成人骨科术后亚谵妄综合征预测模型的构建及验证

目的:探讨引起成人骨科术后亚谵妄综合征(SSD)的危险因素并构建风险预测模型进行验证。方法:采用便利抽样法,选取河南省洛阳正骨医院(河南省骨科医院)重症医学科2022年1月1日至2022年6月30日收治的333例接受骨科手术的成人患者为研究对象,收集患者术前、术中及术后ICU的临床资料及各项指标,通过单因素分析和二分类Logistic回归分析探讨引起成人骨科术后SSD的危险因素,构建风险模型函数,采用R软件基于风险预测模型构建列线图,对模型进行内部验证,计算平均错判率和一致性。结果:最终纳入研究301例患者,其中未发生术后亚谵妄274例,发生术后亚谵妄27例,亚谵妄发生率为8.97%。单因素分析结果发现,引起成人骨科术后SSD的影响因素为入院时血钠浓度、血红蛋白水平、入院时老年患者衰弱(FRAIL)量表评分、入院时日常生活能力评分、急性生理和慢性健康评价系统Ⅱ(APACHFⅡ)总分、术中是否使用镇静或镇痛药、术中是否输血和入住ICU时血红蛋白,两组结果比较,差异均具有统计学意义(P<0.05)。二分类Logistic回归分析结果显示,入院时血钠浓度(OR=0.922)、FRAIL...     

肺肉瘤样癌脑转移的高危因素及预后分析

为探索肺肉瘤样癌临床特征与脑转移之间的关系,建立预测肺肉瘤样癌脑转移发生风险的预测模型,并分析肺肉瘤样癌脑转移的预后。研究纳入监测、流行病学和最终结果(SEER)数据库中816例肺肉瘤样癌患者,收集其临床特征与预后数据。根据是否出现脑转移将患者分为两组,组间比较采用卡方检验或Fisher精确检验。采用单因素和多因素Logistic回归分析脑转移发生的高危因素,并构建预测列线图,使用C指数、校正曲线和决策曲线分析(decision curve analysis, DCA)来衡量列线图的检验效能。采用单因素和多因素COX回归进行肺肉瘤样癌脑转移患者的预后分析。结果表明：年龄、是否接受根治性手术为肺肉瘤样癌患者发生脑转移的独立预测因素。基于此构建了肺肉瘤样癌脑转移的概率预测列线图,C指数为0.768,DCA显示净收益率高,模型临床效能较好。脑转移患者的预后影响因素方面,研究发现,在脑转移基础上合并肺内转移的患者相较于合并其他部位转移的患者OS和CSS明显更差。     

列线图预测中国老年人2型糖尿病患病风险

为建立国内老年人2型糖尿病(type 2 diabetes mellitus, T2DM)患病风险的预测模型并加以验证,基于瑞慈医疗集团在中国建立的一个健康筛查项目的数据库,纳入了24 804名基线检查时无T2DM的老年人,随访时间为3年和5年。以7∶3的比例分成训练集和验证集,单变量和多变量Cox回归分析用于确定独立危险因素,构建列线图预测中国老年人T2DM的3年和5年的发病率。采用C指数、校准图、临床决策曲线(decision curve analysis, DCA)方法评估列线图在验证集中的准确性。最终发现年龄、空腹血糖(fasting plasma glucose, FPG)、体重指数(body mass index, BMI)、收缩压(systolic blood pressure, SBP)、甘油三酯(triglyceride, TG)、谷丙转氨酶(Alanine aminotransferase, ALT)和尿素氮(urea nitrogen, UN)是T2DM的独立危险因素,并将其纳入列线图。在训练集和验证集中,C指数分别为0.827 8(95%CI:0.812 5～0...     

基于RF-PSO-LSSVM的高层建筑项目工期风险预测

针对高层建筑项目在工期风险预测时样本数据少且特征维度高的特点,建立了利用随机森林(ran-dom forest,RF)算法和粒子群(particle swarm optimization,PSO)算法优化最小二乘支持向量机(least squares support vector machine,LSSVM)的高层建筑项目工期风险预测模型.采用在特征选择方面具有显著优势的RF算法筛选出最佳特征子集;利用PSO算法对LSSVM的正则化参数和核函数参数进行优化;采用精确率、召回率以及F1m值对所建立模型的预测性能进行验证与评估.研究结果表明:用所建立的模型对高层建筑项目进行工期风险预测,平均精确率达到了93.71％,平均召回率达到了94.04％.该模型能够准确预测高层建筑项目工期的风险等级,进一步完善了高层建筑项目工期风险的预测方法,其预测结果可为高层建筑项目控制工期风险提供一定的参考.     

基于TGF-β和PDGF对乳腺癌非前哨淋巴结转移的Nomogram预测模型的构建及评价

前哨淋巴结（SLN）活检是评估乳腺癌患者腋窝淋巴结状态的重要手段.如果能从SLN阳性患者中筛选出非前哨淋巴结（NSLN）转移低危人群,则可避免不必要的腋窝清除,因此采用非手术方法判断SLN阳性患者NSLN的状态十分重要.本研究通过分析SLN阳性的乳腺癌患者发生NSLN转移与转化生长因子-β(TGF-β)和血小板源生长因子（PDGF）以及相关临床病理特征的关系,成功构建列线图预测模型.单因素分析结果显示:SLN阳性患者发生NSLN转移与肿瘤大小、脉管癌栓、SLN阳性个数、SLN阳性比例、TGF-β表达和PDGF表达相关,差异有统计学差异(P<0.05).多因素结果显示:有脉管癌栓、SLN阳性个数>2、SLN阳性比例>0.5、TGF-β>34.14 ng/mL、PDGF>390.55 pg/mL是SLN阳性乳腺癌患者NSLN转移的独立危险因素.根据多因素分析结果建立列阵图预测模型,内部验证的C-index值为0.825,说明该模型具有较好预测效果.ROC曲线下的面积为AUC为0.872,说明该模型具有较好的区分度.校准曲线显示预测曲线与理想曲线贴合较好.决策曲...     

脊柱手术部位感染的危险因素分析及列线图的建立与验证

目的:探讨脊柱手术部位感染(SSI)的相关危险因素,并建立列线图预测模型,为脊柱术后患者伤口管理提供理论依据。方法:(1)模型建立。回顾性分析2018年1月至2022年8月在遵义医科大学附属医院骨科行脊柱手术后发生手术部位感染的95例患者临床资料,按1∶2比例匹配同期接受脊柱手术后未发生感染的患者186例,共281例患者按2∶1比例分为训练组(n=188)和验证组(n=93)。将是否发生SSI作为结局变量,分别使用单因素、多因素Logistic回归分析脊柱手术患者术后SSI危险因素并建立列线图预测模型。(2)模型评估。采用受试者工作特征曲线(ROC)的曲线下面积(AUC)对模型的区分度进行检验;采用校准曲线评价模型校准度;采用决策曲线(DCA)评价模型的临床价值及其对实际决策的影响。(3)模型验证。利用验证组数据绘制ROC曲线、校准曲线,进行外部验证。结果:(1)训练组和验证组的临床特征差异均无统计学意义(均P>0.05)。训练组中单因素及多因素分析结果显示,术中出血量(OR=1.002,95%CI:1.000～1.003)、拔出引流管时间(OR=1.184,95%CI:1.04...     

基于GRA和AHP的GRNN神经网络零件失效概率预测方法

为了提高对机械零件失效概率的预测精度,提出一种基于GRA和AHP的广义回归神经网络零件失效概率预测方法.在分析机械零件失效概率影响因素的基础上,首先利用灰色关联分析法(Grey Relational Analysis,GRA)分析影响机械零件失效概率的主要因素,通过层次分析法(Analytic Hierarchy Process,AHP)构建机械零件失效概率的评价指标层次体系,评估各个指标对于零件失效概率的权重;结合各个指标权重与初始值,以获取各指标的加权评价值;最后通过广义回归神经网络(Generalized Regression Neural Network,GRNN)建立以各指标加权评价值来预测机械零件失效概率的预测模型.利用本文方法所建立的预测模型对某企业数控转台的上齿盘失效概率进行预测,并与传统的GRNN神经网络预测模型、BP神经网络预测模型和回归预测模型进行对比,结果显示本文所建立的模型预测误差小于0.8%、残差在-0.2%～0.2%范围内,均优于对比模型的预测结果,表明所建立的预测模型具有更高的精度和更强的稳健性,适合于零件失效概率的预测.     

应用箱线图预测兰州市新生儿出生缺陷的发生率

探讨构建并应用R语言的箱线图模型预测兰州市出生缺陷发生率的可行性。基于2012年至2018年6月的新生儿逐月出生缺陷发生率数据建立R语言的箱线图模型。箱线图模型能够较好地拟合了新生儿出生缺陷率的相应实际值,得到期间新生儿出生缺陷发生率数据,即可推测出全市新生儿出生缺陷率将持续保持低水平波动的态势。影响新生儿出生缺陷的主要因素包括空气及周围的环境污染、孕前健康检查、产妇孕期身体状况等多种因素,各种因素相互作用影响。用所得模型预测兰州市新生儿出生缺陷的发生率,虽然预测数据可能与将来实际发生值有一定的偏差,但是可以为全市新生儿出生缺陷的干预提供有意义的预测依据,以及较可靠的参考价值。     

基于概率后缀树的股票时间序列预测方法研究

在时间序列符号化基础上,本文引入概率后缀树PST模型,构建基于时间序列符号化和概率后缀树相结合的股票预测模型.本文选择在沪深300的10支股票数据上将预测模型与传统的马尔科夫模型MM和自回归移动平均模型ARMA进行对比,结果显示本文提出的股票预测模型优于MM模型和ARMA模型,验证了本文所提出的预测模型在投资收益上的有效性.     

非计划再入院风险预测研究

为改善患者身体健康,降低非计划再入院率,减轻患者负担和社会资源浪费,本研究基于我国某区域卫生信息平台的医疗数据,利用机器学习方法,构建了非计划再入院风险预测模型.不同于已有仅预测了再入院概率的研究,本研究通过将风险预测建模为多分类问题,实现了在时间和可能性两个维度对再入院风险进行预测.通过调整机器学习算法参数设置,构建了基于神经网络、随机森林和支持向量机算法的3大类共10个再入院风险备选预测模型.基于真实数据集的实验结果表明,在备选风险预测模型中,使用多项式核函数的支持向量机模型预测效果最好,预测准确率达到96.65%.本研究成果可以使医疗机构基于患者历史医疗数据,从时间和可能性两个维度更全面、精准地评估患者再入院风险,进而采取必要的干预措施,降低非计划再入院率.      

呼吸道传染病空气传播的感染概率的预测模型

为了加强对空气传染病风险的理解和预测,综述了呼吸道传染病的空气传染特点、传染途径以及预测空气传染病感染风险的模型.基于病人呼出飞沫蒸发后剩余飞沫核(通常小于5μm)在空间均匀分布的假设,介绍了预测呼吸道传染病空气传播风险模型,其中重点介绍Wells-Riley方程的推导、验证及发展,并汇总了已有报道中呼吸道传染病的病毒量(quanta产生率).根据Wells-Riley方程研究了通风和通风量、病人呼出病毒量等对感染概率的影响.结果表明,通风可以显著降低感染概率,但对于某些极端的超级传播事件,还需要其他保护措施.     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

基于Markov的Ⅱ型糖尿病预测技术研究

针对糖尿病的发病率日益升高的问题,提出了一种基于马尔科夫模型的Ⅱ型糖尿病发病概率长时间预测方法.该方法利用朴素贝叶斯算法计算风险等级概率向量,通过属性选择以后的属性子集空腹血糖值、体质系数、胆固醇、甘油三酯、腰围、性别、糖尿病家族史和年龄构建预测模型.实验结果与阿基米德模型预测结果对比表明,该模型能够预测样本较长时期的Ⅱ型糖尿病发病概率,该预测方法简单、准确率高.     

基于改进GM(1,1)和SVM的长期电量优化组合预测模型

针对中长期电量预测可使用的相关历史数据较少、影响因素较为复杂等特点,提出一种基于改进GM(1,1)和支持向量机的优化组合预测模型.该模型将改进灰色预测模型和支持向量机模型进行组合,采用蛙跳寻优算法求取组合预测模型中各单一模型的权重,构建基于蛙跳优化的组合预测模型.将优化后的组合预测模型应用于我国中长期电量预测,选择我国1991-2005年电量进行分析,对2006-2010年的电量进行预测,并与一般组合预测模型及各单一模型进行比较.研究结果表明:本文方法得到的电量平均相对误差为2.06％,比等权组合预测模型、方差－协方差优选组合预测模型以及各单一预测模型的预测精度都有所提高.     

基于灰色理论的汽车缺陷风险评估模型

应用事件树方法确定了汽车缺陷风险传递路径,将缺陷风险转化为失效风险进行等效研究. 根据汽车缺陷风险特点,建立了风险评估SPN模型,并以三维矩阵图描述汽车缺陷风险;针对汽车的不合理风险及汽车缺陷数据离散和波动的状态,提出了基于灰色理论的风险预测方法;以失效预测数据作为风险评估的风险概率预测基础,建立汽车缺陷的失效预测模型,采用残差辨识法检验模型精度. 研究结果表明:在掌握实际的汽车售后零部件故障数据情况下,模型对汽车缺陷风险概率预测具有较好的适用性.     

基于生存分析的夜间驻留停车需求预测

为了在微观层面对夜间停车需求进行准确预测,采用生存分析的方法建立夜间停车需求预测模型.首先将夜间停放的车辆定义为日间驶入车辆的驻留部分,对应的夜间停车需求预测转换为日间驶入车辆驻留的概率预测;进一步从日间驶入车辆的停车时长分布入手,用生存分析方法估计车辆停放不同时长的概率,从而预测夜间驻留的停车需求.最后用上海某科技园实际停车数据进行分析验证,构建Cox比例风险模型,获得不同影响因素下的生存时间曲线以及过夜驻留停车概率.结果表明,车辆夜间驻留的概率与工作日、驶入天气、用户类型以及驶入时刻等变量有关,全天夜间驻留预测精度达92.1%.利用生存分析方法预测夜间停车需求是有效的,能够为停车场的夜间需求管理提供决策依据.     

考虑货车因素的高速公路短期交通流风险预测

基于G15上海段的交通流数据和交通事故数据,研究货车比例较高且货车事故率较高的高速公路短期交通流风险预测模型.分别选取整体交通流参数、货车交通流参数和综合参数作为特征变量,通过支持向量机进行建模,运用遗传算法对模型参数进行寻优,建立不同时间段、不同风险特征变量的分类模型并对比分析.结果表明事故发生前5~10min的模型预测精度最高.当加入货车因素时,总体的预测精度提高7.1%,事故预测精度提高6.1%,误报率降低4.7%.采用平均影响值法进行货车因素对预测结果的影响程度分析,表明货车因素对于预测模型有较大影响.该研究模型可用来开发交通安全预警系统,为高速公路货车安全管理提供理论依据.     

老年股骨颈骨折患者行髋关节置换术后静脉血栓栓塞症预测模型的构建

目的 分析老年股骨颈骨折患者行全髋(HTA)或半髋关节置换术(HA)后新发静脉血栓栓塞症(VTE)的危险因素,建立老年股骨颈骨折行髋关节置换后VTE风险的预测模型,并分析其预测效能.方法 选取老年股骨颈骨折后行髋关节置换术患者101例为研究对象,其中,术后新发VTE的25例患者为VTE组,76例术后无VTE的患者为对照组.首先通过单因素分析髋关节置换术后发生VTE的相关因素,并将具有统计学意义(P<0.05)的指标纳入多因素Logistic回归模型分析,筛选出影响患者髋关节置换术后发生VTE的危险因素,建立风险预测模型.然后通过应用受试者工作特征(Receiver Operating Characteristic,ROC)曲线分析其预测效能,最后应用Hosmer-Lemeshow评价其预测效能.结果 纳入分析的101例患者中,25例(24.8％)患者为新发VTE病例,回归分析结果显示:糖尿病、应用骨水泥、Caprini评分是老年患者髋关节置换术后新发VTE的独立危险因素(P<0.05),行主、被动功能锻炼是老年患者髋关节置换术后新发VTE的保护因素(P<0.05),基于以上4个指标构建的预测模型曲线下面积(Area Under Curve,AUC)为0.970,约登指数最大值为0.868,此时该模型灵敏度为96.0％,特异度为90.8％,截断值为-0.8635.Hosmer-Lemeshow检验结果显示:模型的预测效能为91.09％,模型拟合良好.结论 建立的风险预测模型对VTE风险预测效果良好,有助于骨科医师预测老年股骨颈骨折患者行髋关节置换术后新发VTE的高风险人群.     

基于马尔科夫优化的灰色GM (1,1) 沉降预测模型及应用

针对灰色GM(1,1)模型在对随机波动较大的沉降数据序列进行预测时存在的不足,本文结合灰色理论模型和马尔科夫链理论,建立了一种基于马尔科夫修正的新维GM(1,1)沉降预测模型。首先,考虑监测数据的时效性,通过在原始数据列中不断补充新的沉降监测数据,采用新陈代谢的方法建立了新维GM(1,1)模型;随后采用马尔科夫链理论对新维GM(1,1)模型进行优化,根据模型预测时产生的相对误差范围对其进行状态区间划分,并构建了相应的状态转移概率矩阵,得到了基于马尔科夫优化的新维GM(1,1)预测模型;将本文中的模型应用于福州火车站南广场深基坑周边建筑物地表沉降预测中,并对不同模型的预测效果进行对比分析,结果表明：基于马尔科夫优化的灰色GM(1,1)模型的预测精度较传统灰色GM(1,1)模型有明显提高,验证了本文所提出的优化模型在基坑沉降分析与预测中的合理性。     

利用SVM-LSTM-DBN的短期光伏发电预测方法

为解决传统预测算法的不足,利用深度信念网络(DBN)耦合支持向量机(SVM)和长短期记忆神经网络(LSTM),提出一种新的光伏功率组合预测方法.分别构建以高斯径向基函数为核函数的支持向量机预测模型、4层长短期记忆神经网络为单项预测模型,通过深度信念网络组合,优化预测结果并输出.根据实际出力和预测结果的误差,利用DBN动态调整以获得最优值,进一步验证SVM-LSTM-DBN模型的有效性和准确性,并以新疆维吾尔自治区某光伏电站的实测数据进行仿真验证.结果表明:基于SVM-LSTM-DBN组合的光伏出力预测模型与单一模型相比,预测精度明显提高.