急性胰腺炎严重程度的预测模型构建与验证

目的 构建预测急性胰腺炎严重程度的模型并进行内部验证。方法 选取2020年3月至2022年3月惠州市中心人民医院诊断为急性胰腺炎的患者为研究对象，将其分为中重症和重症急性胰腺炎(MSAP+SAP)组110例和轻症急性胰腺炎(MAP)组423例。比较两组患者的临床资料，采用二元logistic回归分析MSAP和SAP的独立预测因子并构建预测模型。采用Bootstrap法重复抽样1000次进行模型的内部验证。结果 二元logistic回归分析发现，胆囊结石、白细胞计数、中性粒细胞与淋巴细胞比值(NLR)、血小板计数、红细胞分布宽度(RDW)、白蛋白和血肌酐为MSAP+SAP的独立预测因子。构建的预测模型AUC值为0.817(95%CI:0.776～0.857),敏感度为73.0%,特异度为79.1%。经Bootstrap法1 000次内部校准，该模型具有较高的鉴别能力(AUC值为0.825)。结论 基于胆囊结石、白细胞计数、NLR、血小板计数、RDW、白蛋白和血肌酐构建的预测模型具有较好的临床实用性，但仍需更多外部数据进一步验证。     

老年急性肺损伤患者列线图预后模型的构建

目的：探讨影响老年急性肺损伤（ALI）患者预后的独立危险因素,建立预测其死亡风险的列线图模型。方法：分别收集MIMIC-III数据库325例与温州医科大学附属第一医院138例ALI患者临床资料,采用单因素、多因素logistic回归分析筛选出预测死亡的危险因素,并构建预测短期可能死亡的列线图模型。结果：多因素logistic回归分析发现入院首日最低收缩压降低、血乳酸和凝血酶原时间（PT）升高等均为老年ALI患者死亡危险因素（均P＜0.05）;通过上述变量构建列线图模型,内部验证列线图ROC曲线下面积（AUC）为0.712（95%CI=0.656～0.767）,外部验证列线图AUC为0.753（95%CI=0.671～0.836）,内部与外部校准曲线均接近标准曲线。结论：本列线图模型可用于老年ALI患者预后评估,且具有良好的校准度与区分度。     

基于不平衡数据的非肾病水平蛋白尿的膜性肾病预后模型建立

目的探索基于不平衡数据构建预测非肾病水平蛋白尿的膜性肾病预后的机器学习模型。方法回顾性分析山西省人民医院2018年1月至2021年12月肾活检诊断为非肾病水平蛋白尿的膜性肾病患者的临床和病理资料。基于logistic回归、支持向量机(SVM)和轻量梯度提升(lightGBM)3种机器学习算法构建预测模型。采用混合采样技术处理不平衡数据, 使用受试者工作特征曲线下面积(AUC)评估模型预测性能, 运用Shapley加法解释(SHAP)对最佳性能模型的结果进行解释。结果共纳入148例患者, 男84例, 女64例, 年龄(47.2±12.5)岁, 随访时间[M(Q1, Q3)]14(7, 20)个月。23例(15.5%)患者发生肾脏终点事件。SVM模型的AUC值最高(0.868, 95%CI:0.813～0.925), 其次为logistic回归(AUC:0.865, 95%CI:0.755～0.899)和lightGBM(AUC:0.791, 95%CI:0.690～0.882)。基于随机森林的特征递归消除交叉验证(RFECV)方法和SVM模型的SHAP图显示, 免疫组化IgG、血清总蛋白...     

急诊重症监护室患者早期死亡动态列线图预测模型的建立与验证

目的 探讨急诊重症监护室患者入院3 d死亡的独立危险因素,以此建立动态网页列线图预测模型并进行验证。方法 回顾性收集2018年1月至2020年12月南京医科大学附属无锡第二医院急诊重症监护病房(EICU)收治的634例患者为研究对象,用其临床资料建立预测模型和内部验证。收集2021年1月至12月该院EICU收治的189例患者,用其临床数据作为验证队列。采用单因素和多因素logistic回归分析确定EICU病人早期死亡的危险因素,并构建列线图模型。受试者工作特征曲线(ROC)、C指数及校准曲线评估列线图模型的预测效能,决策曲线分析评估模型的临床获益。在验证队列中对模型进行外部验证。结果 全组634例EICU患者中,61例(9.62%)入院3 d内死亡。多因素logistic回归分析显示,危重症营养风险(NUTRIC)评分(OR:1.490,95%CI:0.436～2.116,P<0.001)、国家早期预警评分(NEWS)(OR:1.304,95%CI:1.113～1.528,P=0.001)、合并急性呼吸窘迫综合征(ARDS)(OR:2.183,95%CI:1.220～3.905,...     

基于贝叶斯网络不确定性推理的肺癌风险预测模型

目的 将贝叶斯网络与Cox模型相结合,预测包含缺失协变量的个体的肺癌发病风险。方法 研究使用的数据来自于英国生物样本库,采用单因素Cox回归分析筛选与肺癌发病相关的预测因素;基于识别出的肺癌潜在预测因素,应用上述联合模型建立个体化肺癌风险预测模型;从鉴别和校准两方面评价模型的预测性能。结果 建立的预测模型具有较好的鉴别和校准能力,训练和验证队列的AUC分别为0.854(95%CI:0.836～0.870)和0.885(95%CI:0.871～0.897)。结论 本研究构建了基于贝叶斯网络和Cox模型的肺癌风险预测模型;该模型具有良好的鉴别和校准能力,能有效预测肺癌发病高危人群;联合模型在存在缺失预测因子的情况下提供了一种有效的风险预测方法,可为肺癌预防控制提供理论支撑。     

基于Logistic回归、决策树、神经网络构建住院老年患者肌少症相对风险预测模型

目的:分析住院老年患者肌少症的影响因素,构建肌少症相对风险预测模型,并对结果进行比较分析。方法:采用便利抽样法,连续入选2020年7月至2021年9月在新疆医科大学第一附属医院住院的老年患者372例,应用多因素Logistic回归、决策树CHAID算法、神经网络分析肌少症的危险因素,构建Logistic回归预测模型、决策树预测模型、神经网络预测模型,采用受试者工作特征(ROC)曲线下面积(AUC)比较3种预测模型的效果。结果:住院老年患者肌少症检出率为18.82%,其中男性检出率为23.84%,女性为14.50%。3种模型的结果均显示体质指数、步速、性别为住院老年患者发生肌少症的主要影响因素。Logistic回归预测模型的AUC为0.882(95%CI 0.836～0.928),风险预测正确率为87.8%;决策树预测模型的AUC为0.874(95%CI 0.832～0.916),风险预测正确率为86.7%;神经网络预测模型的AUC为0.890(95%CI 0.848～0.931),风险预测正确率为85.8%;3种模型的预测价值均>0.7,预测效果较好。结论:多种模型可从不同的层面...     

列线图模型对胆管癌介入治疗预后评估的临床价值研究

目的探讨列线图模型对胆管癌介入治疗预后评估的临床价值和效能。方法回顾性分析2014年1月至2021年6月在郑州大学第一附属医院接受介入治疗的259例胆管癌患者临床资料, 其中男148例, 女111例, 年龄26～91(65±12)岁。按7∶3的比例分为训练组(181例)和验证组(78例)。在训练组中进行Cox回归分析, 筛选出影响患者预后的相关危险因素, 构建患者6个月、1年及2年生存率的列线图预测模型, 通过计算受试者工作特征曲线下面积(AUC)、校准曲线和决策曲线分析模型性能, 并在验证组中评估模型的预测效能。结果训练组和验证组基线资料差异无统计学意义, 具有可比性。回归分析显示:T分期(T2:HR=0.147, 95%CI:0.077～0.281;T3:HR=0.207, 95%CI:0.122～0.351;T4:HR=0.864, 95%CI:0.537～1.393)、肿瘤直径(17～33 mm:HR=0.201, 95%CI:0.119～0.341;≥33 mm:HR=0.795, 95%CI:0.521～1.211)及分化程度(中分化:HR=3.318, 95%CI:2.0...     

老年病人非心脏手术全麻苏醒延迟风险预测模型的建立与验证

目的：建立老年病人非心脏手术全身麻醉苏醒延迟的风险预测模型，并评估其预测效能。方法：选择全身麻醉下行非心脏手术老年病人778例，年龄≥65岁，性别不限，ASA分级Ⅱ～Ⅲ级。收集病人围手术期临床资料，记录苏醒延迟发生情况。对有意义的计量资料进行ROC曲线分析，并计算其最佳截断值转变为分类资料。所有特征变量进行多因素logistic回归分析调查苏醒延迟的独立危险因素，构建列线图预测模型。使用C指数、校准图和决策曲线分析来评估预测模型的识别、校准和临床实用性。内部数据验证采用自举验证计算校正的C指数。结果：最终共纳入718例老年病人，66例发生苏醒延迟，发生率为9.2%。预测列线图中包含的预测因素包括：年龄>74岁、术前MMSE评分≤25分、术前Fried表型评分≥3分、合并慢性阻塞性肺疾病、术中低血压、术中脑电双频指数<45(P<0.01)。该模型显示出良好的分辨力，C指数为0.750(95%CI:0.679～0.821),且校准良好，在内部验证中校正C指数达到0.743。决策曲线分析表明，Nomogram模型预测术后发生苏醒延迟的风险阈值为2.0%～81.5%,此时增加...     

胸科手术患者根据胸部CT选择双腔支气管导管型号的预测模型建立与验证

目的 根据胸部CT选择胸科手术患者双腔支气管导管(double-lumen endobronchial tube, DLT)型号的预测模型的建立与验证。方法 回顾性分析2020年10月—2022年10月本院择期行胸科手术的399例患者的临床资料。按照7︰3比例进行随机抽样法分为训练集(n=275)和验证集(n=124)。在训练集数据,通过套索(Least absolute shrinkage and selection operator, LASSO)回归方法分析确定影响DLT型号选择的潜在影响因素,并建立列线图可视化工具。在验证集中对模型进行验证,通过受试者工作特征(receiver operating characteristic, ROC)曲线下方面积(area under curve, AUC)及校准曲线验证模型的预测效能。结果 与DLT型号选择相关的潜在影响因素为身高、体重、手术方式、术前手术史。本研究构建DLT型号选择预测模型的AUC在训练集和验证集分别为0.860(95%CI 0.817～0.904)和0.824(95%CI 0.750～0.898),其提示预测模型的区分...     

个体化预测重症监护室老年患者谵妄的列线图预测模型的建立

目的：分析重症监护室(ICU)老年患者发生谵妄的危险因素,建立风险预测模型并验证其准确性。方法：收集美国重症监护医学信息数据库-Ⅳ的1 216例老年患者,按照3∶1比例随机分为训练集(n=912)和验证集(n=304)。使用Lasso回归和二元Logistic回归分析筛选训练集中谵妄的独立危险因素,绘制列线图模型。采用受试者工作特征曲线(ROC)、校准曲线、决策曲线对训练集和验证集进行内部和外部验证。结果：训练集中谵妄的发生率为32.6%(297/912),年龄、慢性阻塞性肺疾病、急性生理学与慢性健康状况评分系统Ⅱ(APACHEⅡ)评分、应用镇静药物、机械通气是谵妄的独立危险因素。训练集和验证集的ROC曲线下面积分别为0.762(95%CI:0.727～0.797)和0.767(95%CI:0.714～0.820)。校准曲线表明预测结果与实际结果一致性较好,决策曲线分析结果显示模型的净获益率高。结论：本研究建立的ICU老年患者谵妄的列线图预测模型具有良好的预测效能,有助于医护人员判断高危患者并制定针对性的预防措施。     

基于机器学习CT影像组学特征联合血清学特征模型预测高出血风险食管静脉曲张

目的建立结合影像组学特征及血清学特征的预测模型(Nomogram模型)并进行模型验证,以评估模型对高出血风险食管静脉曲张的预测效能。方法回顾性收集本院代偿期肝硬化门静脉高压患者共129例数据的CT、血清学及电子胃镜资料,选取CT图像上第一肝门及脾门层面作为感兴趣区勾画全肝及全脾ROI,提取CT特征、血清学特征,构建影像组学模型,血清学模型及Nomogram模型,采用ROC曲线下面积(AUC)评估3个预测模型的预测效能。结果 本次研究共纳入129例患者,其中训练集103例,验证集26例,影像组学模型、血清学模型、Nomogram模型的AUC值0.887(95%CI:0.759-1.000)、 0.845(95%CI:0.691-1.000)、0.988(95%CI:0.959-1.000)。结论 基于机器学习CT影像组学特征联合血清学特征预测高出血风险食管静脉曲张模型,较影像组学特征预测模型以及血清学特征预测模型有着更高的预测效能。     

ICU重症患者脓毒症发生风险预测模型的构建与验证

目的 构建重症监护室(ICU)重症患者发生脓毒症的风险预测模型，为临床医生早期识别脓毒症患者提供工具。方法 选择2021年5月至2022年10月在山西白求恩医院ICU入住的患者为研究对象，将符合纳入标准的患者随机分为训练集和验证集。收集临床常用指标，采用Logistic回归模型，根据赤池信息准则，筛选脓毒症的独立危险因素，建立预测模型。采用受试者工作特征曲线(ROC)、校准曲线、决策曲线(DCA)对预测模型进行评价，并与单一指标的预测性能进行比较。结果 共有171名患者纳入研究，随机分为训练集139例，验证集32例。Logistic回归分析结果显示，性别(OR=0.504,95%CI 1.008～1.059),中性粒细胞计数和淋巴细胞计数比值(NLR)(OR=1.030,95%CI 1.008～1.059)和序贯器官衰竭(SOFA)评分(OR=1.179,95%CI 1.073～1.308)是ICU重症患者发生脓毒症的独立危险因素。联合预测ICU患者发生脓毒症ROC曲线下面积(AUC)为0.722(95%CI 0.637～0.807),校准曲线提示模型校准度良好，决策曲线提示模型具有临...     

婴幼儿视网膜母细胞瘤生存率预测列线图模型的构建

目的:构建预测婴幼儿视网膜母细胞瘤(RB)生存率的列线图。方法:收集2004年至2019年SEER数据库中929例RB患儿(0～3岁)的临床资料作为训练集,采用Cox回归分析筛选出婴幼儿RB生存的影响因素,并基于回归结果构建预测RB患儿3、5和10 a生存率的列线图。收集2010年至2019年郑州大学第一附属医院诊断的RB患儿111例为外部验证集。利用C指数、ROC曲线、校准曲线和决策曲线分析(DCA)评估列线图模型的预测价值。结果:以因RB死亡为终点事件,Cox回归分析结果显示,肿瘤基底直径≥15 mm、T3期、T4期、M1期和放化疗联合治疗是生存预后的危险因素,HR(95%CI)分别为3.049(1.459～7.782)、6.341(1.811～12.372)、9.554(6.054～13.989)、5.087(1.602～16.155)、10.452(1.180～19.598)。在训练集和外部验证集中,列线图模型预测的C指数(95%CI)分别为0.948(0.923～0.973)、0.858(0.728～0.987);在训练集中,列线图模型3、5和10 a生存率预测的AUC(95...     

川崎病患儿丙种球蛋白耐药列线图模型的构建与验证

目的 基于Lasso回归和列线图构建并验证川崎病患儿对丙种球蛋白耐药的预测模型,以期为临床诊疗提供帮助。方法 回顾性收集2014年7月—2020年7月西南医科大学附属医院收治的474例川崎病患儿的临床资料,采用Lasso回归分析筛选重要的临床因素构建Nomogram模型,通过绘制受试者工作特征（ROC）曲线、Calibration校准曲线及DCA曲线验证模型的区分度、校准度及临床有效性。结果 共纳入474例患儿资料,其中339例作为训练集,135例作为验证集。Lasso回归分析显示,心脏表现、心外并发症、首剂静脉注射免疫球蛋白使用时间、中性粒细胞比例、红细胞分布宽度-标准差、血小板压积、白蛋白、系统性免疫-炎症指数及C反应蛋白/白蛋白是川崎病患儿丙种球蛋白耐药的预测因素。基于上述预测因素构建Nomogram模型,并分别在训练集与验证集人群中进行验证。训练集ROC曲线下面积（AUC）为0.784(95%CI:0.701,0.867),当最佳阈值取0.045时,相应的特异性和敏感性分别为0.490(95%CI:0.434,0.546)和0.935(95%CI:0.849,1.000);验证...     

维持性血液透析并发不宁腿综合征危险因素和风险预测模型的构建

目的:研究维持性血液透析(MHD)患者并发不宁腿综合征(RLS)的危险因素,并在此基础上构建风险预测模型。方法:选取202例行MHD的患者为建模组,使用多因素Logistic回归分析来探讨MHD患者并发RLS的危险因素,并基于危险因素构建风险预测模型;另收集103例行MHD的患者作为验证组,对模型进行内、外部验证。两组均根据是否发生不宁腿综合征分为阳性组和阴性组。结果:多因素Logistic回归分析显示,Hb<110 g·L^-1、PTH≥350 pg·ml^-1、原发糖尿病肾病是MHD患者并发RLS的危险因素。内部验证显示Calibration校准曲线拟合良好(H-L检验显示χ²=8.620,P=0.375),受试者工作特征(ROC)曲线下面积(AUC)及一致性指数(C-index)均为0.763(95%CI 0.665～0.861),灵敏度为66.7%,特异度为76.9%。验证组显示Calibration校准曲线具有良好的一致性(H-L检验显示χ²=4.028,P=0.673),AUC与C-i...     

CT影像组学在预测非小细胞肺癌淋巴结转移中的价值

目的探讨基于胸部CT影像组学在术前预测非小细胞肺癌淋巴结转移中的价值。方法回顾性分析经术后病理证实的143例非小细胞肺癌病人临床、胸部CT增强影像资料。按照7:3比例,随机分为训练组（n=100）和验证组（n=43）。在静脉期图像上提取肿瘤的影像组学特征,采用最小绝对收缩选择算子（LASSO）逻辑回归用于数据降维、特征筛选。分别基于影像组学特征和临床-影像特征（最大径、毛刺征）构建预测模型。采用受试者工作特征曲线（ROC）的曲线下面积（AUC）评价不同模型的鉴别预测效能,并对模型的ROC曲线行Delong检验;在验证组中评估其预测效能。结果共提取939个影像组学特征,经筛选最终得到6个最优特征并建立影像组学预测模型。对于术前预测淋巴结转移的效能,在训练组中,影像组学模型AUC为0.864（95%CI:0.781~0.924）,大于临床模型的AUC为0.662（95%CI:0.561~0.754）（P < 0.01）;在验证组中,影像组学模型AUC为0.860（95%CI:0.720~0.964）,大于临床模型的AUC为0.664（95%CI:0.504~0.880）（P < 0.05）。结论基于胸部CT增强图像提取影像组学特征及其构建的预测模型,影像组学模型的效能高于临床模型,可以作为一种预测非小细胞癌病人淋巴结是否转移的辅助工具,具有良好的临床应用前景。     

基于IQon Spectral CT平扫的影像组学在甲状腺结节良恶性诊断及鉴别诊断中的价值

目的：基于IQon Spectral CT平扫图像，通过影像组学联合机器学习方法，研究其在甲状腺良恶性结节诊断及鉴别诊断中的临床价值。方法：回顾性收集107例（161个结节）经病理证实的甲状腺结节患者CT平扫图像，应用RadCloud平台对影像学特征进行提取分析，采用k-NearestNeighbor(KNN)、支持向量机（SVM）和logistic回归（LR）分类器建立预测模型（分为训练组和测试组，训练组和测试组的比例为4∶1），并评价预测模型的性能。结果：KNN、SVM和logistic回归三种模型预测效能相当，其中SVM模型性能相对较优，预测模型的ROC曲线下面积为0.822(95%可信区间：0.750～0.890)，敏感度为77%，特异度为77%；在测试组中ROC曲线下面积为0.790(95%可信区间：0.640～0.940)，敏感度为71%，特异度为68%。结论：基于影像组学联合机器学习算法在甲状腺结节的良恶性鉴别诊断中具有显著的临床价值。     

宫颈癌术后发生女性盆底功能障碍性疾病的风险预测模型构建

目的 建立宫颈癌患者手术治疗后发生女性盆底功能障碍性疾病(PFD)风险预测模型,为宫颈癌幸存者提高生活质量提供理论依据。方法 收集确诊为宫颈癌且接受广泛子宫切除术+盆腔淋巴结清扫术±腹主动脉旁淋巴结清扫术±放化疗患者共195例为研究对象,对其术后1年内可能发生PFD的影响因素进行单因素分析,将单因素分析差异有统计学意义或单因素分析差异无统计学意义但专业上认为可能有意义的变量纳入多因素Logistic回归分析,建立宫颈癌患者术后盆底功能障碍性疾病的风险预测模型。绘制受试者工作特征曲线(ROC曲线)并计算曲线下面积AUC,校准曲线分别评估预测模型的区分度、一致性及临床有用性,综合评估该模型的预测效能。结果 本研究构建的宫颈癌术后发生盆底功能障碍性疾病的风险预测模型的区分度较好(AUC=0.929,95%CI:0.882～0.976);校准曲线是斜率接近为1的虚线;内部验证显示验证后的ROC曲线下面积AUC约为0.902,灵敏度为94.9%,特异度为85.0%,最佳截断值0.785。结论 本研究通过纳入危险因素如肿瘤直径≥4 cm、手术时长>90 min、术中出血量≥100 mL、留置...     

基于机器学习算法的新型冠状病毒肺炎患者院内结局预测

目的 利用机器学习算法构建新型冠状病毒肺炎(COVID-19)患者临床结局的预测模型,并探索结局相关因子.方法 收集2020年2月5日至4月15日武汉市火神山医院及华中科技大学同济医学院附属同济医院光谷院区收治的COVID-19患者的临床指标与结局(院内死亡和院内接受气管插管治疗),利用人工神经网络(ANN)、朴素贝叶斯、logistic回归、随机森林4种机器学习算法构建患者临床结局的预测模型.结果 共纳入4804例COVID-19患者,其中发生院内死亡100例(2.08％)、接受气管插管治疗87例(1.81％).与院内死亡相关性最强的变量为白细胞计数、白蛋白、钙离子、血尿素氮、心肌型肌酸激酶同工酶和年龄,与院内接受气管插管治疗相关性最强的变量为白细胞计数、淋巴细胞绝对值、超敏CRP、总胆红素、钙离子和年龄,分别利用以上变量、基于4种机器学习算法构建院内死亡和院内接受气管插管治疗预测模型.4种预测模型中,相较于基于ANN、logistic回归、随机森林算法构建的模型[预测院内死亡的AUC值(95％CI)分别为0.938(0.882～0.993)、0.926(0.865～0.987)、0.867(0.780～0.954),预测院内接受气管插管治疗的AUC值(95％CI)分别为0.932(0.814～0.980)、0.935(0.817～0.981)、0.936(0.921～0.972)],基于朴素贝叶斯算法构建的模型在预测COVID-19患者院内死亡(AUC=0.952,95％CI 0.925～0.979)和接受气管插管治疗(AUC=0.948,95％CI 0.896～0.965)方面性能均最佳.结论 4种机器学习算法在预测COVID-19患者临床结局方面性能良好,其中以基于朴素贝叶斯算法构建的预测模型最佳.白细胞计数、白蛋白、钙离子、血尿素氮、心肌型肌酸激酶同工酶和年龄可以用来预测COVID-19患者院内死亡,白细胞计数、淋巴细胞绝对值、超敏CRP、总胆红素、钙离子和年龄可以用来预测患者院内是否接受气管插管治疗.     

维持性血液透析患者透析中低血压风险预测模型研究

目的 构建维持性血液透析（MHD）患者透析中低血压（IDH）风险预测模型,并内部验证模型性能。方法 便利选取2018年7月至2022年2月成都医学院第一附属医院的680例MHD患者进行回顾性非匹配病例对照研究,根据其是否存在IDH分为IDH组（n=170）和non-IDH组（n=510）。利用最小绝对收缩和选择算子（LASSO）算法筛选影响MHD患者发生IDH的关键预测变量,建立列线图模型、分类回归树（CART）模型以及极端梯度提升（XGboost）模型,使用自助抽样法对模型进行内部验证和性能比较。结果 在3个风险预测模型中,透析前收缩压（Predialysis-SBP）是影响MHD患者发生IDH最重要的预测变量。列线图模型、CART模型以及XGboost模型的受试者操作特征（ROC）曲线下面积（AUC）分别为0.979(95%CI:971～0.988)、0.934(95%CI:0.914～0.954)和0.992(95%CI:0.988～0.996)。决策曲线分析（DCA）显示,XGboost模型提供的临床净收益最大。结论 基于正则化机器学习技术构建的3个MHD患者发生IDH的风险预...