目的验证基于睡眠期体动特征的无感睡眠监测床垫(non-contact sleep monitoring mattress,NCSMM)在神经外科术前患者睡眠质量评估中的准确性,旨在为临床医护人员提供更加便携有效的评估工具。方法采用单臂研究设计,便利抽样法抽取陆军军医大学(第三军医大学)第一附属医院神经外科住院患者114名,通过NCSMM、多导睡眠图(polysomnography,PSG)、患者报告结局测量信息系统(patient-reported outcomes measurement information system,PROMIS)睡眠障碍简表、理查兹-坎贝尔睡眠量表(Richards-Campbell sleep questionnaire,RCSQ)以及可穿戴设备手表共5种睡眠质量评估工具进行一晚的睡眠监测。以PSG监测的睡眠效率(≤85%)为诊断睡眠障碍的依据,计算NCSMM、PROMIS、ROSQ、可穿戴设备手表受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、敏感度、特异度、阳性预测率、阴性预测率及Youden指数等指标,比较各工具的评估效果。结果NCSMM、PROMIS、RCSQ、可穿戴设备手表的AUC分别为0.788[95%CI(0.687,0.888),P<0.001]、0.664[95%CI(0.543,0.784),P=0.020]、0.723[95%CI(0.600,0.846),P=0.001]、0.750[95%CI(0.654,0.846),P<0.001],诊断准确率分别为0.774、0.559、0.742、0.602,Youden指数分别为0.488、0.321、0.456、0.459。NCSMM的AUC、诊断准确率、Youden指数均优于其他3种工具。结论NCSMM在神经外科术前住院患者睡眠质量评估中表现出一定的的准确性,可作为便携有效的评估工具。
目的旨在识别并划分中国中老年人群抑郁症状的发展轨迹,并探索我国中老年人群抑郁症状轨迹的风险因素。方法基于北京大学发布的中国健康与养老追踪调查(China health and retirement longitudinal study,CHARLS)的数据,根据纳入、排除...
详细信息
目的旨在识别并划分中国中老年人群抑郁症状的发展轨迹,并探索我国中老年人群抑郁症状轨迹的风险因素。方法基于北京大学发布的中国健康与养老追踪调查(China health and retirement longitudinal study,CHARLS)的数据,根据纳入、排除标准筛选出7600名被试,对其2011年至2023年期间5波调查数据进行分析,采用潜在增长曲线模型(latent growth curve models,LGCM)、潜在增长类别模型(latent class growth models,LCGM)识别被试抑郁症状的发展轨迹。通过多分类Logistic回归分析分析性别、婚姻状况、教育水平、城乡居住情况、年经济收入、自评健康状况、童年被霸凌经历是否为不同抑郁症状轨迹的风险因素。结果共识别并划分出低水平稳定型(5545,72.96%)和高水平上升型(2055,27.04%)两种抑郁症状发展轨迹。以低水平稳定组为参照,多分类logistic回归分析发现,女性(OR=1.373,95CI%=1.191~1.584,P<0.001)、居住在乡村(OR:1.634,95CI%:1.410~1.895,P<0.001)、自评健康状况不好(OR:2.059,95%CI:1.890~2.243,P<0.001)、童年期被霸凌经历(OR:1.76,95%CI:1.489~2.080,P<0.001)与高水平上升型抑郁轨迹风险增加有关。结论我国中老年人群抑郁情绪存在两种不同的发展轨迹,自评健康状况不好、童年期被霸凌、女性、居住在乡村是抑郁症状高水平上升型轨迹的风险因素。
目的探讨低病毒载量乙肝肝癌人群发生肝切除术后肝衰(post-hepatectomy liver failure,PHLF)的影响因素,并构建风险预测模型。方法选择2015年1月1日至2023年3月1日在陆军军医大学第一附属医院麻醉科首次接受肝切除术的403例低病毒载量乙肝肝癌患者作为研究对象,按照7:3比例采用简单随机抽样法分为训练集和验证集,通过Lasso回归和多因素Logistic回归分析筛选PHLF发生的影响因素并建立列线图预测模型。通过多种指标对模型的性能进行评估,包括受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)、校准曲线、决策曲线分析和临床影响曲线分析。结果本研究确定抗病毒治疗史、饮酒史、乙肝表面抗原值及国际标准化比值为低病毒载量乙肝肝癌人群发生PHLF的独立影响因素。基于上述指标建立的预测模型在训练集和验证集中表现出卓越的区分能力,AUC值分别为0.744(95%CI:0.671~0.818)和0.737(95%CI:0.599~0.876)。校准曲线显示出模型的高准确性(训练集:P=0.995;验证集:P=0.701),决策曲线分析和临床影响曲线分析均表明模型提供了更大的临床益处。结论本研究建立的预测模型能够有效评估低病毒载量乙肝肝癌人群发生PHLF的风险,具有良好的预测性能,对及时识别高危人群具有一定的指导意义。
暂无评论