简介:摘要目的探讨血液检测指标及其变化情况与空腹血糖受损的关系,进行风险预测研究。方法以2018年1月至2019年12月在山东第一医科大学第一附属医院健康管理中心进行健康体检、2次体检时间间隔6个月及以上、第1年进行健康体检时无糖尿病史且空腹血糖正常者为研究对象,以第2年空腹血糖水平为因变量,分别以第1年一般检查和血液检查指标、第2年一般检查和血液检查指标的变化量为自变量构建模型。首先使用随机森林模型筛选自变量,然后拟合Logistic回归模型计算自变量的效应值。结果共纳入研究对象4 416人,经1年随访,基线血糖正常者中3.45%(133/3 851)发展为糖尿病前期血糖,0.42%(16/3 851)发展为糖尿病血糖。利用血液检测指标预测1年后空腹血糖变化情况的灵敏度为67.1%,特异度为100.0%,年龄偏大(OR值为1.024,95%CI 1.014~1.035)、收缩压偏高(OR值为1.018,95%CI 1.011~1.025)、体质量指数偏高(OR值为1.079,95%CI 1.036~1.125)、尿酸偏高(OR值为1.003,95%CI 1.002~1.005)、谷氨酰转肽酶偏高(OR值为1.006,95%CI 1.003~1.010)、肌酐偏低(OR值为0.971,95%CI 0.957~0.985)、AST/ALT偏低(OR值为0.614,95%CI 0.411~0.917)、估算的肾小球滤过率偏低(OR值为0.972,95%CI 0.958~0.988)者1年后出现空腹血糖受损的可能性大。利用血液检测指标的变化情况预测1年后空腹血糖变化情况的灵敏度为65.2%,特异度为99.7%,1年内三酰甘油升高(OR值为1.152,95%CI 1.057~1.257)、碱性磷酸酶升高(OR值为1.021,95%CI 1.012~1.030)、白蛋白升高(OR值为1.087,95%CI 1.029~1.148)、AST升高(OR值为1.006,95%CI 1.003~1.009)、体质量增加(OR值为1.049,95%CI 1.019~1.081)者出现空腹血糖受损的可能性大。结论年龄偏大、收缩压偏高、体质量指数偏高、尿酸偏高、谷氨酰转肽酶偏高、肌酐偏低、AST/ALT偏低、估算的肾小球滤过率偏低者1年后出现空腹血糖受损的可能性大,1年内三酰甘油升高、碱性磷酸酶升高、白蛋白升高、AST升高、体质量增加者出现空腹血糖受损的可能性大。当体检者出现以上情况时,应注意监测血糖,及时进行干预,以阻止或延缓糖尿病的发生发展。
简介:摘要目的探讨基于影像的膝关节定量结构特征是否可以预测膝关节的症状,并评估这些特征在几种不同的膝关节症状中的预测价值。材料与方法首先从骨性关节炎公用数据库(osteoarthritis initiative,OAI)的美国国立卫生研究院生物标志物联盟基金会项目(Foundation for the National Institutes of Health,FNIH)纳入了551个志愿者数据,并将他们分为训练集和测试集。然后提取其中5个影像特征数据集中153个结构影像特征以及西安大略大学和麦克马斯特大学骨性关节炎指数(Western Ontario and McMaster Universities,WOMAC),分别用于评估膝关节的结构特征和症状。接下来使用相关性分析和最小冗余最大相关性(minimum-redundancy maximum-relevance,mRMR)方法进行特征选择。最后,构建了基于随机森林(random forest,RF)回归的预测器模型,并评估了他们预测膝关节的症状评分的能力。结果影响膝关节不同症状(物理功能、疼痛、僵硬)的结构影像特征主要集中在股骨和胫骨的内侧位置。基于这些特征建立的预测器模型表现出了良好的可行性和准确性:4个预测器的R方值在训练和测试集中均高于0.9。疼痛和僵硬预测器的平均绝对误差(mean absolute errors,MAEs)和均方误差(mean squared errors,MSEs)在训练和测试集中均被限制在0.5以下,物理功能预测的MAEs和MSEs在训练/测试集分别为0.5296/2.2727、0.4449/7.8488,总分预测的MAEs和MSEs在训练/测试集分别为1.4167/3.3498、3.1651/16.3974。结论所建立的随机森林模型可以有效地用于预测和评估膝关节症状,筛选出来的结构特征可以在将来用作膝关节症状评估和指导治疗潜在的影像学标志物。
简介:摘要目的基于MRI平扫T2WI和增强T1WI的影像组学特征值,探讨机器学习模型随机森林(random forest,RF)对子宫内膜癌肌层浸润深度预测价值。材料与方法回顾性分析行盆腔MRI平扫及增强检查并经手术病理证实为子宫内膜癌患者的影像资料114例(ⅠA期86例,ⅠB期28例),以4∶1的比例通过分层抽样的方法分为训练集和测试集。采用ITK-SNAP软件分别在矢状面平扫T2WI图像及多期增强T1WI图像第二时相进行手动逐层勾画ROI,分别对T2WI和增强T1WI数据集进行影像组学特征值提取(https://github.com/Radiomics/pyradiomics),并对随机森林模型进行训练和测试(http://scikit-learn.org/),采用ROC曲线评价预测效能。结果基于平扫T2WI图像特征值建立的RF模型预测子宫内膜癌肌层浸润深度在测试集的曲线下面积(AUC)为0.938,其准确度、敏感度、特异度分别为91.3%、87.5%、93.3%,模型中重要性排名前3位的特征分别为形状平坦度(shape flatness,SF)、灰度级带矩阵区域方差(GLSZM zone variance,GLSZM-ZV)、灰度级长矩阵运行方差(GLRLM run variance,GLRLM-RV);基于增强T1WI图像建立的RF模型在测试集的AUC为0.818,准确度、敏感度、特异度分别为81.8%、100%、75.0%,模型中重要性排名前3位的特征分别为SF、灰度相关矩阵高灰度依赖程度(GLDM large dependence high gray level emphasis,GLDM-LDHGLE)、灰度共生矩阵相关性(GLCM correlation)。结论基于MRI影像组学的随机森林模型在预测子宫内膜癌肌层浸润深度中具有较大应用潜力,其中基于平扫T2WI图像建立模型较增强T1WI显示出更大的诊断价值。
简介:摘要目的构建随机森林模型并探讨其对乳腺癌新辅助化疗病理完全缓解(pCR)的预测价值。方法回顾性分析2010年1月至2021年10月沧州市中心医院142例新辅助化疗后行保乳术或改良根治术的原发性乳腺癌患者的临床病理资料。根据患者是否获得pCR(乳腺和腋窝淋巴结组织学无浸润性癌残留)分为pCR组与非pCR组,比较两组患者临床病理特征的差异。通过logistic回归分析新辅助化疗pCR的危险因素,应用R软件随机森林函数构建随机森林模型,应用随机森林算法的基尼指数对变量进行重要性排序。以pCR为金标准,通过受试者工作特征(ROC)曲线评价随机森林模型预测新辅助化疗pCR的效能。结果全组患者新辅助化疗pCR率为16.20%(23/142)。pCR组中肿瘤长径≤ 5 cm、腋窝淋巴结阴性、人表皮生长因子受体2(HER2)阴性、Ki-67阳性指数>20%、组织学分级2级及新辅助治疗方案包括靶向治疗患者比例均高于非pCR组,差异均有统计学意义(均P<0.05)。单因素logistic回归分析显示,肿瘤长径、腋窝淋巴结、HER2、Ki-67、组织学分级及新辅助治疗方案均与pCR相关(均P<0.05)。多因素logistic回归分析显示,肿瘤长径>5 cm(OR=5.85,95% CI 1.28~26.67,P=0.022)、腋窝淋巴结阳性(OR=11.22,95% CI 1.84~68.42,P=0.009)、HER2阳性(OR=7.35,95% CI 1.45~37.26,P=0.016)、Ki-67阳性指数≤20%(OR=1.03,95% CI 1.01~1.06,P=0.017)、组织学分级3级(OR=7.37,95% CI 1.24~43.86,P=0.028)及非靶向治疗(靶向治疗比非靶向治疗:OR=0.02,95% CI 0.00~0.25,P=0.003)均为pCR的独立危险因素。随机森林算法分析显示,pCR危险因素重要性依次为Ki-67低表达、腋窝淋巴结阳性、肿瘤长径>5 cm、HER2阳性、非靶向治疗及组织学分级3级。ROC曲线分析显示,随机森林模型预测pCR的曲线下面积为0.84(95% CI 0.74~0.93),当最佳临界值为0.88时,灵敏度为87.0%,特异度为72.3%。结论Ki-67低表达、腋窝淋巴结阳性、肿瘤长径>5 cm、HER2阳性、非靶向治疗及组织学分级3级为乳腺癌新辅助化疗pCR的危险因素,以此建立的随机森林模型有助于预测乳腺癌新辅助化疗pCR。