简介:摘要目的了解长沙市职业病发病情况,预测其发病趋势,为制定职业病防控策略与措施提供理论依据。方法于2019年4月,收集长沙市2010-2018年职业病发病数据,建立原始GM(1,1)灰色模型和缓冲算子优化模型,比较其预测效果。选取平均相对误差最小的模型预测2019-2023年长沙市职业病发病情况。结果原始GM(1,1)灰色模型及一阶、二阶缓冲算子优化模型的相对精度分别为80.92%、97.71%、99.64%(c=0.74、0.28、0.09,P=0.67、1.00、1.00);预测2019-2023年长沙市职业病发病例数分别为40、39、39、38、37例。结论缓冲算子优化模型适用于波动性较大的原始数据序列的预测,可较好地拟合长沙市职业病发病情况。
简介:摘要目的建立恶性肿瘤发病率的预测模型,为卫生部门制定防控对策提供理论依据。方法利用重庆市恶性肿瘤登记处2006~2013年统计的恶性肿瘤发病率资料建立灰色预测模型并进行模型评价,对2014~2016年的发病率进行预测。结果GM(1,1)模型为,预测值的相对误差小于10%,模型精度为优(C=0.34,P=1.00),预测效果好,2014~2016年肿瘤发病率预测值分别为252.54/10万、264.80/10万和277.65/10万。结论GM(1,1)灰色模型拟合效果检验为优秀,可以用来预测我市恶性肿瘤的发病率。我市恶性肿瘤发病率呈上升趋势。
简介:本文运用灰色模型GM(1,1)对福建省国境口岸1991~1996年入出境重点人群204160人次艾滋病血清学监测所得出的年阳性检出率资料进行了统计分析和近期预测:其模型为Y(1)=124.6161e^0.1419(1-1)-113.0261,对阳性检出率作回顾性验证和近期预测,同时与本资料所建立的曲线方程与最小平方直线方程比较,发现GM(1,1)模型拟合最好,标准误差最小,S=2.767。因此,灰色模型GM(1,1)在卫检工作中值得推广应用。灰色模型GM(1,1)计算结果:预测值与实际值很接近,呈上升趋势。1996年检出率32.45/10万,是1991年检出率的2.8倍。提示福建省入出境人群艾滋病感染的形势严峻,潜伏着暴发流行的危险。对此,要切实加强执法力度与后继管理,筛选最佳的数学模型跟踪预测。
简介:摘要目的设计一种联合深度学习剂量预测和参数迭代优化算法的容积调强放射治疗(VMAT)全自动计划方法。方法选取2018年6月至2021年1月北京大学肿瘤医院既往165例直肠癌患者的VMAT计划开展研究,其中145例用于训练和验证深度学习模型,该模型用于预测危及器官的剂量,20例用于研究比对自动计划和人工计划的质量。该方法从危及器官的预测剂量分布中提取关键的剂量体积直方图(DVH)值作为初始优化参数(IOPs),利用治疗计划系统可编程接口自动创建VMAT计划,通过设计迭代优化算法自动调节优化参数(OPs)。结果剂量预测模型训练后能有效预测出20例测试计划危及器官的关键DVH值,与参考值相比差异均无统计学意义(P> 0.05)。20例VMAT自动计划均能满足临床处方剂量要求,对于PTV和PGTV的适形性指数(CI),人工计划与自动计划比较差异均无统计学意义(P> 0.05);而PGTV的D1和均匀性指数(HI),自动计划均高于人工计划,分别为0.6 Gy和0.01,两者比较差异均有统计学意义(t=-7.05、-6.92,P<0.05)。自动计划比人工计划的膀胱平均V30下降2.7%(t=3.37,P< 0.05),股骨头和危及器官辅助结构(Avoidance)的平均V20分别下降8.37%和15.95%(t=5.65、11.24,P< 0.05),并且膀胱、股骨头、Avoidance的平均剂量分别降低了1.91、4.01和3.88 Gy(t=9.29、2.80、10.23,P< 0.05)。测试的20例直肠癌患者病例的自动计划平均时间为(71.82±25.48)min。结论本研究利用直肠癌病例验证了一种联合剂量预测和参数迭代优化算法的VMAT自动计划方法的可行性。相比于人工计划,VMAT自动计划无需人工干预,在提高计划设计效率、计划质量和临床资源利用率等方面有很大的应用潜力。
简介:目的使用XGBoost算法开发加强监护病房(ICU)中脓毒症患者住院死亡风险的预测模型。方法使用美国大型重症数据库MIMIC-Ⅲ作为数据来源;根据2016年发布的第三版脓毒症诊断和定义标准,选取数据库中的脓毒症患者,提取其生命体征、实验室检查等数据;使用XGBoost开发模型,并比较其与SVM模、SAPS-Ⅱ模型的预测性能。结果共纳入10487例脓毒症患者,住院死亡率20.80%。XGBoost模型的受试者工作特征曲线下面积(AUROC)为0.836(95%置信区间:0.819-0.853),优于SVM模型和SAPS-Ⅱ模型。Hosmer–Lemeshow检验显示,XGBoost模型拥有优秀的校准度。结论基于XGBoost的ICU脓毒症患者住院死亡风险预测模型能准确地辅助临床医生进行风险预测,从而采取合适的临床干预以降低ICU脓毒症患者的死亡率。
简介:摘要目的基于随机森林算法构建儿童重症腺病毒肺炎(severe adenovirus pneumonia,SAP)的临床预测模型,并对其进行验证。方法采用观察性研究设计,回顾性分析2019年1月至2021年1月天津市儿童医院收治的542例腺病毒肺炎患儿的临床、实验室及影像学资料。将研究对象随机分为训练集和验证集(8∶2)。训练集通过随机森林算法筛选SAP的预测因子建立预测模型,并通过列线图将预测模型可视化表达。在验证集中利用受试者工作特征(ROC)曲线和敏感性、特异性、误判率、混淆矩阵对其进行验证。结果训练集患儿439例,其中重症型187例(42.60%),验证集患儿103例,其中重症型44例(42.71%)。训练集中单核细胞百分比(M%)、PLT、AST、IL-6、热峰、肺部大片炎性实变、肺部斑片状阴影是影响SAP的独立预测因子。模型区分度验证发现训练集和验证集的ROC曲线下面积分别为0.95(95%CI:0.92~0.98)和0.92(95%CI:0.82~0.99)。训练集的准确度、灵敏度、特异性、阳性预测值和阴性预测值分别为0.994、1.000、0.987、0.998、1.000;验证集的分别为0.752、0.990、0.514、0.945、0.857。结论该预测模型具有较好的判别能力,早期的临床及血液学指标有助于提高儿童SAP的识别和筛选,具有一定的临床价值。
简介:目的:探讨灰色动态模型GM(1,1)(一个变量的一阶微分方程)在承德市中心血站预测血液采集及制备数量变化评价中的应用价值。方法:根据2004-01-2013-12承德市中心血站年采集和制备6类血液品种数据统计资料,建立采集、制备预测模型的Y(t)一阶线性微分方程。将2013年采集、制备预测值与实测值的差异比较,来检验模型的预测能力,分析2014-2016年采集及制备数量。结果:承德市中心血站上述6类血液品种的后验差比(均方差)C均〈0.35,小误差概率P值均为1,经拟合优度检验,精度均为优,预计2016年6类血液采集及血液制备品种数量仍处上升趋势。结论:承德市中心血站以上6类血液采集、制备品种数量总体上呈持续上升趋势,可以利用本模型对未来年份血液采集、制备数量进行外推预测。灰色系统一阶模型GM(1,1)成为其强化库存科学管理,保证血液供应计划的有效方法和可行性工具。
简介:摘要 目的:探讨黔南州2016-2020年孕产妇艾滋病感染发病趋势,并进行预测,对2021年1-7月病例母婴干预护理,为妇幼保健护理资源提供决策参考。方法:运用灰色理论GM(1,1)模型预测孕产妇艾滋病感染发生规律,研究拟合精度评价和外推预测。结果:建立预测模型: ,模型后验差比值C为0.2077,小误差概率P为100%,关联度r为0.9932,拟合精度等级达到最好级别。预测结果:为2021年25例,2022年21例,2023年18例,2024年15例,2025年12例,图中显示曲线呈明显下降趋势,表明孕产妇HIV感染质控成效显著,预测趋势说明不断加强中国特色妇幼健康服务网络。通过孕产妇病例教育、产前、产中、产后阻断干预护理,制定婴儿随访18个月,效果良好。结论:运用灰色理论GM(1,1)模型拟合数据理想,可用于孕产妇艾滋病感染发病短期预测。护理可推广。
简介:摘要目的比较多种机器学习算法在早期肝细胞癌(HCC)术后复发预测中的效能。方法回顾性分析2009年5月至2019年12月南京医科大学第一附属医院收治的882例接受根治性手术切除的早期HCC患者的临床资料,其中男性701例,女性181例,年龄(57.3±10.5)岁(范围:21~86岁)。将患者按2∶1随机分为训练集(588例)和测试集(294例)。构建的机器学习预测模型包括随机生存森林(RSF)、梯度提升机、弹性网络-Cox回归和Cox回归模型。采用一致性指数(C-index)衡量模型预测的准确性、综合Brier分数量化模型的预测误差、校准曲线反映模型的拟合情况。比较机器学习模型、竞争模型和HCC分期系统的预测效能。所有模型均在独立的测试集内进行验证。结果训练集内患者中位无复发生存时间为61.7个月,测试集内患者中位无复发生存时间为61.9个月,两组患者无复发生存情况的差异无统计学意义(χ²=0.029,P=0.865)。RSF模型由5个常用临床病理学特征构成:白蛋白-胆红素分级、血清甲胎蛋白、肿瘤数目、肝切除方式和微血管侵犯。在训练集和测试集中,RSF模型的C-index值分别为0.758(95%CI:0.725~0.791)和0.749(95%CI:0.700~0.797),综合Brier分数分别为0.171和0.151。RSF模型对早期HCC复发预测的准确性优于其他3种机器学习模型、竞争模型(ERASL模型)及HCC分期系统(巴塞罗那分期、中国肝癌的分期方案、TNM分期),差异均有统计学意义(P值均<0.01)。校准曲线提示,RSF模型的预测概率与实际观察值具有较好的一致性。RSF模型可将早期HCC患者的复发风险分为低危、中危和高危组,在训练集和测试集内三组患者无复发生存情况的差异有统计学意义(P<0.01)。RSF模型对早期HCC术后复发风险的分层明显优于TNM分期。结论本研究构建的RSF模型集合了5个常用临床病理学特征,可较为准确地预测复发风险。