简介：

简介：摘要勐满金矿赋存在澜沧群浅变质岩系和侏罗系红层中，金的富集对围岩岩性无明显选择。矿床类型独特、规模大、埋藏浅、品位低、组分单一，具低温热液蚀变特征，为热泉或变质热液成因。

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：摘要目的建立能够有效预测儿童上尿路结石腔内手术治疗后有效性及安全性的预测模型，并通过内部验证评估其诊断效能。方法回顾性分析2014年6月至2019年4月首都医科大学附属北京友谊医院348例泌尿系结石患儿的临床资料。男250例，女98例。中位年龄3.0(1.4～7.0)岁。中位体质指数17.1(15.0，19.5)kg/m2。术前发热40例；尿细菌培养阳性170例。结石CT值665(461，912)HU。结石负荷1.77(0.64，3.14)cm2；结石复杂度分级1级183例，2级38例，3级33例，4级124例。348例患儿共行腔内手术375次，其中可视经皮肾镜取石术(Micro-perc)27次，超微经皮肾镜取石术(Ultra-Mini-PCNL)26次，微经皮肾镜取石术(Mini-PCNL)8次，输尿管硬镜碎石术(RURS)10次，输尿管软镜碎石术(FURS)288次，PCNL＋FURS 16次；手术时间30(20，40)min；术中灌注量500(200，1000)ml。采用单因素和多因素logistic回归分析评估、筛选结石清除率(SFR)和并发症发生率(CR)的预测因素。利用分析得到的预测因素构建SFR和CR的预测模型。采用曲线下面积(AUC)评估模型的区分度；校准曲线评估预测概率与实际风险的一致性；决策曲线评估模型应用的临床获益情况。结果本研究手术的整体SFR为88.0%(330/375)；CR为23.2%(87/375)，其中术后血尿(Ⅰ级)45例，术后发热(Ⅱ级)40例，石街形成(Ⅲ级)2例。综合单因素和多因素logistic分析结果，结石负荷、手术时间、术中灌注量、结石位置和手术方式是儿童结石腔内手术后SFR和CR的共同预测因素。除以上因素外，体质指数同样为术后CR的预测因素。基于以上预测因素构建SFR和CR预测模型，其AUC分别为0.81和0.73；校准曲线显示模型的预测概率与实际值具有较好的一致性；决策曲线显示，SFR预测模型阈值>20%时具有明显的临床获益；CR预测模型阈值>10%时具有明显的临床获益。结论内部验证证实基于结石负荷、手术时间、术中灌注量、结石位置、手术方式及体质指数等因素构建的预测模型对于儿童结石腔内手术治疗后的有效性及安全性具有较好的预测效能。患儿的体质指数是腔内手术治疗安全性的重要影响因素。

简介：摘要在不同年、月的职业需求数据和不同的教育水平的中国学生通过相关系数判断预测精度,经多元线性回归方程求解职业需求与教育背景的线性部分,再由BP神经网络对非线性部分实现阴影匹配。其次,在职业需求数量序列标准化后,通过马氏链对相关系数权重进行排序,权衡职业需求程度。最后,利用基于ARIMA对非线性部分在当前情形下未来三年的就业需求进行预测。

简介：摘要谵妄是卒中后的常见并发症。卒中后谵妄与患者转归不良和病死率增高相关。文章对卒中后谵妄的筛查工具、预测因素和预测模型进行了综述。

简介：摘要目的构建重症患者压力性损伤风险预测模型，并对其预测效果进行验证。方法选取2019年2—9月入住天津医科大学总医院重症医学科的重症患者，采用队列研究，收集患者相关资料，以是否发生压力性损伤为因变量，对相关资料进行单因素和多因素分析建立预测模型，并进行风险分层和预测效果检验。结果重症患者329例，发生压力性损伤48例；对11个影响因素的单因素分析，血乳酸、体温、ICU住院日数、Braden评分、意识状态、年龄、升压药物治疗是压力性损伤发生的可疑影响因素，差异均有统计学意义（Z值为2.575~3.694，χ2值为6.800、30.510、6.344，P<0.05或0.01）；可疑影响因素带入二元Logistic回归分析结果显示，患者入ICU 24 h内体温、Braden评分、意识状态、年龄及ICU住院时间是压力性损伤发生的独立影响因素（P<0.05或0.01），建立预测模型。内部验证构建模型有统计学意义且拟合度好，灵敏度为66.7%，特异度为72.2%；根据模型进行风险分层，高危组与低危组差异有统计学意义（t值为-33.371，P<0.01）；临床验证预测效果特征（ROC）曲线下面积（AUC）为0.758。结论构建的预测模型是重症患者临床特征的客观指标科学组合有统计学意义；有预测重症患者发生压力性损伤风险的能力；同时具有良好的区分度，对重症患者风险分层管理提供理论依据，具有临床应用价值。

简介：摘要目的构建重症患者压力性损伤风险预测模型，并对其预测效果进行验证。方法选取2019年2—9月入住天津医科大学总医院重症医学科的重症患者，采用队列研究，收集患者相关资料，以是否发生压力性损伤为因变量，对相关资料进行单因素和多因素分析建立预测模型，并进行风险分层和预测效果检验。结果重症患者329例，发生压力性损伤48例；对11个影响因素的单因素分析，血乳酸、体温、ICU住院日数、Braden评分、意识状态、年龄、升压药物治疗是压力性损伤发生的可疑影响因素，差异均有统计学意义（Z值为2.575~3.694，χ2值为6.800、30.510、6.344，P<0.05或0.01）；可疑影响因素带入二元Logistic回归分析结果显示，患者入ICU 24 h内体温、Braden评分、意识状态、年龄及ICU住院时间是压力性损伤发生的独立影响因素（P<0.05或0.01），建立预测模型。内部验证构建模型有统计学意义且拟合度好，灵敏度为66.7%，特异度为72.2%；根据模型进行风险分层，高危组与低危组差异有统计学意义（t值为-33.371，P<0.01）；临床验证预测效果特征（ROC）曲线下面积（AUC）为0.758。结论构建的预测模型是重症患者临床特征的客观指标科学组合有统计学意义；有预测重症患者发生压力性损伤风险的能力；同时具有良好的区分度，对重症患者风险分层管理提供理论依据，具有临床应用价值。

简介：摘要手足口病是由肠道病毒感染所导致的传染病，其主要患病人群为5岁以下的儿童。手足口病预测模型可以对未来一段时间的手足口病发病率进行预测，为相关部门合理的安排医疗卫生资源进行防控提供参考。本文旨在介绍近年来国内外应用于手足口病预测的主要模型，包括求和自回归移动平均模型、灰色预测模型、BP神经网络模型、贝叶斯网络模型，指出这些模型的优缺点，为研究者们对手足口病发病率进行预测时选择模型提供参考。

简介：无

简介：摘要目的通过构建不等权组合模型预测我国2020年至2035年医师需求数量，为卫生人力资源的规划提供科学参考。方法采用趋势外推法、人力/人口比值法、卫生服务需求法对我国2020年至2035年医师需求进行初步预测，进而采用德尔菲法对这3种方法的结果进行不等权组合，计算得出2020年至2035年我国医师需求。结果通过不等权组合模型预测，2020年至2035年我国医师需求逐步增长，从2.64人/千人口增至3.67人/千人口，但增长幅度逐步放缓。结论运用不等权组合预测模型，综合服务需求和历史现状，测算方法科学可行。建议参照医师需求的同时，综合考虑影响医师供需平衡的因素进行医学教育及医师分科相关的政策制定。

简介：摘要目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列，对该序列进行时序预测模型辨识，得到ARIMA(1,1,1)、AR(4)以及AR(7)模型，利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集，参数运算采用Prony方法，预测拟合未来的出车数量；AR(4)和AR(7)模型采用均匀系数，预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测，ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差（MAPE）低于6%，结果基本都位于95%置信区间内，利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合，AR模型可以对急救调度日出车量做短期有效预测。

简介：摘要目的系统评价脑卒中后抑郁(PSD)风险预测模型。方法计算机检索Web of Science、The Cochrane Library、PubMed、Embase、CINAHL、知网、中国生物医学文献服务系统、万方和维普数据库中建库至2022年6月1日收录的PSD风险预测模型相关文献，采用预测模型构建研究数据提取和质量评价清单(CHARMS)对纳入文献中的模型进行质量评价，并对纳入模型中具有共性的预测因子的预测价值采用RevMan 5.3软件进行Meta分析。结果共纳入9篇文献，包含11个PSD风险预测模型，所有模型的建模时受试者工作特征曲线下面积(AUC)为0.726~0.854，其中7个模型的AUC≥0.8，预测效能较高，但仍存在偏倚风险，主要原因包括未报告缺失数据的处理、模型效果评价不完整以及未对模型进行内外部验证。Meta分析结果显示抑郁或其他精神疾病病史(OR=6.73，95%CI：3.87~11.73)、艾森克人格问卷(EPO)评分(OR=1.13，95%CI：1.03~1.23)、高血压(OR=0.47，95%CI：0.30~0.74)、Barthel指数(OR=0.98，95%CI：0.98~0.99)均是PSD的有效预测因子。结论PSD风险预测模型整体预测性能良好，但也仍存在一定的偏倚风险，未来应对建模方法进行改进；PSD风险预测模型的建立可重点关注抑郁或其他精神疾病病史、EPQ评分、高血压、Barthel指数等预测因子。

简介：摘要不同抑郁症患者的最优治疗方案一般需通过长期、低效率的试错过程来逐步确定。为实现抑郁症的精准治疗，有必要通过特异性生物标志物来选择有效的治疗方法。深度学习是机器学习的一个分支，该技术能处理大量高维、复杂的数据，适用于自动提取和学习临床、基因组学和神经影像数据的特征。近年来，研究人员正在使用深度学习技术开发抑郁症治疗反应的预测模型，有利于指导临床医生为患者选择最佳治疗方案以及在全球范围内推进更为高效的个体化精准医疗方案。本文从人口学、临床症状数据、基因组学数据和功能磁共振成像数据三个方面，对深度学习预测抑郁症疗效方面的相关研究进行综述，并对未来的深度学习研究方向尤其是多组学数据结合深度学习的应用进行展望。

简介：摘要物资需求预测对于物资储备和管理决策具有重要意义。本文基于ARIMA时间序列模型对电网公司资产管理系统中的物资领用大数据进行挖掘，建立电网物资需求预测模型，并验证模型正确性，该模型可以为电网公司做出合理的物资储备管理决策提供支撑。

简介：摘要目的探讨基于CT影像组学的机器学习模型预测胰腺癌门静脉-肠系膜上静脉(PV-SMV)侵犯的价值。方法回顾性分析2010年1月至2021年7月南京医科大学附属无锡第二医院收治的156例经手术病理确诊的胰腺癌患者的临床、病理及术前CT影像资料，其中男性95例，女性61例，年龄(65.7±8.2)岁。所有入组患者按3∶2的比例划分训练集和验证集。通过患者术前增强CT提取肿瘤影像组学特征，采用最大相关最小冗余算法进行特征选择后，构建5种机器学习算法预测模型，并与常规影像特征诊断的受试者工作特征(ROC)曲线进行比较。结果94例患者纳入训练集，62例纳入验证集。训练集和验证集中手术探查证实的PV-SMV侵犯病例分别为30例(31.9%)和25例(40.3%)。基于10个影像组学特征构建的5个机器学习模型中，LASSO回归模型的AUC优于随机森林、支持向量机、K近邻和朴素贝叶斯4个模型，差异有统计学意义(均P<0.05)。与常规影像特征的诊断效能比较，LASSO回归模型在验证集中诊断PV-SMV侵犯具有更高的AUC(0.920比0.752)和更好的灵敏度(92.0%比86.5%)，差异具有统计学意义(均P<0.05)。结论基于CT影像组学的机器学习模型可实现胰腺癌PV-SMV侵犯的术前预测，LASSO回归模型较常规影像特征的诊断效能更高。

简介：摘要阿尔茨海默病(AD)是老年人中最常见的痴呆症，目前尚无特效疗法能阻止或逆转其病情进展。轻度认知障碍(MCI)是早期诊断和预防AD的重要切入点，目前已有越来越多的研究探讨MCI向AD转化的危险因素和生物标志物，并构建了一系列MCI向AD转化风险预测模型。笔者现对近年来关于MCI向AD转化的预测因素及其风险预测模型方面的研究进展进行综述，以期为临床早期识别AD高危人群、管理可控高危因素提供依据，并为模型的选择与改良提供参考。

简介：摘要目的比较9种机器学习模型对幕上深部自发性脑出血（SICH）患者发生早期血肿扩张及预后不良情况的预测性能。方法回顾性研究。纳入2015年1月—2019年5月4家医院幕上深部SICH患者420例。其中男275例、女145例，年龄25~90（61.0±12.9）岁。420例患者按照7∶3的比例，采用完全随机法分为训练集294例和验证集126例。患者在72 h内复查CT，若血肿体积比初始体积增长>6 mL或>33%，判定存在早期血肿扩张。采用改良的Rankin评分量表（mRS）评估预后，以mRS>3分判定为预后不良。比较训练集和验证集的基线资料。采用随机森林、极限梯度提升算法（XGboost）、梯度爬升决策树、自适应提升算法、朴素贝叶斯、logistic回归、支持向量机、K近邻、多层感知机9种机器学习算法对早期血肿扩张及预后不良分别构建预测模型；在训练集中，依据各模型的灵敏度和特异度绘制受试者操作特征曲线，采用3折交叉验证取曲线下面积（AUC），比较各模型对早期血肿扩张及预后不良情况的预测性能，并在验证集测试模型的可靠性。结果训练集和验证集患者基线资料比较差异均无统计学意义（P值均>0.05）。420例患者中，早期脑血肿扩张的患者有117例（27.86%）；399例患者获随访，其中预后不良的患者有210例（52.63%）。预测早期血肿扩张：训练集中，9种机器学习模型的AUC为0.590~0.685，其中以XGboost模型最高，AUC为0.685±0.024；在验证集中，XGboost模型AUC为0.686［95%可信区间（CI）0.578~0.721］。预测预后不良：9种机器学习模型的AUC为0.703~0.852，其中logistic回归模型最高，AUC为0.852±0.041；而在验证集中，logistic回归模型AUC为0.894（95%CI 0.862~0.912）。结论9种机器学习算法模型中，XGboost对幕上深部SICH早期血肿扩张的预测性能最佳，而logistic回归模型对预后不良的预测性能最高；对于不同临床结局的预测，应选用合适的机器学习模型。

简介：摘要目的探讨特重度烧伤患者的死亡风险因素，以此建立死亡风险列线图预测模型，并分析其对特重度烧伤患者死亡风险的预测价值。方法回顾性分析陆军军医大学第一附属医院全军烧伤研究所2010年1月—2018年10月收治的231例(男190例、女41例，年龄18～60岁)符合入选标准的特重度烧伤患者的病历资料，根据患者最终预后分为存活组173例和死亡组58例。统计2组患者性别、年龄、吸入性损伤程度、烧伤总面积、Ⅲ度烧伤面积、烧伤指数，伤后第1、2个24 h补液系数和尿量系数，入院后首次碱剩余、休克指数、血细胞比容(HCT)，有无院前补液、是否使用呼吸机、是否进行连续性肾脏替代治疗(CRRT)，计算入院时简化烧伤严重指数(ABSI)、Baux评分。根据呼吸机使用情况将患者分为使用呼吸机组131例和未使用呼吸机组100例，统计2组患者的死亡情况、烧伤总面积、烧伤指数、吸入性损伤发生情况和程度；根据CRRT应用情况将患者分为进行CRRT组59例和未进行CRRT组172例，统计2组患者的死亡情况、烧伤总面积和烧伤指数。对数据行t检验、χ2检验、Mann-Whitney U检验，筛选患者死亡的相关因素。对存活组和死亡组组间比较差异有统计学意义的指标进行多因素logistic回归分析，筛选患者死亡的独立风险因素，并据此建立死亡风险列线图预测模型。采用Bootstrap法对死亡风险列线图预测模型进行内部验证，通过绘制校准曲线和计算一致性系数来评估死亡风险列线图预测模型对患者死亡风险的预测价值。根据死亡风险的列线图得到231例患者的死亡风险评分，并绘制受试者工作特征(ROC)曲线，计算其最佳阈值与最佳阈值下的敏感度、特异度及曲线下面积。结果(1)存活组和死亡组患者烧伤指数、入院时ABSI、吸入性损伤程度、烧伤总面积、Ⅲ度烧伤面积、伤后第1个24 h补液系数、使用呼吸机、进行CRRT及入院时Baux评分比较，差异有统计学意义(Z＝-7.696、-7.301，χ2＝18.304、63.065、23.300、13.073、34.240、59.586，t＝-7.536，P<0.01)。(2)使用呼吸机组和未使用呼吸机组患者死亡情况、吸入性损伤伤发生情况及程度、烧伤总面积、烧伤指数比较，差异有统计学意义(χ2＝34.240、17.394、25.479，Z＝-6.557、-7.049，P<0.01)。(3)进行CRRT组和未进行CRRT组患者的死亡情况、烧伤总面积和烧伤指数比较，差异有统计学意义(χ2＝62.982，Z＝-47.421、-6.678，P<0.01)。(4)使用呼吸机、进行CRRT和烧伤指数是特重度烧伤患者死亡的独立危险因素(比值比＝3.277、5.587、1.067，95%置信区间＝1.073～10.008、2.384～13.093、1.038～1.096，P<0.05或P<0.01)。(5)列线图预测模型初始一致性系数为0.90，校正后的一致性系数为0.89，校正前后的一致性系数相近且均较高，列线图预测模型的一致性和预测效果较好。ROC曲线最佳阈值为0.23，最佳阈值下的敏感度是86.0%、特异度是80.0%。ROC曲线下面积为0.90(95%置信区间＝0.86～0.94，P<0.01)。结论烧伤程度重及器官的损伤和/或衰竭是特重度烧伤患者死亡的根本原因。基于使用呼吸机、进行CRRT和烧伤指数3个指标建立的死亡风险列线图预测模型对特重度烧伤患者死亡有较好的预测能力。

简介：摘要目的筛选院内跌倒伤害预测因素，构建院内跌倒伤害预测模型并开发列线图。方法选取浙江大学医学院附属第二医院2014年1月至2019年12月所有住院期间发生院内跌倒的患者243例为研究对象。患者发生跌倒后收集相关资料，包括年龄、性别、功能障碍等。采取Lasso回归与Logistic回归相结合方法筛选预测因素，构建院内跌倒伤害预测模型并开发列线图。C指数、H-L拟合优度检验验证模型区分度、一致性。Bootstrap重采法进行模型内部验证。结果70例患者发生院内跌倒伤害，跌倒伤害发生率为28.81%。年龄≥60岁、功能障碍、联合服用特殊药物、无陪护、低血钙是跌倒伤害的五大预测因素。模型C指数为0.823（95%CI 0.756~0.875），模型内部验证C指数为0.803。H-L拟合优度检验结果显示，差异无统计学意义（χ2值为8.42，P=0.43）。结论本研究构建的院内跌倒伤害预测模型具有良好的区分度及一致性，临床医务人员能够准确、快速通过院内跌倒伤害预测列线图获得重回风险，识别院内跌倒伤害发生高风险患者，为针对性预防跌倒伤害干预措施提供参考依据。