简介：摘要：医院档案是对不同历史时期、不同背景条件下的重要事件、任务和工作等文字记载。医院档案管理是医院发展面临的重要问题，也是不能缺少的组成部分。医院档案管理主要内容为档案的分类，归档与查询储存等。医院档案管理人员是医院档案规范管理核心，其综合能力直接影响档案管理质量。提高医院档案管理人才综合能力，对提高医院档案管理质量尤为重要。本文则分析在生态学模型下医院档案专项人才培养策略。

简介：摘要 目的 探究 Caprini 风险评估模型评估神经内科重症患者静脉血栓栓塞症（ VTE）发病

简介：摘要目的回顾性验证改良Padua风险评估模型在内科住院患者中筛选静脉血栓栓塞症(VTE)的有效性。方法采用回顾性病例对照研究设计，以2013年1月至2016年12月在广州医科大学附属第一医院内科住院患者中确诊为VTE的432例患者作为VTE组，以随机数字表法选取同时期同科室的出院诊断非VTE的864例内科住院患者为对照组，回顾性收集2组患者病史、实验室检查结果等临床资料，对所有患者进行Padua风险评估模型以及改良Padua风险评估模型评分，比较2种风险评估模型评分情况。结果VTE组患者Padua风险评估模型评分高于对照组[(2.92±0.18)分比(1.25±0.10)分，t＝16.241，P<0.05]。VTE组患者改良Padua风险评估模型评分高于对照组[(3.27±0.19)分比(1.64±0.11)分，t＝14.245，P<0.05]。2组患者随着2种风险评估模型评分的升高，发生VTE的风险也相应增高，经Padua风险评估模型以及改良Padua风险评估模型判定为VTE高危患者(评分≥4分)发生VTE的风险分别是低危患者的12.72倍(95% CI：9.00～17.98，P<0.05)与8.17倍(95% CI：6.00～11.12，P<0.05)。VTE组患者经改良Padua风险评估模型判定为VTE高危患者占比高于Padua风险评估模型(48.61%比39.12%，P<0.05)。结论改良Padua风险评估模型是基于个体危险因素对内科住院患者进行量化更加有效的VTE风险评估模型。

简介：摘要目的探讨COMPASS-CAT风险评估模型以及新建立的预测概率模型对非小细胞肺癌(NSCLC)患者静脉血栓栓塞症(VTE)的风险预测价值。方法收集2013年3月至2017年6月在中国医学科学院肿瘤医院住院治疗的373例NSCLC患者的临床资料，根据是否发生VTE分为VTE组(63例)和非VTE组(310例)。依据COMPASS-CAT评估模型对所有患者进行评分和危险度分级。计数资料的比较采用χ2检验，采用logistic回归模型分析影响VTE发生的危险因素。基于COMPASS-CAT模型纳入D-二聚体≥1.03 mg/L、血红蛋白<10 g/dl变量，构建新的COMPASS-CAT预测概率模型，分别绘制受试者工作特征(ROC)曲线，应用MedCalc软件比较ROC曲线差异，分析不同风险评估模型对预测NSCLC患者VTE风险的应用价值。结果全组患者VTE的发生率为16.9%(63/373)。VTE组患者的COMPASS-CAT评分为(6.37±3.40)分，高于非VTE组[(2.74 ±2.04)分]，差异有统计学意义(P<0.001)。VTE组COMPAS-CAT评分≥7分、卡氏体力状态评分≤80分、心血管疾病合并症≥2种、中心静脉置管、高脂血症、血红蛋白<10 g/dl、D-二聚体≥1.03 mg/L、临床分期Ⅲ～Ⅳ期患者的比例均高于非VTE组，差异均有统计学意义(均P<0.05)。logistic回归分析显示，D-二聚体≥1.03 mg/L、COMPAS-CAT评分≥7和血红蛋白<10 g/dl均为影响VTE发生的独立危险因素(均P<0.05)。COMPASS-CAT模型和新构建的COMPASS-CAT预测概率模型的ROC曲线下面积(AUC)分别为0.745和0.804，与COMPASS-CAT模型比较，COMPASS-CAT预测概率模型的AUC增加0.059，差异有统计学意义(P＝0.007)。结论对于住院治疗的NSCLC患者，COMPASS-CAT风险评估模型对VTE发生风险具有较好的预测价值，COMPASS-CAT模型纳入D-二聚体、血红蛋白变量构建新的预测概率模型可提高NSCLC患者VTE危险因素预测的准确性。

简介：【摘要】目的 调查优质护理服务模式下护士共情疲劳风险评估模型的构建。方法 采用一般资料问卷、共情疲劳评估量表、职业认同评定量表、成人心理弹性量表对本院102名护士进行问卷调查。结果 102名手术室护士中，工作待遇满意度的高低、是否为职业发展提供机会、工作是否不规律、是否缺乏团队合作、工作压力是否太大、１月内是否得到认可能够影响手术室护士倦怠的得分，差异有统计学意义（P

简介：摘要：目的：探讨老年维持性血液透析病人生存预后的独立危险因素，构建风险预测模型。方法：采用便利抽样法选取２０２２年５月—２０２３年５月收治的２３９例老年血液透析病人为研究对象，回顾病人一般资料，根据其是否发生生存预后将其分为生存预后组和非生存预后组，通过单因素分析确定老年维持性血液透析病人生存预后的影响因素，通过多因素Ｌｏｇｉｓｔｉｃ回归分析其独立危险因素，构建Ｌｏｇｉｓｔｉｃ风险预测模型。通过Ｈｏｓｍｅｒ－Ｌｅｍｅｓｈｏｗ（Ｈ－Ｌ）检验和受试者工作特征曲线（ＲＯＣ）对模型的诊断效率进行综合性评价。结果：老年维持性血液透析病人生存预后发生率为２２．５９％。单因素分析结果显示，不同性别、年龄、是否跌倒、是否锻炼、脑卒中病史、抑郁情况、透析时间、Ｃｈａｒｌｓｏｎ合并疾病指数、血清白蛋白、血红蛋白、肌酐、尿素氮清除效率、体质指数的老年维持性血液透析病人生存预后发生情况比较，差异有统计学意义（Ｐ均＜０．０５）；多因素Ｌｏｇｉｓｔｉｃ回归分析结果显示，高龄、跌倒、不锻炼、抑郁、透析时间长、Ｃｈａｒｌｓｏｎ合并疾病指数大及较低水平的血清白蛋白、血红蛋白是老年维持性血液透析病人发生生存预后的独立危险因素（Ｐ均＜０．０５）。结论：基于年龄、糖尿病、血管通路、NLR、血清白蛋白五个变量构建在线动态列线图，可较准确预测MHD患者1～3年生存率。

简介：摘要目的在不同孕前体重指数（BMI）分层的妊娠妇女中，通过孕中期的糖脂代谢指标建立巨大儿的风险评估模型，并探讨该模型的价值。方法为单中心、大样本的回顾性研究。收集2016年9月至2018年12月在北京协和医院产科门诊孕24~28周进行常规口服75 g葡萄糖耐量试验（OGTT）的孕妇共1 781例，排除孕前糖尿病合并妊娠、高血压、甲状腺功能异常、肝肾功能疾病及多胎妊娠后，最终入组1 114例，按照孕前BMI分为体重正常组（940例，BMI<24.0 kg/m2）和肥胖或超重组（174例，BMI≥24.0 kg/m2）。记录不同体重组患者的一般资料、孕期糖代谢状态资料，记录妊娠结局。采用单因素logistic回归分析寻找巨大儿发生的独立危险因素，采用二元logistic逐步回归建立巨大儿预测模型，采用受试者工作特性（ROC）曲线评估预测模型价值并寻找相应预测切点。用PROCESS 3.4进行中介分析。结果与孕前体重正常组相比，孕前超重或肥胖组发生巨大儿风险更高（OR值为2.72，95%CI 1.75~4.23）。调整混杂因素（包括妊娠年龄、糖尿病家族史、不良孕产史）后，孕中期的空腹血糖（FPG）、餐后1 h血糖（1hPBG）、妊娠期糖尿病（GDM）、甘油三酯（TG）、载脂蛋白B（ApoB）、孕重增加（GWG）均是巨大儿发生的危险因素，高密度脂蛋白胆固醇（HDL-C）是保护因素（均P<0.05）。二元logistic逐步回归法建立巨大儿预测模型，孕前体重正常组共940例，最终纳入预测指标为孕中期的GWG、ApoB及TG/HDL-C；孕前超重和肥胖组174例，最终纳入预测指标为ApoB和TG/HDL-C。孕前体重正常组预测巨大儿ROC曲线下面积为0.841，灵敏度为82.3%，特异度为75.2%；超重或肥胖组ROC曲线下面积0.727，灵敏度仅为50.0%，特异度为97.3%。在2组中，TG/HDL-C作为中介变量，在血糖和巨大儿的关系里中介效应显著。结论孕中期ApoB、TG/HDL-C联合GWG建立的巨大儿预测模型有较好的区分度和准确性，尤其在孕前体重正常的妊娠妇女中，提示血脂代谢紊乱对巨大儿的发生可能起着决定性作用。

简介：摘要目的建立非心脏手术老年患者术后谵妄(POD)风险预测模型并评估其预测效能。方法选择2020年1月至2020年12月于普外科、骨科、泌尿外科、肝胆胰腺外科在气管插管全身麻醉下择期行非心脏手术的患者685例，性别不限，年龄65~90岁，ASA分级Ⅰ~Ⅳ级，采用简单随机抽样方法按照7∶3比例将患者分配至训练集和验证集。收集患者围术期临床资料，并于术后1~7 d(或出院前)随访，记录POD发生情况。应用单因素及多因素logistic回归分析筛选POD的独立危险因素。根据训练集多因素logistic回归分析结果构建POD风险预测模型，绘制列线图和受试者工作特征曲线，计算曲线下面积(AUC)。利用验证集对预测模型进行验证，并评估POD预测模型的效能。结果最终共纳入653例患者，有139例发生POD，发生率为21.3%。多因素logistic回归分析结果显示，高龄、ASA分级高、术前简易智力状态检查量表评分低、合并糖尿病、受教育年限低、术前匹兹堡睡眠质量指数量表评分高、麻醉时间长及术后疼痛数字评分法评分高是非心脏手术老年患者POD的独立危险因素。基于以上危险因素构建POD风险预测模型，训练集AUC为0.981，约登指数为0.881，灵敏度为95.95%，特异度为92.92%；验证集AUC为0.939，约登指数为0.795，灵敏度为94.44%，特异度为85.09%。结论基于年龄、ASA分级、糖尿病病史、受教育年限、术前简易智力状态检查量表评分、术前匹兹堡睡眠质量指数量表评分、麻醉时间及术后疼痛数字评分法评分建立的非心脏手术老年患者POD风险预测模型具有良好的预测效能。

简介：摘要目的构建脑肿瘤术后患者ICU谵妄风险预测模型，并对模型在脑肿瘤患者ICU谵妄风险预测中的应用价值进行验证。方法采用便利抽样法，选取2020年12月—2021年7月同济大学附属东方医院神经外科ICU收治的336例脑肿瘤术后患者为建模组，根据是否发生ICU谵妄，将患者分为谵妄组（n=101）和非谵妄组（n=235），采用ICU意识模糊评估法、镇静程度评估量表对患者进行评估。采用单因素分析、二项Logistic回归分析探讨脑肿瘤术后患者发生ICU谵妄的影响因素，并构建预测模型；采用受试者工作特征曲线下面积（AUC）、Calibration校准曲线评价模型的区分度、校准度；采用1 000次Bootstrap自抽样法对模型进行验证。按照同样标准，选取2021年8—11月的144例脑肿瘤患者为验证组，对模型进行验证。结果最终进入模型的预测因子为年龄（OR=1.033）、神经外科ICU入住时长（OR=1.298）、手术时长（OR=1.006）、使用苯二氮卓类药物（OR=5.850）、身体约束（OR=2.820）、肿瘤直径（OR=1.385）、双侧脑肿瘤占位（OR=3.604）。预测模型的AUC为0.935（95%CI：0.911~0.960，P<0.01），约登指数为0.747，灵敏度为92.1%，特异度为82.6%；Bootstrap法的内部验证一致性指数为0.916，且校正曲线与理想曲线拟合良好。模型验证结果显示，灵敏度为86.4%，特异度为85.0%。结论脑肿瘤术后患者ICU谵妄风险预测模型具有较好的预测效能，可为医护人员早期采取预防性管理措施提供参考。

简介：摘要经外周静脉置入中心静脉导管（PICC）引发的导管相关性静脉血栓（PICC-RVT）是置管患者最严重的并发症之一。肿瘤患者PICC-RVT发病率高，是导致非计划性拔管的首要原因，不仅增加了住院费用、还延长了住院时间。PICC-RVT可防难治，转变既往"重治疗、轻预防"的临床思维，开发针对肿瘤患者的PICC-RVT风险预测模型，可提前评估患者的血栓发病风险，有助于PICC-RVT的分层防治，降低PICC-RVT发病率并改善其不良结局。本文就国内外已发表的PICC-RVT风险预测模型展开综述，为临床医护人员基于各专科病种特点选择合适的血栓风险预测工具提供参考。

简介：摘要目的构建护士群体职业性肌肉骨骼疾病（WMSDs）发生风险的预测模型并验证，以期对护士WMSDs高危人群的筛查提供科学和客观的参考工具。方法本研究为横断面研究。采用便利抽样法，于2021年3—7月选择北京市25所医院的1 050名临床护士为研究对象，通过发放肌肉骨骼疾患调查表对WMSDs发生的风险因素进行研究。将所有调查对象按7︰3的比例随机分为训练集（n=715）和验证集（n=304），训练集建立模型；采用受试者工作特征曲线下面积（AUC）评价风险模型的预测能力，并用验证集验证。最终发放调查问卷1 050份，回收有效问卷1 019份，有效回收率为97.05%。结果1 019名护士群体WMSDs的周发生率为84.0%（856/1 019），年发生率为86.7%（883/1 019）；颈部是WMSDs发生率最高的部位，其周发生率与年发生率分别为70.3%（716/1 019）和70.1%（714/1 019）。多因素Logistic回归分析结果显示，年龄≥40岁（P<0.001）、紧张的工作氛围（P<0.001）、前倾的颈部姿势（P=0.002）、每日从事同样的工作（P=0.039）、需要常与患者打交道（P=0.012）、背部长时间保持同一姿势（P=0.002）是护士群体WMSDs周发生的风险因素；年龄≥40岁（P=0.001）、无安全防护培训（P=0.003）、高学历（P=0.041）、紧张的工作氛围（P=0.005）、大幅前倾的颈部姿势（P=0.008）、需要常与患者打交道（P=0.001）、工作涉及寒冷或气温变化（P=0.017）、休息时间不足（P=0.019）、经常替班（P=0.035）、工作中躯干经常重复同一动作（P=0.025）、手部弯曲（P=0.006）是护士群体WMSDs年发生的影响因素。基于以上筛选变量分别建立预测护士群体WMSDs周发生与年发生风险的列线图模型，结果显示，该模型在训练集中的AUC值分别为0.794（95%CI：0.750~0.838）与0.789（95%CI：0.718~0.860）。验证集进一步证实了列线图模型的预测能力，预测护士群体WMSDs周发生与年发生风险的AUC值分别为0.782（95%CI：0.729~0.835）与0.794（95%CI：0.721~0.868）。结论该列线图模型对护士群体WMSDs的发生风险具有良好的预测能力，可有助于筛选高风险人群并及时给予有效干预。

简介：摘要目的调查双相情感障碍（PBD）患儿家长的心理危机现状并建立风险预测模型，以期能为医护工作者早期筛查家长心理健康状况提供一定的参考依据。方法本研究为横断面研究，采用方便抽样法，选取2020年1月—2021年5月在浙江省温州医科大学附属第二医院治疗的478名PBD患儿的家长作为研究对象，并按2︰1的比例随机分为建模组（318名）和验证组（160名）。使用一般资料调查表和症状自评量表进行问卷调查，使用单因素分析和Logistic回归进行建模组心理危机影响因素分析，使用H-L检验和受试者工作特征曲线验证模型的预测效能。结果318名PBD患儿家长心理危机检出率为25.7%，其中建模组的检出率为26.1%，验证组的检出率为25.0%。是否首发（OR=2.337，P<0.05）、家长性别（OR=1.846，P<0.05）、自评照顾负担（OR=3.527，P<0.05）、宗教信仰（OR=3.113，P<0.05）和患儿年龄（OR=1.969，P<0.05）是PBD患儿家长心理危机发生的预测因素。结论医护工作者需善于观察患儿家长的心理状况，提前预测家长发生心理危机的风险性，并及时按风险等级进行针对性干预，以提高家长的心理适应能力，改善家长的心理健康状况。

简介：摘要目的探讨行胸腹部手术后引流管拔除患者手术切口愈合不良发生的独立危险因素，建立手术切口愈合不良的风险预测模型。方法采用便利抽样法选取2020年7—12月青岛大学附属医院的545例胸腹部手术患者，根据患者是否发生切口愈合不良将其分为术后切口愈合不良组（n=87）和无切口愈合不良组（n=458）。采用Logistic回归分析对手术切口愈合不良的危险因素进行分析并构建风险预测模型，应用受试者工作特征（ROC）曲线的曲线下面积检验模型预测效果，并选取230例患者进行模型预测效果验证。结果本研究最终纳入渗液持续时间、血清白蛋白、有无切口感染、置管时渗液量和置管时间5个影响因素构建风险预测模型，模型公式为Z=4.608+4.855×渗液持续时间+3.173×血清白蛋白+3.739×切口感染+2.271×置管时渗液量+0.466×置管时间。本模型ROC曲线的曲线下面积为0.773（95%置信区间：0.678~0.868），Youden指数最大值为0.549，灵敏度为0.742，特异度为0.807。结论胸腹腔手术患者引流管拔除后切口愈合不良风险预测模型能较好地预测切口愈合不良的发生风险，可以为临床医护人员及时对高危患者采取预防性管理措施提供依据。

简介：摘要目的联合运用多个指标建立老年患者急性上消化道再出血（AUGIRB）风险模型。方法回顾性分析2018年7月至2020年12月上海市第一人民医院收治的161例老年（年龄≥65岁）急性上消化道出血（AUGIB）患者的临床资料，根据是否合并消化道再出血分为再出血组（31例）和无再出血组（130例）。应用单因素分析筛选AUGIRB相关危险因素，Logistic回归分析筛选AUGIRB独立预测指标，构建预测模型。通过受试者工作特征（ROC）曲线下面积（AUC）评估预测模型对AUGIRB的预测能力，确定最佳截断值，计算优势比（OR）及其95%可信区间（95%CI）。运用Bootstrap重抽样法对模型的预测能力进行内部验证。结果单因素分析发现，口服抗凝药物和抗血小板药物、白蛋白（ALB）、血小板计数（PLT）、格拉斯哥-布拉奇福德出血评分（GBS）、D-二聚体、纤维蛋白原（FIB）和国际标准化比值（INR）对老年患者是否发生AUGIRB有显著影响。多因素Logistic回归分析显示，口服抗血小板药物（OR＝11.150，95%CI：1.888~65.852，P<0.05）、GBS评分（OR＝2.503，95%CI：1.523~4.114，P<0.05）为老年患者合并AUGIRB的独立危险因素，ALB（OR＝0.764，95%CI：0.626~0.932，P<0.05）和FIB（OR＝0.065，95%CI：0.011~0.370，P<0.05）为老年患者合并AUGIRB的保护因素。上述4个指标联合预测模型的AUC为0.979。模型预测能力的内部验证表明，C指数为0.986。结论研究中拟合的预测模型预测准确率较高，对老年患者合并AUGIRB的判断有一定参考价值。

简介：摘要目的探讨急诊科患者30 d死亡危险因素，采用列线图构建预测模型并进行验证。方法采用回顾性队列研究方法，收集2021年1月1日至6月30日常德市第一人民医院急诊科收治的1 091例患者的临床资料，其中1月1日至3月31日的741例患者为建模组，4月1日至6月30日的350例患者为验证组。收集患者的一般资料、入急诊科首次生命体征和实验室检查结果，计算改良早期预警评分（MEWS），并记录30 d转归。采用单因素和多因素Logistic回归分析筛选出30 d死亡的危险因素；根据多因素分析结果构建30 d死亡的列线图模型，采用受试者工作特征曲线（ROC曲线）评估所建模型的一致性，采用Hosmer-Lemeshow拟合优度检验评价预测模型的拟合程度。结果最终1 091例患者均纳入分析，其中建模组741例，男性356例、女性385例，年龄（51.42±17.33）岁，30 d病死率为28.88%；验证组350例，男性188例、女性162例，年龄（52.88±16.11）岁，30 d病死率为24.00%。单因素分析结果显示，年龄、入急诊科时主要诊断、意识、呼吸频率（RR）、收缩压（SBP）、心率（HR）、脉搏血氧饱和度（SpO2）、MEWS评分、红细胞沉降率（ESR）、降钙素原（PCT）、体质量指数（BMI）可能是急诊科患者30 d死亡的危险因素；进一步纳入多因素分析结果显示，MEWS评分〔优势比（OR）＝14.22，95%可信区间（95%CI）为1.46~138.12〕、ESR（OR＝46.71，95%CI为20.48~106.53）、PCT（OR＝4.97，95%CI为2.46~10.02）、BMI（24.0~27.9 kg/m2：OR＝37.82，95%CI为14.69~97.36；≥28.0 kg/m2：OR＝62.11，95%CI为25.77~149.72）是急诊科患者30 d死亡的独立危险因素（均P<0.05）。根据多因素分析筛选出的变量构建列线图模型，建模组模型的ROC曲线下面积（AUC）为0.974（95%CI为0.753~0.983），验证组模型的AUC为0.963（95%CI为0.740~0.975）；Hosmer-Lemeshow检验显示，列线图模型的预测结果与实际情况差异无统计学意义（χ2＝1.216，P＝1.270）。结论MEWS评分联合BMI、ESR、PCT建立的预测模型可以科学、有效地预测急诊科患者30 d转归。

简介：摘要急性心肌梗死（AMI）的院内病死率高，严重威胁患者生命健康。目前许多国家和地区已经建立了多种用于预测AMI患者院内死亡风险的客观评估模型，在对不同危险分层的患者拟定治疗方案时提供了重要的决策辅助支持。随着人工智能的兴起，许多新的建模方法也在传统建模的基础上显示出一定的优势。本文将对常用的以及新近构建的AMI院内死亡风险预测模型进行系统介绍，以期为医护人员在临床中应用模型辅助决策提供帮助，并为将来建立更为安全有效的风险预测模型提供参考。

简介：摘要目的通过分析综合ICU患者获得性衰弱的危险因素，构建风险预测模型，并验证模型的应用效果。方法选取2018年11月至2019年10月在江苏大学附属医院综合ICU治疗的247例患者，将其分为ICU获得性衰弱组（n=106）和非ICU获得性衰弱组（n=141），将2组的各项指标进行对比并应用二元Logistic回归构建预测模型，采用H-L判断模型的拟合度，采用ROC曲线下面积检验模型预测效果。于2019年11月至2020年5月纳入106例患者作为验证组对模型进行临床应用效果的验证。结果本研究建模组ICU获得性衰弱发生率为42.91%（106/247），验证组为44.34%（47/106），最终纳入年龄（OR=1.043）、机械通气时间（OR=1.140）、急性生理学与慢性健康状况评分表（APACHEⅡ）评分（OR=1.081）、血糖（OR=1.117）、乳酸（OR=1.459）、神经阻滞剂（OR=3.499）6个变量构建出风险预测模型。预测模型的公式为P=1/1+exp（-Z）=1/1+exp（8.808-0.042×年龄-1.252×神经阻滞剂的赋值-0.078×APACHEⅡ评分-0.110×血糖-0.378×血乳酸-0.131×机械通气时间），本预测模型ROC曲线下面积为0.896（95%CI 0.824~0.914）,最大约登指数为0.577，灵敏度为0.754，特异度为0.823，截段值为0.503。模型验证结果：AUC=0.880，灵敏度为70.2%，特异度为88.1%，准确率为80.2%。结论本研究构建的ICU获得性衰弱风险预测模型具有较好的预测效果，可为临床筛选ICU获得性衰弱高危患者提供参考。

简介：摘要目的分析自动机器学习（autoML）模型预测孕早期子痫前期风险的效果。方法选取2017年1月—2020年10月2 180例在济南市第二妇幼保健院建档并于孕12周进行孕检的单胎孕妇，根据整个孕期是否发生子痫前期分为子痫前期组（103例）和对照组（2 077例），比较两组孕妇临床资料和血液学指标差异，分析各指标与子痫前期发生风险的相关性。将纳入研究的孕妇按7∶3的比例随机分为训练集和测试集，应用autogluon autoML算法构建多种机器学习模型，并在训练集中进行训练和交叉验证，比较不同模型的训练和验证准确率。分析各指标在autoML模型中的重要性，以autoML模型和logistic回归模型分别对测试集孕妇孕早期子痫前期的发生风险进行预测，应用受试者工作特征（ROC）曲线对autoML模型和logistic回归模型的预测效能进行评价。结果子痫前期组年龄、孕前体质指数、孕12周体质指数、孕12周腰围、饮酒史比例、超敏C-反应蛋白（hs-CRP）、三酰甘油、低密度脂蛋白胆固醇（LDL-C）、天冬氨酸氨基转移酶（AST）、血小板分布宽度（PDW）、平均血小板体积、促甲状腺激素（TSH）、β-人绒毛膜促性腺激素水平均显著高于对照组（均P<0.05），游离三碘甲状腺原氨酸（游离T3）、游离甲状腺素（游离T4）、胎盘生长因子（PIGF）、可溶性fms样酪氨酸激酶-1（sFlt-1）、妊娠相关血浆蛋白-A（PAPP-A）均显著低于对照组（均P<0.05）。相关性分析显示，孕前体质指数、孕12周体质指数、孕12周腰围、hs-CRP、三酰甘油、AST、TSH、游离T3、游离T4、β-HCG、PIGF、sFlt-1和PAPP-A等与孕早期子痫前期风险的相关性较高；但各指标间的相关性均较低。通过autoML模型算法共构建8类18个模型，基于FastAI的神经网络_L2在训练集（0.963）和验证集（0.971）中的准确率最高；TSH、LDL-C、PDW、孕12周腰围、sFlt-1、AST等指标重要性较高，游离T4、总胆固醇、孕次、饮酒史、产次和高血压家族史重要性较低。孕早期autoML模型预测子痫前期发生风险的ROC曲线下面积显著高于logistic回归模型（0.984比0.765，P=0.002）；两种预测模型在训练集的预测准确率差异无统计学意义（P>0.05）；autoML模型在测试集的预测准确率和灵敏度均显著高于logistic回归模型（99.54%比98.32%，93.75%比75.00%，均P<0.05）。结论孕早期TSH、LDL-C、PDW、孕12周腰围、sFlt-1、AST等因素与子痫前期发生风险具有一定相关性，基于孕早期指标的autoML模型对子痫前期发生风险具有较高的预测价值。

简介：摘要目的筛选与结肠癌预后相关长链非编码RNA（lncRNA），并构建结肠癌预后风险模型。方法数据提取时间：建库至2022年3月1日。从癌症基因组图谱（TCGA）数据库下载并整理结肠癌转录组数据，构建配对样本lncRNA表达矩阵，利用“edgeR”R包筛选获得差异表达lncRNA（DElncRNA）。对DElncRNA先后行COX回归模型单变量分析、Lasso回归分析、Kaplan-Meier（K-M）生存分析、多元COX回归模型分析，获取预后相关lncRNA。依据多元COX回归模型中回归系数构建结肠癌预后风险模型。通过C指数值、时间依赖的受试者工作特征曲线（ROC）和ROC下的面积（AUC）及K-M生存分析评估模型预测的准确性。对模型中lncRNA构建竞争性内源RNA（ceRNA）网络，对相关的mRNA进行基因本体论（GO）、京都基因与基因组大百科全书数据库（KEGG）富集分析，探索lncRNA影响结肠癌进展的机制。结果整理转录组数据得到5 460个lncRNA，配对样本分析获得DElncRNA 868个，其中上调548个、下调320个。单变量COX回归分析后获得40个lncRNA，经Lasso回归分析过滤共线性因素，得到lncRNA 34个，K-M生存分析后，得出14个候选lncRNA。再进行多元COX回归分析，得到7个预后相关lncRNA（下调：LINC01132；上调：ELFN1-AS1、RP5-884M6.1、LINC00461、RP1-79C4.4、RP4-816N1.7、RP3-380B8.4），依据回归系数构建预后风险模型。模型的C指数值为0.82；3年和5年的AUC值分别为0.79、0.84；进行K-M生存分析提示高低风险组生存率差异有统计学意义（P<0.000 1）。随后构建ceRNA网络，通过KEGG富集分析提示下调lncRNA可能是通过肌动蛋白细胞骨架的调控、癌症中蛋白聚糖、PI3K-Akt信号通路等抑制结肠癌进展，上调lncRNA可能是通过细胞粘附分子、局灶性粘连、吞噬体等通路促进结肠癌进展。结论本研究构建了一个包含7个lncRNA的结肠癌预后风险模型，具有较好预测患者生存预后准确性，每个lncRNA是潜在单独的预后生物标志物，对临床上结肠癌患者预后评估具有一定参考价值。

简介：摘要目的基于多模态磁共振影像组学及临床危险因素构建急性脑卒中机械取栓术后出血转化的列线图模型。材料与方法回顾性分析2017年1月至2020年12月在南京市第一医院就诊的急性缺血性脑卒中患者病例174例，将患者病例随机分为训练集(n=122)和测试集(n=52)，根据治疗后24 h的磁共振图像将患者分成出血转化组和无出血转化组。采用A.K.软件提取弥散加权成像及灌注加权成像病变区影像组学特征并构建影像组学标签。通过多变量Logistic回归筛选最佳预测因子并构建列线图模型。利用受试者操作特征(receiver operating characteristic，ROC)曲线评估模型预测效能。结果每例患者各提取1584个影像组学特征，降维后筛选出15个与卒中出血转化高度相关的特征。ROC曲线显示联合影像组学标签、房颤史、年龄及入院NIHSS评分构建的诺莫图模型预测训练集出血转化的曲线下面积(area under the curve，AUC)为0.979 (敏感度和特异度分别为0.950、0.989)，预测测试集出血转化AUC为0.885 (敏感度和特异度分别为0.836、0.908)，均优于单一影像组学模型(AUC=0.763)或临床特征模型(AUC=0.707)。结论多模态磁共振联合临床特征的影像组学和机器学习可以预测急性脑卒中动脉取栓术后出血转化，且具有较高的可靠性。