检索结果-内蒙古大学图书馆

作者：舒磊南昌大学

学位级别：博士

目的:第一部分:高血压被认为是影响颅内动脉瘤破裂的一个强烈风险因素,病前高血压通常影响了动脉瘤性蛛网膜下腔出血(a SAH)患者的功能预后严重程度。然而,在a SAH合并病前高血压患者的队列中,影响预后的风险因素仍不明确。因此,我们旨... 详细信息

目的:第一部分:高血压被认为是影响颅内动脉瘤破裂的一个强烈风险因素,病前高血压通常影响了动脉瘤性蛛网膜下腔出血(a SAH)患者的功能预后严重程度。然而,在a SAH合并病前高血压患者的队列中,影响预后的风险因素仍不明确。因此,我们旨在开发并验证一个预测模型,以早期评估预后不良的风险。第二部分:准确预测a SAH合并病前高血压患者的预后对于个性化治疗至关重要。在这项研究中,我们试图使用SHAP(SHapley Additive ex Planations)可解释性机器学习方法为a SAH合并病前高血压患者开发了一个可解释的预后预测机器学习模型。方法:第一部分:选取了630名符合条件的a SAH合并病前高血压患者,在2018至2021年间的496例为训练队列构建预测模型,并选取了2022年的134例为测试队列对模型进行外部验证。主要结局指标是a SAH后1年随访的预后不良(m RS评分3-6)。使用多变量逻辑回归筛选独立预测因子。受试者工作特征曲线下面积(ROC-AUC)、校准曲线和Hosmer-Lemeshow检验p值作为评估模型的性能指标。第二部分:研究方法与第一部分相同直到构建机器学习模型,采用机器学习算法,包括XGBoost、Ada Boost、GBM、MLP、NN、LR和RF模型,开发了a SAH合并病前高血压患者不良预后的预测模型。选择最优模型进行SHAP分析。结果:第一部分:观察到200名患者预后不良。在训练集中使用LASSO和逻辑回归筛选出6个预测因子,包括年龄、手术方式、WFNS分级、再出血、脑积水和迟发性脑缺血(Delayed cerebral ischemia,DCI)。构建了动态列线图(http://127.0.0.1:7730),具有优越的预测准确性(AUC=0.901,95%cl:0.872-0.929)和校准性能良好(Hosmer-Lemeshow检验p=0.2866)。测试集的结果仍然一致(AUC=0.919,95%cl:0.837-0.941)。第二部分:我们通过随机森林Boruta分类算法筛选预测变量:年龄、手术方式、WFNS分级、Hunt Hess分级、m Fisher评分、再出血、脑积水和DCI,并基于这些变量构建了7个机器学习模型:XGBoost、Ada Boost、GBM、MLP、NN、LR和RF。与Ada Boost模型的AUC=0.897(95%CI:0.842-0.952)、GBM模型的AUC=0.927(95%CI:0.880-0.975)、MLP的模型AUC=0.915(95%CI:0.859-0.971)、NN模型的AUC=0.931(95%CI:0.878-0.984)、LR模型的AUC=0.929(95%CI:0.874-0.983)和RF模型的AUC=0.929(95%CI:0.879-0.929)相比,XGBoost模型表现出优越的性能,AUC=0.935(95%CI:0.893-0.976)。通过SHAP分析确定的主要预后特征年龄大于65岁,WFNS分级Ⅳ和Ⅴ级、Hunt Hess分级Ⅲ-Ⅴ级、改良Fisher评分Ⅲ和Ⅳ级、DCI、再出血和脑积水与不良预后风险增加之间的显著关联,而血管内栓塞治疗使预后预测更为良好。此外,SHAP力图可视化了个体预后预测。结论:在本研究中,找到了a SAH合并病前高血压患者的独立预后因素,并开发了动态预测模型。在线使用可以更便捷地帮助临床医生为患者制定个性化治疗决策,以改善预后。同时,证明了机器学习技术在a SAH合并病前高血压患者预后预测中的潜力。通过SHAP分析确定的预测特征增强了模型的可解释性,并为临床决策提供了指导。

关键词：动脉瘤性蛛网膜下腔出血病前高血压预后影响因素临床模型 XGBoost机器学习模型可解释性机器学习模型 SHAP

来源：评论

学校读者我要写书评

暂无评论

不同云种类地表云短波辐射效应的主控因子及其不确定性研究——以美国南部大平原地区中心观测站为例

引用

大气科学学报 2025年

作者：刘唯佳韩永翔周鑫李嘉欣杭州市气象局南京信息工程大学气象灾害教育部重点实验室/气象灾害预报预警与评估协同创新中心 Cornell University

地表的云短波辐射效应(shortwave cloud radiative effect，FCRE)在气候变化中扮演关键角色，但在不同的云种类下具有很大的不确定性且其主控因子不明。本文利用美国南部大平原中心站14年15 min分辨率的云种类和同期地表短波辐照度等观... 详细信息

地表的云短波辐射效应(shortwave cloud radiative effect，FCRE)在气候变化中扮演关键角色，但在不同的云种类下具有很大的不确定性且其主控因子不明。本文利用美国南部大平原中心站14年15 min分辨率的云种类和同期地表短波辐照度等观测资料，分析了8种云（淡积云Cu、层云St、高积云Ac、高层云As、卷层云Cs、卷云Ci、浓积云Co、深对流云Dc）的FCRE特征及其影响因素，引入云相对辐射效应(relative FCRE，FRCRE)参量，结合XGBoost及SHAP模型揭示了不同云种类下两种云辐射效应指标的差异及主控因子，并评估了二者的不确定性。结果表明：1)虽然8种云的FCRE强度总体上与云量、云反照率呈正相关关系，与天顶角呈反相关关系，但其细节却显示不同云种类的云参量与FCRE存在复杂的非线性关系。2)在95%置信区间内，云量和云反照率双低的Cu、Ac和Ci的FCRE波幅为-350～206 W·m-2，云量和反照率双高的Co和Dc为-1 172～289 W·m-2，其他具有中等云属性的St、Cs和As为-926～371 W·m-2，这表明不同云种类的FCRE不确定性很大。FCRE受云参量、辐射参量和天顶角的影响，其主控因子达5～6个，且因子不一是其不确定性大的重要原因。3)引入的FRCRE本质上同FCRE所反映的云辐射特征一致，但其主控因子仅稳定剩下云量、云反照率和直接辐照度3个，分离了天顶角对它的影响。8种云的FRCRE较FCRE的不确定性降低了2.6%～66.0%，平均下降了10.7%，其中强对流性云Co和Dc下降最为显著。4)对于云量和云反照率双高的Co和Dc，云反照率对FRCRE的调制作用更为显著，反之，云量和云反照率双低的Cu、Ac和Ci，云量的调制作用更加显著。该研究为深入理解云-辐射相互作用、降低气候模拟中云辐射效应的不确定性提供了新的思路。

关键词：短波云辐射效应云种类主控因子不确定性分析可解释性机器学习模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：