XiaoMi-AI文件搜索系统
World File Search SystemNOMOGRAM
引用：Chen Q，Hao P，Wong C等。通过髋部骨折的老年人的1年死亡率的新型命名图的开发和验证：一项研究
抽象客观髋部骨折是一种普遍的状况，老年人的死亡率很高。我们试图为老年髋部骨折患者开发基于列克的生存预测模型。设计回顾性案例对照研究。从医学信息收入ini III（模拟III v.1.4）中设置数据。参与者根据MIMIC-III v.1.4滤除了老年髋部骨折患者的临床特征，包括基本信息，合并症，严重程度评分，实验室测试和治疗。方法和主要结局指标研究中包括的所有患者均来自重症监护，并随机分为训练和验证集（7：3）。根据检索到的数据，最低绝对收缩和选择操作员（LASSO）回归和多个逻辑回归分析用于识别1年死亡率的独立预测变量，然后构建了风险预测的标题图。通过一致性索引（C-索引），接收器操作特征曲线，决策曲线分析（DCA）和校准曲线评估了列格图模型的预测值。这项研究中总共包括341例髋部骨折患者； 121例案件在1年内死亡。在套索回归和多重逻辑回归分析后，新的列诺图包含年龄，体重，淋巴细胞计数的比例，肝病，恶性肿瘤和充血性心力衰竭的预测变量。结论新的预测模型为老年髋部骨折患者的1年死亡率提供了个性化预测。在验证集中，构造的模型证明了以0.738（95％CI 0.674至0.802）为0.738（95％CI 0.674至0.802）的令人满意的歧视，在验证集中为0.713（95％CI 0.608至0.819）。校准曲线在预测和观察到的概率之间显示出良好的拟合程度，而DCA证实了该模型的临床实用性。与其他髋部骨折模型相比，我们的命名图特别适合预测关键患者的长期死亡率。
原创研究 预测老年髋部骨折术后心脏事件的列线图的开发和内部验证
目的：术后心脏事件 (PCE) 是老年人髋部骨折手术后的主要不良事件之一。现有的心脏风险评估工具存在一些局限性，并不是专门为接受髋部骨折手术的老年患者设计的。本研究旨在开发并内部验证用于预测这些患者 PCE 的列线图。患者和方法：我们对 2015 年 7 月至 2021 年 12 月期间在我院接受髋部骨折手术的 992 名年龄≥65 岁的患者进行了回顾性研究。收集了患者的人口统计学和临床数据。使用最小绝对收缩和选择算子 (LASSO) 回归选择预测因子，并使用多元逻辑回归构建列线图。通过引导进行内部验证。模型的判别能力由受试者工作特征曲线下面积 (AUC) 决定。评估了该模型的校准和临床效用。将列线图的预测能力和临床益处与修订的心脏风险指数 (RCRI) 进行了比较。结果：构建了包括全身麻醉、美国麻醉师协会（ASA）分级、心力衰竭史、严重心律失常史、冠状动脉疾病史、术前血小板计数和血清肌酐7个变量的列线图。该列线图具有良好的预测能力（AUC = 0.875，95% 置信区间[CI]：0.828– 0.918）。校准图和Hosmer-Lemeshow拟合优度检验显示校准效果良好（P = 0.520）。决策曲线分析和临床影响曲线证实了临床实用性。该列线图的预测能力和临床实用性优于RCRI。结论：我们开发了一种易于使用的列线图来预测老年髋部骨折患者的PCE。该预测模型可有效识别PCE高风险患者，并可能有助于围手术期管理优化。
预后和预测因素
loe§家族妈妈czinoma污染2A§DCIS病中的内存2a§高BMI 2A高乳房密度2A§生长模式（临界 /固体与“固定” / Micropillary）2B§残留肿瘤相关的微疗法微疗法2B§Altactecture2B§Altactecture§（MOD）< / div。van nuys forecast index / mitoserate 2b § Palpables DCIS 2b § Er-, Her2+, Ki-67+ 2b § Scores: Oncotype DX Breast DCIS Score (12 genes), CCP (23 genes) § MSKCC Nomogram 2b § Dcisionrt 2b § Intrinsic subgroups (luminal a, b, b, b, b, b, B，B，B，B，B HER2+，三重负）2B§DCIS与侵入性癌相比，对侧MACA 2B2B§高tils Numbers 2B 的风险较高。van nuys forecast index / mitoserate 2b § Palpables DCIS 2b § Er-, Her2+, Ki-67+ 2b § Scores: Oncotype DX Breast DCIS Score (12 genes), CCP (23 genes) § MSKCC Nomogram 2b § Dcisionrt 2b § Intrinsic subgroups (luminal a, b, b, b, b, b, B，B，B，B，B HER2+，三重负）2B§DCIS与侵入性癌相比，对侧MACA 2B2B§高tils Numbers 2B
引用为：Zhou T，Wang Y，Xu Y，Xu L，Tang L，Yang Y，Wang J.多模式数据集成，以增强心脏和小脑的纵向预测
在32个月的中位随访中，98/729名参与者（13.4％）的结果经历了我们的复合材料。以7：3的比率，将病例随机分为发育（n = 510）和验证（n = 219）群体。使用六个临床FAC创建了一个预测nom图 - 性别，年龄，糖尿病，冠状动脉疾病史，甘油三酸酯 - 葡萄糖指数和呼吸暂停pnea pnea指数。预测词法图显示了出色的歧视性能力，基于Harrell的C-Index Val UES（95％置信区间（CI）= 0.779–0.873）的开发队列和0.877（95％CI = 0.824-0.93）的验证群体均可予以验证队列。此外，比较了发育和验证队列中预测和观察到的主要不良心脏和雌性马胸事件的主要不良心脏事件，这表明预测命名图已妥善化。决策曲线分析证明了预测列图的良好临床适用性。
开发和验证一种新型模型，用于预测高血压性半胱氨酸血症的高血压患者
摘要的高血压患者，血浆同型半胱氨酸水平升高很常见。当这些方面合并时，冠状动脉疾病（CHD）的风险很高。在此，我们开发了并验证了易于使用的列图，以预测呼吸升高血浆同型半胱氨酸的高血压患者的高风险冠心病。呼吸患者（n = 1,962），患有高脑结膜血症和高血压分为训练（n = 1,373，70％）和验证（n = 589，30％）。我们使用多元COX恢复分析提取了CHD预测变量，然后构建了一个nom图模型。使用1,000个自举重采样的内部验证，以评估使用接收器操作特征曲线（AUC）和校准图下的区域和校准图的一致性和歧视。我们使用提取的预测因子构建了一个nom图模型，包括年龄，腰围比率，烟雾和低密度脂蛋白胆固醇水平。80个月时培训和验证队列的AUC分别为0.735（95％CI：0.678-0.792）和0.646（95％CI：0.547-0.746）。基于校准图，观察到的CHD存活率与训练和验证集中的CHD存活率之间的一致性是可以接受的。在命名图中总共可以使用超过151点，以鉴定高血压升高的血浆同性恋蛋白的高血压患者中的高危患者。我们开发了一种CHD风险预测模型，用于呼吸高血压患者的高血压疗法患者。我们的发现为早期阶段快速鉴定高风险冠心病提供了有用的临床工具。（Int Heart J Advance出版）关键词：心脏病，高血压，打nor，超同类状态状态，预测模型
建立和评估一种新型实用工具，用于诊断糖尿病患者的骨化前诊断
表明，在调整了多个混杂因素后，骨骼肌指数（SMI）的每10％都伴随着糖尿病前期患病率（95％CI 1％-21％）的相对相对降低12％[26]。早期诊断和早期干预对于预防和治疗糖尿病的治疗至关重要。在我们的研究中，我们基于三种独立的因素性别，身高和腰围开发了一种新颖，实用，预测的nom图，这可能有助于临床医生预测糖尿病患者患肌肉减少症的风险。列摄图表现出良好的歧视性，校准能力和临床实用性，它表明身高较短和腰围较高的男性可能患有糖尿病性肌肉减少症的风险更高。
乳腺癌免疫和免疫疗法中的Toll样受体
背景：那不勒斯预后评分（NP）及其与口服鳞状细胞癌（OSCC）预后的关系尚无定论。本研究旨在研究NPS与术后OSCC患者预后之间的相关性。此外，该研究试图为预测无疾病生存（DFS）和总生存期（OS）开发新的诺夫图。方法：研究包括576例OSCC患者，他们在2008年8月至2018年6月之间在两家医院接受了手术治疗。进行了单变量和多元COX回归分析，以识别独立的预后因素。随后，开发了两个列格图来根据这些因素预测DFS和OS，并进行了严格的验证。结果：中位DFS和OS分别为31.5个月和36.5个月。在不同NP评分的患者中，观察到DFS和OS的显着差异。辅助放射疗法，年龄调整后的Charlson合并症指数（ACCI），外道外扩展（ENE），NPS，美国癌症联合阶段（AJCC）阶段，外科安全余量，东部合作肿瘤肿瘤肿瘤组绩效状况（ECOG PS）和系统炎症评分（SIS）是独立的预测和独立的预测。在训练队列中，列明图的一致性指数（C-指数）用于预测DFS和OS，分别为0.701和0.693。在验证组中，相应的值分别为0.642和0.635。校准图证实了模型的预测与实际结果之间的高度一致性。决策曲线分析（DCA）证明了Nomo Gram的良好临床实用性。此外，低风险组的患者没有受益于辅助放疗，而中等风险和高风险组的患者可以从辅助放射疗法中受益。结论：NP显着影响手术后OSCC患者的预后。这项研究中开发的nom图具有巨大的临床应用潜力。不需要患者的低风险亚组接受术后放疗。关键字：口服鳞状细胞癌，那不勒斯预后评分，戒断图，风险分层，放疗
心脏瓣膜手术后急性肾损伤预测模型的开发与验证
方法：我们的回顾性研究在 2023 年 2 月至 8 月期间招募了 497 名接受心脏瓣膜手术的成年患者作为衍生队列。获取患者的人口统计学信息，包括病史和围手术期临床信息，并根据肾脏疾病：改善全球预后 (KDIGO) 指南将患者分为 AKI 和非 AKI 两个队列之一。使用二元逻辑逐步回归分析，我们确定了心脏瓣膜手术后的独立 AKI 风险因素。最后，我们构建了一个列线图并在由 200 名患者组成的验证队列中进行外部验证。根据受试者工作特征曲线下面积 (AUC)、校准曲线和决策曲线分析 (DCA) 评估列线图的性能。
预测韩国年轻代谢健康肥胖者向代谢不健康肥胖转变：全国人口
目的：本研究旨在确定20至44岁人群中从代谢健康肥胖转变为不健康肥胖相关的人口统计学因素、健康行为和5种代谢状态，并开发一种筛查工具来预测这种转变。方法：这项二次分析研究使用了韩国国家健康保险系统的国民健康数据。我们使用SAS（SAS Institute Inc）分析了定制数据，并进行了逻辑回归以确定与从代谢健康到不健康肥胖转变相关的因素。我们开发了一个列线图来使用已确定的因素来预测这种转变。结果：在3,351,989人中，从代谢健康到不健康肥胖的转变与一般特征、健康行为和代谢成分之间存在显著关联。男性参与者转变为代谢不健康肥胖的几率比女性参与者高1.30，经济状况最低的人也面临这种转变的风险（几率比1.08，95％CI 1.05-1.1）。吸烟、饮酒量超过 30 克以及缺乏规律运动与转变呈负相关。每个相关变量都被分配了一个点值。当列线图总分达到 295 时，从代谢健康到不健康肥胖的转变的预测率为 >50%。结论：本研究确定了年轻人从健康肥胖转变为不健康肥胖的关键因素，并创建了一个预测列线图。该列线图包括甘油三酯、腰围、高密度脂蛋白胆固醇、血压和空腹血糖，即使对于普通人群也可以轻松评估肥胖风险。该工具简化了肥胖率和干预措施不断上升的预测。
同行评审文件
根据您的要求在文中描述它。 文本更改：第 10 页，第 9-11 行；第 12 页，第 11-14 行 审稿人 B 我怀着极大的兴趣阅读了 Xu 等人的这篇手稿。作者描述了一项单中心回顾性研究，研究对象为接受新辅助化疗治疗结直肠肝转移 (CRLM) 并随后接受切除术的患者。他们的目的是确定预测主要病理反应 (<50% 存活肿瘤细胞) 的因素。无病间隔 (DFI)、转移的数量和大小以及 RAS 状态是影响主要病理反应机会的独立因素。作者制作了一个列线图，该列线图经过内部验证并在亚组中进行测试。 要点： 评论 1：正如作者所承认的，没有外部验证。因此，我认为发布列线图为时过早。我建议省略这一点。 回复 1：感谢您的建议。缺乏外部验证是我们文章的局限性之一。因此，模型的可靠性并不理想。为了减少偏差并提高模型的可靠性，我们进行了内部验证，随机分为