目的:探讨胃癌患者外周血中性粒细胞与淋巴细胞比值(neutrophil to lymphocyte ratio,NLR)和胃癌间质肿瘤相关中性粒细胞(tumor-associated neutrophils,TANs)对胃癌患者预后的预测价值。方法:选取第二军医大学附属长海医院2006年6月至2...
详细信息
目的:探讨胃癌患者外周血中性粒细胞与淋巴细胞比值(neutrophil to lymphocyte ratio,NLR)和胃癌间质肿瘤相关中性粒细胞(tumor-associated neutrophils,TANs)对胃癌患者预后的预测价值。方法:选取第二军医大学附属长海医院2006年6月至2011年5月收治的126例胃癌患者,根据术前外周血NLR及胃癌患者TANs的浸润情况,将其分为4个组,比较全组胃癌患者的术后生存率,并分析其与临床病理学特征及预后的相关性。结果:NLR高合并TANs低浸润组肿瘤分化程度较低(P<0.001)且肿瘤体积较大(P=0.026)。4个组中NLR高合并TANs低浸润组生存率最低,NLR低合并TANs高浸润组生存率最高,且差异具有统计学意义(P<0.05)。单因素及多因素Cox回归分析均显示:NLR高合并TANs低浸润(P<0.05)是影响胃癌预后的独立危险因素。结论:术前外周血NLR联合胃癌组织中TANs浸润可作为判断胃癌患者预后的指标,且术前外周血NLR高联合胃癌组织中TANs低浸润胃癌患者的预后较差。
目的利用机器学习算法构建新型冠状病毒肺炎(COVID-19)患者临床结局的预测模型,并探索结局相关因子。方法收集2020年2月5日至4月15日武汉市火神山医院及华中科技大学同济医学院附属同济医院光谷院区收治的COVID-19患者的临床指标与结局(院内死亡和院内接受气管插管治疗),利用人工神经网络(ANN)、朴素贝叶斯、logistic回归、随机森林4种机器学习算法构建患者临床结局的预测模型。结果共纳入4 804例COVID-19患者,其中发生院内死亡100例(2.08%)、接受气管插管治疗87例(1.81%)。与院内死亡相关性最强的变量为白细胞计数、白蛋白、钙离子、血尿素氮、心肌型肌酸激酶同工酶和年龄,与院内接受气管插管治疗相关性最强的变量为白细胞计数、淋巴细胞绝对值、超敏CRP、总胆红素、钙离子和年龄,分别利用以上变量、基于4种机器学习算法构建院内死亡和院内接受气管插管治疗预测模型。4种预测模型中,相较于基于ANN、logistic回归、随机森林算法构建的模型[预测院内死亡的AUC值(95% CI)分别为0.938(0.882~0.993)、0.926(0.865~0.987)、0.867(0.780~0.954),预测院内接受气管插管治疗的AUC值(95% CI)分别为0.932(0.814~0.980)、0.935(0.817~0.981)、0.936(0.921~0.972)],基于朴素贝叶斯算法构建的模型在预测COVID-19患者院内死亡(AUC=0.952,95% CI 0.925~0.979)和接受气管插管治疗(AUC=0.948,95% CI 0.896~0.965)方面性能均最佳。结论 4种机器学习算法在预测COVID-19患者临床结局方面性能良好,其中以基于朴素贝叶斯算法构建的预测模型最佳。白细胞计数、白蛋白、钙离子、血尿素氮、心肌型肌酸激酶同工酶和年龄可以用来预测COVID-19患者院内死亡,白细胞计数、淋巴细胞绝对值、超敏CRP、总胆红素、钙离子和年龄可以用来预测患者院内是否接受气管插管治疗。
暂无评论