XiaoMi-AI文件搜索系统
World File Search System列线图
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。
中国东部健康居民 2 型糖尿病风险预测的列线图模型：一项为期 14 年的 15,166 名参与者的回顾性队列研究
摘要 背景 风险预测模型有助于识别 2 型糖尿病高风险个体。然而，在中国东部地区，尚未将此类模型应用于临床实践。目的 本研究旨在基于体检数据开发一种简易模型，识别中国东部地区 2 型糖尿病高危人群，以进行预测、预防和个性化医疗。方法 对 15,166 名每年进行体检的非糖尿病患者（12-94 岁；37% 为女性）进行了 14 年的回顾性队列研究。构建多元逻辑回归和最小绝对收缩和选择算子 (LASSO) 模型，用于单变量分析、因子选择和预测模型构建。校准曲线和受试者工作特征 (ROC) 曲线用于评估列线图的校准和预测精度，并使用决策曲线分析 (DCA) 评估其临床效度。结果 本研究中 2 型糖尿病的 14 年发病率为 4.1%。本研究开发了预测2型糖尿病风险的列线图，校准曲线显示该列线图具有良好的校准能力，内部验证中ROC曲线下面积（AUC）显示统计准确性（AUC = 0.865）。最后，DCA支持该列线图的临床预测价值。结论该列线图可作为一种简单、经济、可广泛推广的工具来预测中国东部地区2型糖尿病的个体化风险。早期成功识别和干预高危个体有助于从预测、预防和个性化医疗的角度提供更有效的治疗策略。
基于计算机断层扫描放射组学的列线图在全脑放射治疗非小细胞肺癌脑转移瘤生存预测中的应用
预后参数和模型被认为有助于改善脑转移瘤 (BM) 患者的治疗结果。本研究旨在调查基于计算机断层扫描 (CT) 放射组学的列线图预测接受全脑放射治疗 (WBRT) 的非小细胞肺癌 (NSCLC) BM 患者生存期的可行性。回顾性分析了 2012 年 1 月至 2016 年 12 月接受 WBRT 的 195 名 NSCLC BM 患者。使用最小绝对收缩和选择算子 (LASSO) 回归从治疗前 CT 图像中提取和选择放射组学特征。通过整合放射组学特征和临床因素来开发和评估列线图以预测个体患者的生存期。根据 LASSO Cox 回归从 105 个放射组学特征中筛选出 5 个放射组学特征。根据放射组学评分（Rad-score）的最佳截断值，将患者分为低危（Rad-score <= − 0.14）组和高危（Rad-score > − 0.14）组。多变量分析表明，性别、卡氏评分（KPS）和 Rad-score 是总生存期（OS）的独立预测因素。训练队列和验证队列中列线图的一致性指数（C 指数）分别为 0.726 和 0.660。短期和长期生存预测的曲线下面积（AUC）分别为 0.786 和 0.788。综上所述，基于 CT 图像的放射组学特征和临床因素的列线图可用于预测接受 WBRT 的 NSCLC BM 患者的 OS。