检索结果-内蒙古大学图书馆

重庆医科大学学报 2023年第10期48卷 1238-1242页

作者：马藩源陈垂雄吴利平张华空军军医大学西京医院老年病科西安710032 空军军医大学军事预防医学系卫生统计学教研室西安710032 空军军医大学唐都医院老年病科西安710038

目的:探讨脑梗死合并2型糖尿病(type 2 diabetes,T2D)患者发生认知障碍的危险因素,为认知障碍的临床诊疗提供一定思路。方法:回顾性收集2010年1月至2021年12月于空军军医大学西京医院入院的脑梗死合并T2D的患者资料,将符合入组条件的19... 详细信息

目的:探讨脑梗死合并2型糖尿病(type 2 diabetes,T2D)患者发生认知障碍的危险因素,为认知障碍的临床诊疗提供一定思路。方法:回顾性收集2010年1月至2021年12月于空军军医大学西京医院入院的脑梗死合并T2D的患者资料,将符合入组条件的191例患者根据简易精神状态检查分为认知障碍组(CD组)和认知正常组(Non-CD组),对患者的一般特征、临床特征和生化检验资料进行分析。结果:单因素分析显示,年龄、教育程度、依赖程度、糖尿病病程、D-二聚体、纤维蛋白原降解产物与认知障碍显著相关(P<0.05)。多因素logistic回归和ROC曲线分析显示,年龄(OR=2.249,95%CI=1.172~4.319,P=0.015)和教育程度(OR=0.587,95%CI=0.352~0.978,P=0.041)与脑梗死合并T2D发生认知障碍的显著危险因素。结论:年龄和教育程度与脑梗死合并T2D密切相关,也是其发生认知障碍的有效危险因素。

关键词：认知障碍 2型糖尿病脑梗死危险因素

来源：评论

学校读者我要写书评

暂无评论

观察性研究中混杂因素控制的敏感性分析方法

引用

药物流行病学杂志 2022年第4期31卷 240-247页

作者：张鹤巍郭晓晶叶小飞郑轶许金芳陈枭陈晨鑫海军军医大学/第二军医大学卫生勤务学系卫生统计学教研室上海200433

随机对照试验是因果推断的金标准。然而由于药品上市前研究的局限性,需要在上市后进一步开展药品不良反应监测。上市后药品不良反应监测主要为基于真实世界的观察性研究,无法完全替代随机对照临床试验的最主要原因就是其控制混杂因素的... 详细信息

随机对照试验是因果推断的金标准。然而由于药品上市前研究的局限性,需要在上市后进一步开展药品不良反应监测。上市后药品不良反应监测主要为基于真实世界的观察性研究,无法完全替代随机对照临床试验的最主要原因就是其控制混杂因素的效果不如随机对照试验。现在有很多方法可有效控制已知混杂因素,但未知混杂因素的控制仍是一大难点。目前比较流行的控制未知混杂因素的方法(如工具变量法、双重差分法等)适用条件过于苛刻,而敏感性分析法应用条件较为灵活,但使用相对复杂,并未得到广泛使用。本文介绍三类实用性较强的敏感性分析法,阐明了其原理及使用方法,以便研究者在观察性研究中适当应用。

关键词：混杂因素观察性研究敏感性分析

来源：评论

学校读者我要写书评

暂无评论

跳马训练所致膝前交叉韧带损伤与临床转归分析

引用

中国矫形外科杂志 2024年第12期32卷 1075-1082页

作者：徐健李中耀吴毅东甘露于康康许金芳曹丽董晨辉李春宝解放军联勤保障部队第九四〇医院运动医学科甘肃兰州730050 解放军联勤保障部队第九四〇医院神经外科甘肃兰州730050 解放军总医院第四医学中心骨科医学部北京100853 解放军海军军医大学军队卫生统计学教研室上海200435

[目的]探讨跳马训练致膝前交叉韧带损伤(anterior cruciate ligament injury, ACLI)的风险因素和术后复训效果。[方法]回顾性分析2019年10月1日—2022年10月31日联勤保障部队第九四〇医院收治的因跳马训练致ACLI的伤员,比较其一般信息... 详细信息

[目的]探讨跳马训练致膝前交叉韧带损伤(anterior cruciate ligament injury, ACLI)的风险因素和术后复训效果。[方法]回顾性分析2019年10月1日—2022年10月31日联勤保障部队第九四〇医院收治的因跳马训练致ACLI的伤员,比较其一般信息、损伤情况、随访及复训等资料。[结果]纳入356例因跳马训练致膝关节损伤伤员,其中跳马一训练致伤117例,跳马二训练致伤158例,跳马三训练致伤81例。与术前相比,术后不同年龄[<25岁组,(4.2±1.7),(0.3±0.8), P<0.001;≥25岁组,(4.4±1.5),(0.4±0.8), P<0.001]、不同职级[士兵组,(4.3±1.6),(0.3±0.8), P<0.001;军官组,(4.5±1.4),(0.4±1.0), P<0.001]、不同伤后时间[急性期组,(6.0±1.3),(0.6±1.4), P<0.001;亚急性期,(4.9±0.8)(0.4±0.6), P<0.001;慢性期组,(3.2±1.1)(0.3±0.8), P<0.001]VAS评分均显著改善。与术前相比,术后不同年龄[<25岁组,(52.8±4.8),(89.7±5.5);P<0.001;≥25岁组,(53.2±4.1),(89.5±5.5), P<0.001]、不同职级[士兵组,(53.1±4.4),(89.5±5.3);P<0.001;军官组,(52.9±4.5),(89.9±6.2), P<0.001]、不同伤后时间[急性期组,(53.5±4.0),(90.2±5.6), P<0.001;亚急性期,(52.5±4.1),(89.3±5.8), P<0.001;慢性期组,(53.1±4.7),(89.5±5.2), P<0.001] Lysholm评分均显著改善。与术前相比,术后不同年龄[<25岁组,(92.0±13.4)°,(132.0±6.0)°, P<0.001;≥25岁组,(90.1±11.2)°,(131.9±5.7)°, P<0.001]、不同职级[士兵组,(90.3±11.8)°,(132.1±5.8)°;P<0.001;军官组,(94.0±13.4)°,(131.2±5.7)°, P<0.001]、不同伤后时间[急性期组,(92.4±13.1)°,(132.3±6.5)°, P<0.001;亚急性期,(90.4±12.8)°,(131.5±5.5)°, P<0.001;慢性期组,(90.7±11.3)°,(132.1±5.6)°, P<0.001] ROM均显著改善。不同年龄段、不同职级、伤后不同时间段、不同致伤科目间在主要评估指标上差异无统计学意义(P>0.05)。随访期间356例伤员中达到复训标准99例(27.8%),平均需16个月恢复至复训状态。[结论]跳马训练是ACLI的重要致病因素,ACLR术后患者的膝关节功能恢复良好,但伤后恢复周期长、复训率低。

关键词：军事训练跳马训练前交叉韧带损伤复训预防

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的2型糖尿病患者视网膜病变风险预测模型研究

引用

空军军医大学学报 2024年

作者：李林怿万毅刘奎韩政元韩悌昕陈长生空军军医大学卫勤训练基地卫生勤务教研室空军军医大学基础医学院学员三大队空军军医大学军事生物医学工程学系医学电子工程学教研室空军军医大学军事预防医学系卫生统计学教研室

目的分析比较逻辑回归（LR）、线性判别分析（LDA）、决策树（DT）、随机森林（RF）、CatBoost和LightGBM六种机器学习模型对2型糖尿病患者视网膜病变风险的预测效能。方法利用国家人口健康科学数据中心的糖尿病并发症预警数据集，基... 详细信息

目的分析比较逻辑回归（LR）、线性判别分析（LDA）、决策树（DT）、随机森林（RF）、CatBoost和LightGBM六种机器学习模型对2型糖尿病患者视网膜病变风险的预测效能。方法利用国家人口健康科学数据中心的糖尿病并发症预警数据集，基于不同算法构建2型糖尿病患者视网膜病变风险预测模型，清洗数据后按照7:3划分训练集和测试集，采用十折交叉验证法对六种模型的预测性能（准确度、召回率、精确度、F1-Score、AUC）进行比较。结果在测试集上使用六种模型对2型糖尿病患者视网膜病变进行风险预测，LightGBM的准确度（0.773 8）、召回率（0.825 1）、精确度（0.762 0）、F1-Score（0.792 3）和AUC（0.843 4）均最高，CatBoost的准确度（0.744 1）、召回率（0.787 8）、精确度（0.729 1）、F1-Score（0.757 3）和AUC（0.828 0）均次之。结论对于2型糖尿病患者视网膜病变风险预测，LightGBM在六种模型中综合表现最好，此外集成学习分类器（LightGBM、CatBoost、RF）的预测效能优于弱学习分类器（DT、LR、LDT），可为2型糖尿病患者视网膜并发症的临床辅助诊断及发病风险预测提供便捷可靠参考。

关键词：糖尿病视网膜病变机器学习疾病预测比较研究

来源：评论

学校读者我要写书评

暂无评论

公共卫生硕士专业学位研究生培养质量的调查研究

引用

中国卫生统计 2021年第1期38卷 10-13,17页

作者：张瑞高铖铖陈锡程易东伍亚舟陆军军医大学军事预防医学系军队卫生统计学教研室 400038

目的了解我国公共卫生硕士专业学位研究生的培养现状,探究培养质量影响因素,发现问题提出对策,为我国公共卫生硕士专业学位研究生培养提供依据。方法采用自编问卷对28所开设公共卫生硕士专业学位研究生教育院校的研究生进行问卷调查,采... 详细信息

目的了解我国公共卫生硕士专业学位研究生的培养现状,探究培养质量影响因素,发现问题提出对策,为我国公共卫生硕士专业学位研究生培养提供依据。方法采用自编问卷对28所开设公共卫生硕士专业学位研究生教育院校的研究生进行问卷调查,采用描述性统计、探索性因子分析和多元线性回归分析对问卷结果进行分析。结果 53.68%的研究生认为课程教学中"重理论,与实践联系太少",9.81%的研究生表示没有专业实践机会,71.78%的研究生是单一导师制,44.79%的研究生在课题研究阶段进行基础类的实验研究。探索性因子分析降维提取"平台条件"、"专业实践"、"课程设置"、"导师队伍"、"奖惩机制"5个因子;多元线性回归分析发现"专业实践"、"导师队伍"和"平台条件"对研究生的自身培养质量评价呈正向影响。结论高校应该优化公共卫生硕士专业学位研究生的导师指导制度和导师队伍,规范专业实践培养过程,健全科研基础设备和完善专业实践基地建设,提高专业学位研究生的培养质量。

关键词：公共卫生硕士专业学位培养质量影响因素因子分析多元线性回归

来源：评论

学校读者我要写书评

暂无评论

金天格胶囊治疗骨骼关节疾病的安全性Meta分析

引用

海军医学杂志 2023年第11期44卷 1126-1136页

作者：罗振东张伊宁叶小飞海军军医大学基础医学院上海200433 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

目的系统评价金天格胶囊用于各类骨骼关节疾病治疗的用药安全性。方法检索建库至2021年11月1日的维普中文科技期刊、万方数据库、中国期刊全文数据库、PubMed、ScienceDirect数据库,并手工检索相关期刊。收集金天格胶囊用于各类骨骼关... 详细信息

目的系统评价金天格胶囊用于各类骨骼关节疾病治疗的用药安全性。方法检索建库至2021年11月1日的维普中文科技期刊、万方数据库、中国期刊全文数据库、PubMed、ScienceDirect数据库,并手工检索相关期刊。收集金天格胶囊用于各类骨骼关节疾病治疗的临床研究,筛选出合格的文章,采用Cochrane风险偏倚评估工具和Jadad量表评估纳入文献的研究质量。采用Cochrane协作网提供的RevMan 5.3.5软件进行Meta分析。结果共检索出96篇文献,经筛选最终纳入40篇临床研究文献,共涉及4319例患者。纳入的40篇文献均进行了观察组与对照组不良反应的比较,各研究结果之间具有同质性(I2=29%,P=0.05)。观察组的安全性高于对照组[Z=3.75,P=0.0002,OR=0.68,95%CI(0.56,0.83)]。漏斗图表明试验研究散布在竖线的两边,分布比较均匀,未有发表偏倚。结论金天格胶囊应用于各类骨骼关节疾病均能有效改善患者症状,促进患者用药安全,具有较高临床推广价值。

关键词：金天格胶囊骨骼关节疾病安全性 Meta分析

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的糖尿病肾病发病风险预测模型研究

引用

空军军医大学学报 2025年第2期46卷 226-231页

作者：刘奎韩政元李林怿马亦飞杨紫薇赵陆洋陈长生万毅空军军医大学卫勤训练基地卫生勤务教研室陕西西安710032 空军军医大学基础医学院学员三大队陕西西安710032 空军军医大学军事预防医学系卫生统计学教研室陕西西安710032

目的分析比较基于机器学习的LightGBM和随机森林模型在糖尿病患者糖尿病肾病(DN)疾病风险预测模型中的应用。方法利用国家人口健康科学数据中心公共数据集,应用LightGBM和随机森林两种算法建立DN疾病风险预测模型并进行分析比较研究。结... 详细信息

目的分析比较基于机器学习的LightGBM和随机森林模型在糖尿病患者糖尿病肾病(DN)疾病风险预测模型中的应用。方法利用国家人口健康科学数据中心公共数据集,应用LightGBM和随机森林两种算法建立DN疾病风险预测模型并进行分析比较研究。结果LightGBM预测模型的准确率、曲线下面积(AUC)、召回率、精确度和F1得分分别为0.7750、0.8071、0.5963、0.8780、0.7102分,均高于随机森林模型。结论基于机器学习的LightGBM和随机森林模型对DN具有较好的预测效果。LightGBM的准确率、AUC、精确度、召回率、F1得分均更高。临床实践中,可以运用机器学习为相关研究提供参考。

关键词：糖尿病肾病机器学习预测分析比较研究

来源：评论

学校读者我要写书评

暂无评论

基于麻雀搜索算法优化的BP神经网络模型对2型糖尿病肾病的预测研究

引用

中国全科医学 2024年第8期27卷 961-970页

作者：邹琼吴曦张杨万毅陈长生空军军医大学军事预防医学系军队卫生统计学教研室、特殊作业环境危害评估与防治教育部重点实验室陕西省西安市710032 陕西中医药大学公共卫生学院陕西省咸阳市712046 空军军医大学卫勤训练基地陕西省西安市710032

背景糖尿病肾病(DN)是糖尿病常见的微血管并发症之一,发病率高,危害性大。早期发现DN对预防相关疾病非常重要。目前大多研究基于传统的统计预测方法,数据需满足其所要求的前提假设条件。近年来已无法很好满足其在DN预测领域的需求,有必... 详细信息

背景糖尿病肾病(DN)是糖尿病常见的微血管并发症之一,发病率高,危害性大。早期发现DN对预防相关疾病非常重要。目前大多研究基于传统的统计预测方法,数据需满足其所要求的前提假设条件。近年来已无法很好满足其在DN预测领域的需求,有必要尝试开展机器学习等新方法在DN预测领域的应用。目的利用LASSO回归和麻雀搜索算法(SSA)优化的BP神经网络(SSA-BP神经网络)构建DN预测模型。方法本研究时间为2023年4—8月,数据来源于公开的伊朗133例糖尿病患者的并发症数据。采用SPSS 26.0软件进行单因素分析,采用LASSO回归筛选变量。以是否患DN为因变量,分别用8∶2和7∶3的比例划分训练集和测试集,使用SSA-BP神经网络进行建模与分析,并与经典的机器学习模型对比预测性能以分析较优的DN模型。基于准确率、精确率、灵敏度、特异度、F1-score和受试者工作特征曲线下面积(AUC)指标进行模型评价。结果剔除9例1型糖尿病患者,本研究纳入的有效样本量为124例2型糖尿病(T2DM)患者,其中73例(58.9%)被诊断为DN患者。单因素分析显示年龄、BMI、糖尿病持续时间、空腹血糖(FBG)、糖化血红蛋白(HbA_(1c))、低密度脂蛋白(LDL)、高密度脂蛋白(HDL)、三酰甘油(TG)、收缩压(SBP)和舒张压(DBP)的T2DM患者DN危险因素(P<0.05)。训练集∶测试集=8∶2时,训练集(n=100)中有59例DN患者,测试集(n=24)含有14例DN患者。LASSO回归筛选出年龄、糖尿病持续时间、HbA_(1c)、LDL和SBP共5个影响因素。Logistic回归(LR)、K近邻(KNN)、支持向量机(SVM)、BP神经网络、SSA-BP神经网络模型在测试集的准确率分别为83.33%、79.17%、79.17%、87.50%、95.83%。F1-score分别为0.8462、0.8000、0.8000、0.8889、0.9600。训练集∶测试集=7∶3时,训练集(n=88)中有52例DN患者,测试集(n=36)含有21例DN患者。LASSO回归筛选出年龄、BMI、糖尿病持续时间、LDL、HDL、SBP和DBP这7个影响因素。LR、KNN、SVM、BP神经网络、SSA-BP神经网络模型在测试集的准确率分别为86.11%、86.11%、86.11%、72.22%、91.67%。F1-score分别为0.8718、0.8718、0.8649、0.7059、0.9091。结论LR、KNN和SVM模型在训练集∶测试集=7∶3时性能较好,BP神经网络和SSA-BP神经网络模型在训练集∶测试集=8∶2时性能较好。相较于BP神经网络模型和传统机器学习模型,SSA-BP神经网络模型的预测性能更佳,可及时准确识别T2DM DN患者,实现DN的早发现和早治疗,从而预防并减缓对其身体带来的危害。

关键词：糖尿病,2型糖尿病肾病神经网络,计算机预测模型

来源：评论

学校读者我要写书评

暂无评论

伤员伤情危重程度简易评分的构建与验证

引用

解放军医学院学报 2023年第11期44卷 1206-1211页

作者：刘微刘建超庄倩冯聪叶小飞刘丽华李林解放军总医院医学创新研究部医院管理研究所北京100853 解放军总医院第一医学中心急诊医学科北京100853 海军军医大学卫勤系军队卫生统计学教研室上海200433

背景对伤员伤情危重程度的准确判断和精确分类是实施科学救治的前提和基础。目的构建可供院前急救使用的伤员伤情危重程度监测指标和测量方法。方法收集解放军总医院8个医学中心2014-2018年创伤伤员44 642例,纳入年龄、入院病情、体... 详细信息

背景对伤员伤情危重程度的准确判断和精确分类是实施科学救治的前提和基础。目的构建可供院前急救使用的伤员伤情危重程度监测指标和测量方法。方法收集解放军总医院8个医学中心2014-2018年创伤伤员44 642例,纳入年龄、入院病情、体温、脉搏、呼吸、收缩压、共病数量、伤部、伤类、伤因10个指标;采用多元Logistic回归分析构建伤情危重评分模型,用Liu方法、Youden指数法、离(0,1)最近法确定创伤危重分级界值。结果构建的伤情危重分值,为该伤员各变量风险分值之和,取值范围为-15~98分,模型验证区分度和校准度均较好;将伤情分为轻度和重度,<32分为轻度,≥32分为重度。结论构建的伤情危重评分可用于院前环境对伤员的伤情危重评估和伤员结局预测,并作为救治资源调配的依据。

关键词：创伤院前创伤危重程度评分模型急救医学死亡率

来源：评论

学校读者我要写书评

暂无评论

基于缺血性脑卒中患者出院小结的协变量提取方法

引用

第二军医大学学报 2021年第11期42卷 1273-1278页

作者：林振秦宇辰秦婴逸李冬冬吴骋贺佳海军军医大学(第二军医大学)卫生勤务学系卫生统计学教研室上海200433 中国人民解放军73127部队医院福州350000

目的针对缺血性脑卒中这一发病率高、预后差的疾病,应用自然语言处理技术从患者出院小结中进行文本数据挖掘,并通过Python编程语言将非结构化的文本数据转换成供后续统计分析的结构化数据库。方法利用缺血性脑卒中患者出院小结资料,构... 详细信息

目的针对缺血性脑卒中这一发病率高、预后差的疾病,应用自然语言处理技术从患者出院小结中进行文本数据挖掘,并通过Python编程语言将非结构化的文本数据转换成供后续统计分析的结构化数据库。方法利用缺血性脑卒中患者出院小结资料,构建基于知识增强的语义表示模型(ERNIE)+神经网络+条件随机场的命名实体识别模型,进行疾病、药物、手术、影像学检查、症状5种医疗命名实体的识别,提取实体构建半结构化数据库。为了进一步从半结构化数据库中提取出结构化数据,构建基于ERNIE的孪生文本相似度匹配模型,评价指标为准确率,采用最优模型构建协变量提取器。结果命名实体识别模型总体F1值为90.27%,其中疾病F1值为88.41%,药物F1值为91.03%,影像学检查F1值为87.71%,手术F1值为87.07%,症状F1值为96.59%。文本相似度匹配模型的总体准确率为99.11%。结论通过自然语言处理技术,实现了从完全的非结构化数据到半结构化数据再到结构化数据的构建流程,与人工阅读病历并手动提取病历信息相比,极大提高了数据库构建的效率。

关键词：卒中电子健康病历患者出院小结自然语言处理命名实体识别相似度匹配协变量

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：