简介:【摘要】目的 探讨急性百草枯中毒患者早期血钾浓度对预后的预测价值。方法对 2012年 1月 1日至 2018年 12月 31日 PQ中毒就诊于安徽医科大学第二附属医院的 124例患者临床资料进行回顾性分析,根据 30天后转归情况分为生存组和死亡组;建立多因素 Logitic二元回归模型,评价 PQ中毒的预后危险因素。结果 124例患者死亡组患者口服毒物剂量、 WBC、血肌酐、 T-CO2、血钾较生存组明显升高,
简介:摘要目的基于机器学习法建立早期预测血流感染模型,为早期诊断血流感染提供依据。方法选择2018年1月至2018年12月于郑州大学第一附属医院住院并留取血培养1 954例患者为研究对象。根据血培养结果,将研究对象分为血流感染组和非感染组。采用随机森林模型筛选出与血流感染相关特异性指标,建立预测模型。结果预测早期血流感染指标包括胆碱酯酶(CHE)、降钙素原(PCT)、高密度脂蛋白(HDL)、淋巴细胞百分比(Lymph%)和血小板计数(PLT)。该模型在预测集和测试集中曲线下面积(AUC)值分别为0.896 6、0.874 7,95%可信区间(CI)分别为0.879 9~0.913 2、0.846 9~0.902 4。结论基于机器学习血流感染预测模型可以有效地预测细菌或真菌导致的血流感染,为血流感染的早期诊断提供依据。
简介:摘要川崎病是儿童常见的发热性血管炎性疾病,10%~20%的川崎病患儿接受首剂2 g/kg静脉注射丙种球蛋白(IVIG)治疗后失败,这部分患儿称之为静脉注射丙种球蛋白无反应型川崎病(IVIGRKD)。对于IVIGRKD的治疗方案包括第二剂IVIG、第二剂IVIG+糖皮质激素、英夫利昔单抗单次静脉注射、环孢霉素静脉注射或口服、阿那白滞素皮下注射及环磷酰胺静脉注射和血浆置换等。并无证据表明有哪一种治疗方案优于其他治疗方案。因此早期预测及时发现IVIGRKD极为重要。但现有预测模型多数基于回顾性资料统计分析,同时因地域及人种的不同,其应用具有局限性,限制了预测评分系统的进一步推广。
简介:摘要目的系统评价ICU获得性衰弱预测模型,为临床工作者选择合适的预测模型提供客观依据,为今后模型的更新及新模型的开发提供参考。方法计算机检索PubMed、Embase、Web of Science、The Cochrane Library、CNKI、万方六大国内外数据库,检索时限为建库至2019年10月15日,语种限定中英文。2名研究者依次进行独立的筛选文献、提取资料、纳入文献质量评价,再采用PROBAST工具对纳入文献中的模型进行质量评价。结果共纳入8篇高质量文献。5项模型ROC曲线下面积均≥0.7。模型偏倚风险评价结果显示,仅Witteveen的模型被评为低偏倚,其余7项模型存在较高的偏倚风险,但所有模型适用性好。结论ICU获得性衰弱预测模型的预测性能较好,但在开发、报道方面存在一定的偏倚。今后应规范报道模型开发验证的全过程,以减少方法学偏倚,为临床实践提供高质量证据。未来研究应侧重于模型的外部验证和模型更新,不断改进模型预测性能,为临床提供实际可用的模型。
简介:摘要:随着人们生活水平的提高,人们的用电量在近些年来呈现逐年递增的形势,随着人们生活质量的改善,变电站面临着新的机遇和更高的挑战。科技水平的提高为我国的变电站工作创造了发展基础,虽然取得了一系列的成就,但是在变电一次设备的运行过程中仍然存在一些弊端。因此,相关的工作人员应该加强科学技术的应用,使变电一次设备故障的负面影响得到有效把控。本文将通过两个方面对变电一次设备故障预测进行详细描述,并对其检修方法进行具体阐述。 关键词:变电一次设备;故障预测;检修方法; 引言
简介:摘要目的建立新型冠状病毒肺炎(COVID-19)患者转归为重症的预测模型,为早期、动态地监测患者转归提供更加全面、准确、及时的指标。方法基于患者的入院检测指标和轻、重症分型,以及检测指标的动态改变(即入院后两次检测指标测量值差)等输入变量,使用XGBoost方法建立预测模型,评估患者在入院之后转归为重症的风险。然后将入选的患者从入院随访至出院,观察其病情转归情况,对模型预测结果进行验证。结果在100例COVID-19患者的训练集中,筛选出具有较高评分的预测变量并建立模型,计算出预测变量取值的高风险范围:血氧饱和度<94%、外周血白细胞计数>8.0×109个、SBP变化<-2.5 mmHg(1 mmHg=0.133 kPa)、心率>90次/min、有多发小斑片影、年龄>30岁、心率变化<12.5次/min。训练集的模型预测结果的敏感率为61.7%,漏诊率为38.3%;使用模型对测试集进行预测的敏感性为75.0%,漏诊率为25.0%。结论与传统的预测判断方法(即采用入院时第一次检测的指标和重症入选条件进行评估患者是否为轻、重症)相比,模型的预测考虑到了COVID-19患者的基线生理指标与病情变化指标,因此能够全面、准确地预测患者重症转归的风险,减少重症患者的漏诊率。