检索结果-内蒙古大学图书馆

海军军医大学学报 2025年第4期46卷 504-510页

作者：宛慧琴向蔓潘喆敏秦婴逸何倩贺佳同济大学医学院上海200092 海军军医大学(第二军医大学)卫生勤务学系军队卫生统计学教研室上海200433

目的使用多阅片者多病例(MRMC)设计评价人工智能(AI)辅助阅片影像诊断试验的临床效能,以期为影像诊断试验的临床评价提供科学依据。方法采用影像诊断试验中广泛应用的MRMC设计,详细阐述了MRMC设计中Obuchowski-Rockette(OR)法的模型构... 详细信息

目的使用多阅片者多病例(MRMC)设计评价人工智能(AI)辅助阅片影像诊断试验的临床效能,以期为影像诊断试验的临床评价提供科学依据。方法采用影像诊断试验中广泛应用的MRMC设计,详细阐述了MRMC设计中Obuchowski-Rockette(OR)法的模型构建及其检验方法。实例研究共收集了3家医院200例受试者的CT影像资料,其中133例为肋骨骨折患者,68例为非肋骨骨折患者,由3位阅片医师对所有CT影像进行判读。分析在2种阅片方式(医师+AI辅助阅片、医师独立阅片)下肋骨骨折检出的AUC值、灵敏度和特异度的差异。结果AI辅助阅片组的AUC值为0.958,医师独立阅片组的AUC值为0.902,两组AUC值差异有统计学意义(P<0.001)。AI辅助阅片组总体的灵敏度为0.970,特异度为0.946;医师独立阅片组的灵敏度为0.838,特异度为0.966;两组灵敏度差值为0.131(95%CI 0.091~0.171),特异度差值为-0.020(95%CI-0.059~0.020),说明AI辅助阅片与医师独立阅片的灵敏度差异有统计学意义而特异度差异无统计学意义。两组的阳性似然比均大于10,阴性似然比均小于0.2,阳性预测值都接近1,说明AI辅助阅片影像诊断试验的诊断准确性高。结论AI辅助阅片在提高诊断效能方面有显著优势,不仅可以提高肋骨骨折诊断的准确性和检出率,还能提高医师工作效率,优化医院服务。

关键词：人工智能多阅片者多病例设计 Obuchowski-Rockette法肋骨骨折诊断准确性

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯网络的随机森林优化填补算法

引用

海军军医大学学报 2025年第2期46卷 253-257页

作者：董鑫宇陈琪杨志宇贺佳同济大学医学院上海200092 海军军医大学(第二军医大学)卫生勤务学系军队卫生统计学教研室上海200433

目的评估并改进缺失数据处理方法,提升二分类结局预测模型性能。方法模拟数据缺失场景,通过预测模型的ROC AUC及均方根误差(RMSE)共同评估直接剔除、均值填补、随机森林填补、多重填补对预测模型性能的影响,并将贝叶斯网络引入随机森林... 详细信息

目的评估并改进缺失数据处理方法,提升二分类结局预测模型性能。方法模拟数据缺失场景,通过预测模型的ROC AUC及均方根误差(RMSE)共同评估直接剔除、均值填补、随机森林填补、多重填补对预测模型性能的影响,并将贝叶斯网络引入随机森林填补算法,利用变量间相关性进行填补方法的优化。结果不同缺失占比下,通过AUC及RMSE均可得出贝叶斯网络优化随机森林填补算法效果最佳。此外,在缺失占比为10%~20%时,各种填补方法对预测模型的性能提升效果大体相同;当缺失占比为30%~40%时,相较于均值填补,除贝叶斯网络优化随机森林填补算法外,随机森林填补更好,其效果略优于多重填补;当缺失占比接近50%时,即使模型性能依旧较好,但填补数据逐渐偏离真实数据特征,模型的可用性下降。结论贝叶斯网络优化随机森林填补算法总体效果较好,当随机缺失占比30%~40%时可优先考虑。

关键词：预测模型缺失填补随机森林贝叶斯网络

来源：评论

学校读者我要写书评

暂无评论

影像诊断试验中多阅片者多病例设计的样本量估计研究

引用

海军军医大学学报 2025年第05期 693-698页

作者：向蔓宛慧琴潘喆敏何倩秦婴逸贺佳同济大学医学院海军军医大学(第二军医大学)卫生勤务学系军队卫生统计学教研室

目的实现影像诊断试验中多阅片者多病例设计下的样本量估计，探索阅片者和病例均随机、阅片者固定病例随机、阅片者随机病例固定3种情形下阅片者和受试者的数量组合。方法采用Van Dyke数据集中114例受试者(45例被金标准诊断为主动脉夹... 详细信息

目的实现影像诊断试验中多阅片者多病例设计下的样本量估计，探索阅片者和病例均随机、阅片者固定病例随机、阅片者随机病例固定3种情形下阅片者和受试者的数量组合。方法采用Van Dyke数据集中114例受试者(45例被金标准诊断为主动脉夹层)的影像，并由5名影像科医生在自旋回波(Spin-echo)和电影(Cine)2种序列MRI下的判读结果为预试验数据，使用Obuchowski-Rockette法估计正式试验中所需的样本量。结果医生在Spin-echo MRI、Cine MRI序列下判别主动脉夹层的平均AUC值分别为0.941(95% CI 0.899～0.983)、0.897(95% CI0.837～0.957)。当效应量取两者AUC差值0.044、阅片者数量为5时，阅片者和病例均随机、阅片者固定病例随机、阅片者随机病例固定3种情形下分别需要受试者337、162、282例。结论多阅片者多病例设计在进行样本量估计时需考虑阅片者和受试者两者数量，相同情况下，阅片者人数越多所需的受试者数量越少；3种情形中，阅片者(≥5人)和病例均随机时所需样本量最多。

关键词：影像诊断试验多阅片者多病例 Obuchowski-Rockette法样本量

来源：评论

学校读者我要写书评

暂无评论

基于可解释机器学习的缺血性脑卒中合并吞咽困难患者院内死亡风险预测模型比较

引用

上海预防医学 2025年

作者：台耀永武胜勇罗枭朱荣慧何倩吴骋海军军医大学卫生勤务学系军队卫生统计学教研室

【目的】使用可解释机器学习方法预测缺血性脑卒中合并吞咽困难患者院内死亡风险，以期为为缺血性脑卒中合并吞咽困难的预后预测提供更多循证依据。【方法】回顾性分析美国重症监护医学信息数据库Ⅳ（MIMIC- Ⅳ）（2.0）中诊断为缺血性... 详细信息

【目的】使用可解释机器学习方法预测缺血性脑卒中合并吞咽困难患者院内死亡风险，以期为为缺血性脑卒中合并吞咽困难的预后预测提供更多循证依据。【方法】回顾性分析美国重症监护医学信息数据库Ⅳ（MIMIC- Ⅳ）（2.0）中诊断为缺血性脑卒中合并吞咽困难的308例患者的病历信息，基于最小绝对值收缩和选择算子（LASSO）筛选特征，将数据集按7∶3随机划分为训练集和测试集，分别构建极端梯度提升树、随机森林、K近邻、支持向量机、朴素贝叶斯等10种模型。通过计算受试者工作特征曲线下面积（AUC）衡量预测效果，使用校准曲线及布里尔分数评价模型的校准程度，绘制决策曲线，反映临床净收益。采用沙普利值加性解释方法分析模型的可解释性，探索重要决策因素。【结果】测试集中，朴素贝叶斯模型相较于其他模型表现出了更好的预测能力[AUC(95%CI)=0.85(0.83，0.88)]，经可解释性分析，血尿素氮、年龄、序贯器官衰竭评估、碳酸氢盐、氯化物、高血压是缺血性脑卒中合并吞咽困难患者院内死亡的重要影响因素。【结论】在预测缺血性脑卒中合并吞咽困难患者的院内死亡风险方面，朴素贝叶斯模型的综合表现优于其他9个模型。模型可解释性可帮助临床医生更好地理解结果背后的原因，针对危险因素采取合理干预措施，提升患者生存率。

关键词：可解释机器学习缺血性脑卒中吞咽困难院内死亡风险预测

来源：评论

学校读者我要写书评

暂无评论

基于美国FAERS数据库的KRAS G12C抑制剂不良事件不相称测定分析

引用

中国药物警戒 2025年第3期22卷 297-304页

作者：朱志朋吕强叶小飞郭晓晶海军军医大学第二附属医院骨肿瘤科上海200003 海军军医大学基础医学院上海200433 海军军医大学第二附属医院胸外科上海200003 海军军医大学卫生勤务学系军队卫生统计学教研室上海200433

目的分析KRAS G12C抑制剂索托拉西布与阿达格拉西布的不良事件信号,为临床安全用药提供参考。方法基于美国食品药品监督管理局不良事件报告系统(FAERS)数据库,提取2021年第3季度至2024年第2季度数据,采用报告比值比法(ROR)、英国药品和... 详细信息

目的分析KRAS G12C抑制剂索托拉西布与阿达格拉西布的不良事件信号,为临床安全用药提供参考。方法基于美国食品药品监督管理局不良事件报告系统(FAERS)数据库,提取2021年第3季度至2024年第2季度数据,采用报告比值比法(ROR)、英国药品和保健产品管理局(MHRA)的综合标准法、信息比法(IC)和经验贝叶斯几何平均法(EBGM)进行信号挖掘。结果索托拉西布主要与肝胆系统疾病不良事件相关(n=329,IC_(025)=3.06),信号最强的不良事件是肝脏毒性(n=76,IC_(025)=5.14);阿达格拉西布主要与各种手术及医疗操作(n=102,IC_(025)=1.65)及代谢及营养类疾病(n=76,IC_(025)=0.97)不良事件相关,信号最强的不良事件是心电图QT间期延长(n=11,IC_(025)=2.87)。罕见反应包括索托拉西布的肺栓塞和阿达格拉西布的癫痫持续状态。性别差异和累积剂量显著影响不良事件发生。结论临床应用中需加强索托拉西布和阿达格拉西布不良反应监测,特别是对罕见和严重不良反应,以提高用药安全性。

关键词： KRAS G12C抑制剂索托拉西布阿达格拉西布不良事件肝脏毒性心电图QT间期延长神经毒性美国食品药品监督管理局不良事件报告系统

来源：评论

学校读者我要写书评

暂无评论

含时间依赖性治疗变量预后预测模型构建策略的模拟研究

引用

中国循证医学杂志 2024年第4期24卷 490-496页

作者：钱迪金志超赵艳芳海军军医大学卫生勤务学系军队卫生统计学教研室上海200433

目的探究构建临床预后预测模型中时间依赖性变量的处理方法,将边际结构模型与临床预后预测模型结合,为患者的个体化预后评估提供更精确的预测工具。方法通过数据模拟,构建样本量为7000的训练数据集、样本量为3000的验证数据集,设置在不... 详细信息

目的探究构建临床预后预测模型中时间依赖性变量的处理方法,将边际结构模型与临床预后预测模型结合,为患者的个体化预后评估提供更精确的预测工具。方法通过数据模拟,构建样本量为7000的训练数据集、样本量为3000的验证数据集,设置在不同随访时间及不同情境下,分别比较忽略治疗模型、基线无治疗模型、基线治疗预测模型和边际结构预测模型的预测效能。结果模拟研究设置2种随访时间点情况(2个、5个时间点),64种不同的治疗变量、时依性协变量、结局变量三者之间关系,共128种模拟情境。2个随访时间点情况下,边际结构预测模型预测效能与基线治疗预测模型预测效能未见明显差别,但均高于忽略治疗模型和基线无治疗模型;5个随访时间点情况下,边际结构预测模型预测效能优于其余三个预测模型。结论观察性队列存在时间依赖性治疗情况,在构建临床预后预测模型时,应该考虑基线后治疗发生变化的情况,否则会降低预后预测模型的预测效能。

关键词：预后预测模型边际结构模型模拟研究

来源：评论

学校读者我要写书评

暂无评论

多时点APACHEⅡ评分对重症脑卒中患者死亡风险的影响与预测价值——基于MIMIC-Ⅲ数据库的资料分析

引用

中华危重病急救医学 2021年第10期33卷 1237-1242页

作者：程义陈琪武胜勇朱荣慧吴骋海军军医大学卫生勤务学系军队卫生统计学教研室上海200433

目的探讨多时点急性生理学与慢性健康状况评分Ⅱ(APACHEⅡ)对重症脑卒中患者14 d死亡风险的影响,为临床诊疗提供参考。方法收集美国重症监护医学信息数据库Ⅲ(MIMIC-Ⅲ)中3229例重症脑卒中患者的相关信息。根据患者主要脑卒中类型分为... 详细信息

目的探讨多时点急性生理学与慢性健康状况评分Ⅱ(APACHEⅡ)对重症脑卒中患者14 d死亡风险的影响,为临床诊疗提供参考。方法收集美国重症监护医学信息数据库Ⅲ(MIMIC-Ⅲ)中3229例重症脑卒中患者的相关信息。根据患者主要脑卒中类型分为蛛网膜下腔出血(SAH)、脑出血(ICH)、缺血性脑卒中(IS)及其他类型组;根据年龄分为>60岁和≤60岁组;根据序贯器官衰竭评分(SOFA)基线值分为>3分和≤3分组。计算患者APACHEⅡ评分的每日测量值,以患者入重症监护病房(ICU)14 d内全因死亡为结局指标,获取患者的生存状态和生存时间。建立纵向数据与生存数据的联合模型,评估多时点测量的APACHEⅡ评分对患者死亡风险的影响,并进行亚组分析。结果在构建的多种联合模型中,仅纳入APACHEⅡ评分并考虑APACHEⅡ评分与年龄交互项的模型拟合效果较好。进一步分析显示,APACHEⅡ评分的变化受到年龄、性别、入院方式、SOFA评分基线值以及吸烟史的影响。控制上述混杂因素后,APACHEⅡ评分与重症脑卒中患者14 d全因死亡具有显著的相关性〔风险比(HR)=1.48,95%可信区间(95%CI)为1.31~1.66,P<0.001〕,提示APACHEⅡ评分每增加1分,患者死亡风险增加48%(95%CI为31%~66%)。亚组分析显示,对于不同类型的重症脑卒中患者,APACHEⅡ评分对SAH患者14 d死亡风险影响较大(HR=1.43,95%CI为1.10~1.85),而对ICH患者和IS患者14 d死亡风险的影响较小〔HR(95%CI)分别为1.37(1.15~1.64)、1.35(1.06~1.71)〕;APACHEⅡ评分对年龄>60岁和≤60岁患者14 d死亡风险的影响差异不大〔HR(95%CI):1.37(1.08~1.72)比1.35(1.07~1.70)〕;与SOFA评分>3分患者相比,APACHEⅡ评分对SOFA评分≤3分患者14 d死亡风险的影响较大〔HR(95%CI):1.40(1.16~1.70)比1.34(1.16~1.55)〕。结论多时点APACHEⅡ评分是评价重症脑卒中患者死亡风险的重要指标。

关键词：内生性时依性协变量急性生理学与慢性健康状况评分Ⅱ 重症脑卒中联合模型

来源：评论

学校读者我要写书评

暂无评论

基于Fine-Gray竞争风险模型的小肝癌患者预后模型构建与验证

引用

中华肿瘤防治杂志 2023年第23期30卷 1435-1443页

作者：钱迪涂博祥陈枭张鹤巍叶小飞赵艳芳海军军医大学卫生勤务系军队卫生统计学教研室上海200433

目的探究小肝癌患者预后影响因素,构建预后预测模型,为患者的个体化预后评估提供更精确的工具。方法通过SEER数据库收集2004-2015年确诊的2648例小肝癌患者信息,按照7∶3的比例,将患者随机分成训练集(1853例)与验证集(795例)。使用Fine-... 详细信息

目的探究小肝癌患者预后影响因素,构建预后预测模型,为患者的个体化预后评估提供更精确的工具。方法通过SEER数据库收集2004-2015年确诊的2648例小肝癌患者信息,按照7∶3的比例,将患者随机分成训练集(1853例)与验证集(795例)。使用Fine-Gray竞争风险模型对训练集资料进行单因素和多因素分析,探究影响小肝癌患者预后的独立危险因素,建立预后模型,从区分度和校准度两个角度分别对训练集与验证集数据的预测效果进行验证,基于预后模型结果绘制列线图并采用R-shiny构建生存率计算器。结果多因素分析结果表明,年龄(HR=1.165,95%CI为1.005~1.349,P=0.042)、婚姻状况(HR=1.250,95%CI为1.084~1.440,P=0.002)、肿瘤分级(HR=1.440,95%CI为1.197~1.733,P<0.001)、N分期(HR=0.442,95%CI为0.285~0.684,P<0.001)、M分期(HR=0.502,95%CI为0.325~0.776,P=0.002)、肿瘤大小(HR=1.216,95%CI为1.052~1.404,P=0.008)、手术情况(HR=2.732,95%CI为2.311~3.230,P<0.001)是小肝癌患者预后的独立影响因素。根据独立影响因素构建的列线图,在训练集中1、3和5年特异性生存率的曲线下面积分别为0.782、0.761和0.741,在验证集中分别为0.772、0.756和0.737;校准曲线显示在训练集与验证集中1、3和5年预测模型的预测发生率与实际发生率基本一致。结论Fine-Gray竞争风险模型能高效辨别小肝癌患者的预后独立影响因素,以此为依据构建的预后模型能更准确预测患者的特异性生存率,为医师进行决策提供有价值的参考依据。

关键词：小肝癌特异性生存率列线图 SEER数据库预后

来源：评论

学校读者我要写书评

暂无评论

基于机器学习算法的重症缺血性脑卒中早期死亡预测效果评价

引用

海军军医大学学报 2022年第12期43卷 1365-1371页

作者：罗枭程义何倩涂博祥吴骋贺佳海军军医大学(第二军医大学)卫生勤务学系军队卫生统计学教研室上海200433

目的评价支持向量机(SVM)、随机森林、极限梯度提升(XGBoost)3种机器学习算法与logistic回归模型在重症缺血性脑卒中30 d死亡结局预测中的效果。方法使用2008年至2019年美国重症监护医学信息数据库Ⅳ(MIMIC-Ⅳ)中符合纳入标准的2 358... 详细信息

目的评价支持向量机(SVM)、随机森林、极限梯度提升(XGBoost)3种机器学习算法与logistic回归模型在重症缺血性脑卒中30 d死亡结局预测中的效果。方法使用2008年至2019年美国重症监护医学信息数据库Ⅳ(MIMIC-Ⅳ)中符合纳入标准的2 358例重症缺血性脑卒中患者资料,分别用SVM、随机森林、XGBoost3种机器学习算法与logistic回归方法,结合合成少数过采样技术(SMOTE)建立早期死亡预测模型,并使用ROC曲线的AUC值、准确度、F1分数、布里尔分数等指标评价模型的预测效果。结果 SVM、随机森林、XGBoost与logistic回归模型在原始不平衡数据集中预测早期死亡的AUC值分别为0.78、0.81、0.84、0.83。应用SMOTE合成数据集后,SVM、随机森林、XGBoost与logistic回归模型的AUC值分别为0.72、0.84、0.83、0.83。除SVM模型外,随机森林、XGBoost模型与logistic回归之间有相似的预测能力,但其准确度、布里尔分数均优于logistic回归模型,综合分类性能更优。结论机器学习算法在缺血性脑卒中早期死亡预测中性能较传统logistic回归方法更优。

关键词：重症缺血性脑卒中早期死亡预测机器学习合成少数过采样技术

来源：评论

学校读者我要写书评

暂无评论

上市后药品不良反应信号检测方法的进展与思考

引用

海军军医大学学报 2022年第2期43卷 117-122页

作者：叶小飞海军军医大学(第二军医大学)卫生勤务学系军队卫生统计学教研室上海200433

国内外大量惨痛的药源性事件提醒人们需关注药品的安全性。药品监管部门和上市许可持有人要尽可能早地开始收集药品不良反应信息,针对不同的药品制订不同的风险管理计划,以最大程度地保障患者的用药安全。在药品全生命周期管理上,药品... 详细信息

国内外大量惨痛的药源性事件提醒人们需关注药品的安全性。药品监管部门和上市许可持有人要尽可能早地开始收集药品不良反应信息,针对不同的药品制订不同的风险管理计划,以最大程度地保障患者的用药安全。在药品全生命周期管理上,药品不良反应信号检测是上市后安全性监测的重要环节。本文介绍了上市后药品不良反应信号检测常用的不相称测定分析技术的基本原理和数据分析中可能存在的各种偏倚及控制方法,并讨论了用于信号检测的机器学习方法、信号检测报告的规范性等,为提高信号检测的准确性与及时性提供参考。

关键词：药品不良反应药物警戒信号检测不相称测定分析

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：