下AUC值为0.703,模型具有较好的准确性。多因素Cox回归分析结果显示,年龄和患者风险评分为乳腺癌的独立危险因素。 结论 免疫相关LncRNA预后风险模型为乳腺癌的独立预后影响因子,可以有效预测乳腺癌患者的生存预后,可作为乳腺癌独立的预后生物标志物。     

微创术治疗幕上自发性脑出血的预后判别分析

目的探讨影响自发性幕上脑出血患者微创术治疗预后的危险因素,建立微创术治疗脑出血术后30d内预后的判别模型。方法回顾性分析97例经微创术治疗的脑出血患者的临床资料,对影响微创术治疗预后的危险因素进行单因素和多元逐步判别分析。结果97例患者中,术后30d死亡27例(27.8%)。单因素分析表明:意识水平、出血量、出血半球、伴发缺血性心脏病和微创手术时间是影响其预后的危险因素(意识水平P<0.001,余均P<0.05)。多元逐步判别分析结果显示,仅有意识障碍、出血量2个危险因素可作为判别因子,应用建立的判别模型方程进行组内回代检验,显示判别模型方程准确度为75.3%。结论意识水平、出血量是影响脑出血患者微创术治疗预后的最重要危险因素,由此建立的30d生存和死亡的判别模型对临床具有一定的指导意义。     

急性髓系白血病中RUNX1突变基因相关预后模型的构建

目的寻找RUNX1突变型急性髓系白血病（AML）和未突变型AML的差异基因并用来构建预后模型。方法从RUNX1突变组与未突变组中筛选AML中的差异基因，通过单因素Cox对差异基因进行筛选并构建多因素Cox回归预测模型。根据模型得到病人的风险评分并通过生存曲线和ROC曲线予以评估。结果从RUNX1突变组与未突变组中筛选得到89个差异基因，其中30个基因上调，59个基因下调。全部的差异基因通过单因素Cox回归筛选，得到38个基因构建多因素Cox回归模型。基于双向逐步回归法进一步筛选得到10个基因，包括BIK、APP、MLLT3、C10orf10、PLXNC1、FHL1、CST3、TGLL1、HOXA5、KIAAO125，使用该10个基因构建预后基因模型，风险评分公式为:风险评分=-0.100×（BIK）+0.215×（APP）+-0.232×（MLLT3）+0.112×（C10orf10）+0.160×（PLXNC1）+0.113×（FHL1）+-0.167×（CST3）+-0.152×（IGLL1）+0.164×（HOXA5）+0.084×（KIAA0125）；其中BIK、MLLT3、CST3和IGLL1的风险比小于1，而其他6个基因的风险比大于1。生存分析结果表明高风险评分组的总体生存率明显低于低风险评分组（P < 0.01）。ROC曲线对未来1、3和5年的总体生存率预测的AUC分别为0.709、0.769和0.771。结论成功构建突变型AML差异基因预后模型，其中BIK、MLLT3、CST3和IGLL1可能是AML预后保护因素，APP、C10orf10、PLXNC1、FHL1、HOXA5和KIAAO125可能是AML预后的危险因素。     

基于SEER数据库的原发性肝癌患者预后危险因素研究

目的：探讨原发性肝癌患者预后的危险因素，为该病患者的临床诊疗和预后判断提供科学依据。方法：以2018年监测、流行病学和结果（Surveillance,Epidemiology,and End Results,SEER）数据库原发性肝癌患者作为研究对象，收集人口学资料、临床指标和预后随访信息，运用单因素和多因素logistic回归分析影响患者术后生存的危险因素。采用一致性指数评价模型的预测能力，构建受试者工作特征曲线分析预测模型的效能。采用绘制森林图的方法对不同分期下肝癌患者的治疗方式进行分析。结果：该研究共收集2018年原发性肝癌患者1 750例。单因素logistic回归结果表明，肿瘤分期、淋巴结转移、远处转移、婚姻状况、放化疗及手术是影响原发性肝癌患者生存的危险因素（P<0.05）；多因素logistic回归分析结果表明，肿瘤分期[T2/T3相对于T1,OR=5.142/3.390,95%CI=(3.654～7.236)/（2.327～4.939）,P<0.001]、远处转移（OR=4.810,95%CI=3.384～6.839,P<0.001）、婚姻状况（OR=...     

BP神经网络模型在肠癌中的应用研究

目的探索人工神经网络模型在肠癌研究中的应用。方法给出了人工神经网络模型的理论分析,在肠癌生物医学实验研究的基础上,利用BP神经网络模型综合研究肠癌患者的各项指标对预后的影响。结果BP神经网络模型能够反映包括调控基因在内的诸多因素与肠癌患者预后的关系。结论BP神经网络模型可以为肠癌研究提供新途径,具有良好的应用前景。     

基于误差反向传播算法神经网络模型的网络式以问题为基础学习效果评价方法的研究

目的研究误差反向传播算法（ error back propagation algorithm,BP）神经网络模型在网络式以问题为基础学习（ WPBL）效果评价中的适用性。方法基于调查问卷收集的资料,利用测试样本构建BP神经网络模型,并通过所构建的模型对训练样本进行检测。结果构建模型时测试样本的网络输出分数与综合评分之间的平均误差小于规定误差（E=0.000031592〈0.0001）。对训练样本进行检测显示,网络输出分数与实际综合评分之间的误差极小。结论 BP神经网络模型能够准确、快速地对WPBL效果进行评价。     

基于BP神经网络的左右手击键动作的意识任务识别

目的研究基于神经网络的左右手运动的意识任务识别方法,探讨神经网络在脑机接口中的作用。方法在特征提取的基础上,设计3层BP神经网络。选用对数Sigmoid函数,实现输入到输出的非线性映射;采用梯度最速下降算法训练神经网络。结果应用BP神经网络和线性分类器分别对测试样本进行意识任务识别。以脑电信号两个频段的功率谱以及击键前-100￣-50ms和-50￣0ms均值组成特征向量。应用线性分类器,对测试样本的识别正确率为71%,采用本文设计的BP神经网络,识别正确率为84%。结论BP神经网络是意识任务识别的有效方法,在基于脑电信号的脑机接口中有良好的应用前景。     

用神经网络法预测药物在体透过人皮肤的渗透性

目的：预测药物在体透过人皮肤的渗透性。方法：以正辛醇／水分配系数(logP)、分子体积(V)、氢键酸度(∑β2^H)和氢键碱度(∑β2^H)等理化参数作为输入层神经元，以药物在一定时间内在体透过人皮肤的透过比的对数值(R，透过量／未透过量)作为输出层神经元，建立起合适的BP(Back—propagation)神经网络。结果：17个药物在一定时间内在体透过人皮肤的透过比的神经网络计算值和实测值均相当符合。结论：用BP神经网络法可以较好地预测药物在体透过人皮肤的渗透性。     

二型糖尿病肾病风险预测模型的比较

目的：选择相应的机器学习算法构建二型糖尿病肾病风险预测模型,为疾病的早期预防提供科学依据。方法：基于解放军总医院提供的糖尿病数据集,通过对缺失值、异常值等进行一系列预处理,得到894条二型糖尿病患者数据。利用单因素逻辑回归筛选出24个有效检查指标作为特征,并基于随机森林、BP神经网络、支持向量机分别构建二型糖尿病肾病风险预测模型,同时对其查准率、召回率进行对比,以验证其应用性能。结果：随机森林预测模型的总体性能最优,3种算法的训练效果均较好。结论：二型糖尿病肾病风险预测模型能为疾病早期预防控制提供参考依据。     

基于预测模型的消化道肿瘤术后疲劳风险筛查评分量表的构建与应用

背景　消化道肿瘤患者术后疲劳（POF）发生率高,影响患者预后和生活质量。目前对POF的影响因素研究局限于生理、心理两方面,且现有研究无法实现术前预测和高危人群筛查。目的　构建基于预测模型且针对消化道肿瘤患者POF的风险筛查评分量表,为临床高危患者早期识别和干预提供依据。方法　前瞻性纳入2018年1-6月在南京医科大学第一附属医院行消化道肿瘤手术的360例患者进行统计分析,术前收集相关生理、心理、社会等资料,术后测量其疲劳程度。通过单因素分析、多因素分析筛选出POF独立危险因素,并将其代入至二元Logistic回归模型、神经网络模型、决策树模型三种模型中,对模型的受试者工作特征曲线下面积（AUC）、泛化能力进行比较以选出最优模型,在此基础上形成POF风险筛查评分量表,进行信效度分析和截断值确定。前瞻性纳入2018年8-9月在南京医科大学第一附属医院行消化道肿瘤手术的105例患者进行量表验证。结果　二元Logistic回归、神经网络、决策树模型AUC分别为0.857、0.894、0.774,均具有良好的泛化能力;神经网络模型为最优模型,纳入因素包括肿瘤分期、文化程度、个人月收入、主观支持、年龄、术前焦虑抑郁、术前清蛋白;形成的风险筛查评分量表最低分0分,最高分15分。量表各条目的内容效度指数（CVI）为0.80~1.00,总CVI为0.90。通过探索性因子分析可提取3个公因子,累积方差贡献率为66.04%,各条目的载荷值为0.552~0.751。量表Cronbach's α系数为0.730,提取的3个公因子的Cronbach's α系数分别为0.839、0.763和0.637。POF风险筛查评分量表预测POF的AUC为0.839,量表截断值为8分;量表验证阶段,总体正确率为90.49%。结论　本研究依据神经网络模型构建的消化道肿瘤POF风险筛查评分量表信效度良好,可有效预测POF,并为临床术后早期风险筛查和针对性干预提供依据。     

基于BP神经网络的骨折愈合强度仿真初探

目的 探索用BP神经网络建立应力刺激与愈合骨强度之间的关系模型,为临床上准确预测骨折愈合程度提供理论基础。方法 将兔双侧胫骨干横形截骨后,分别以应力松弛接骨板和传统坚硬接骨板固定,观察术后2～48周应力遮挡率和愈合骨弯曲强度变化。构造BP神经网络模型,用应力松弛接骨板组的实验数据进行训练,然后用训练好的网络对两组实验进行仿真,根据骨折部位的应力预测愈合骨强度。结果 当输入已学习过的样本时,该模型能够准确地预测出愈合骨强度随应力的变化曲线,但对未学习过的样本,模型的预测误差较大。结论 BP神经网络可用来定量地研究各种因素对骨折愈合的影响,预测骨愈合程度,但仍需要进一步完善以提高其预测的准确性。     

用BP神经网络对气流床粉煤气化炉的预测

利用3层BP神经网络对气流床粉煤气化炉进行模拟研究。以Gibbs自由能最小化方法建立粉煤气化炉数学模型的模拟结果作为BP神经网络训练数据,训练后的BP神经网络模型对模拟数据的预测准确度较好。以Shell粉煤气化炉和国内首套粉煤加压气化中试装置上的实际生产数据作为BP神经网络的训练数据,训练后的BP神经网络模型能预测实际生产数据。     

Using Elman Recurrent Neural Networks with Conjugate Gradient Algorithm in Determining the Anesthetic the Amount of Anesthetic Medicine to Be Applied

In this study, Elman recurrent neural networks have been defined by using conjugate gradient algorithm in order to determine the depth of anesthesia in the continuation stage of the anesthesia and to estimate the amount of medicine to be applied at that moment. The feed forward neural networks are also used for comparison. The conjugate gradient algorithm is compared with back propagation (BP) for training of the neural Networks. The applied artificial neural network is composed of three layers, namely the input layer, the hidden layer and the output layer. The nonlinear activation function sigmoid (sigmoid function) has been used in the hidden layer and the output layer. EEG data has been recorded with Nihon Kohden 9200 brand 22-channel EEG device. The international 8-channel bipolar 10–20 montage system (8 TB-b system) has been used in assembling the recording electrodes. EEG data have been recorded by being sampled once in every 2 milliseconds. The artificial neural network has been designed so as to have 60 neurons in the input layer, 30 neurons in the hidden layer and 1 neuron in the output layer. The values of the power spectral density (PSD) of 10-second EEG segments which correspond to the 1–50 Hz frequency range; the ratio of the total power of PSD values of the EEG segment at that moment in the same range to the total of PSD values of EEG segment taken prior to the anesthesia.     

Estimation of Medicine Amount Used Anesthesia by an Artificial Neural Network

In this study, Elman’s recurrent neural networks using Resilient Back Propagation (RP) algorithm and feed-forward neural networks using adaptive learning rate algorithm (gdx) have been compared in order to determine the depth of anesthesia in the continuation stage of anesthesia and to estimate the amount of medicine to be applied at that moment. EEG data have been recorded by being sampled once in every 2 ms. From 30 patients, 57 distinct EEG recordings have been collected prior to during anaesthesia of different levels. The applied artificial neural network is composed of three layers, namely the input layer, the middle layer and the output layer. The nonlinear activation function sigmoid (sigmoid function) has been used in the hidden layer and the output layer. Prediction has been made by means of ANN. Training and testing the ANN have been used previous anaesthesia amount, total power/normal power and total power/previous. When Elman Resilient BP and feed-forward network are compared, it is observed that resilient back propagation algorithm has generated values which are quite close to the applied anesthesia amount compared to gdx which is an adaptive learning algorithm. The system has been able to correctly purposeful responses in average accuracy of 95% of the cases. This method is also computationally fast and acceptable real-time clinical performance has been obtained.