目的基于改进的机器学习模型建立重症急性胰腺炎诊断的早期预测模型,并分析其临床价值。方法纳入2014年1月至2023年8月陆军特色医学中心消化内科、肝胆外科以及联勤保障部队第九四五医院急诊与重症医学科收治的352例急性胰腺炎患者,根...目的基于改进的机器学习模型建立重症急性胰腺炎诊断的早期预测模型,并分析其临床价值。方法纳入2014年1月至2023年8月陆军特色医学中心消化内科、肝胆外科以及联勤保障部队第九四五医院急诊与重症医学科收治的352例急性胰腺炎患者,根据病情严重程度将其分为重症组(n=88)和非重症组(n=264),开展病例对照研究。利用RUSBoost模型以及改进的阿基米德优化算法,分析入院48 h内的39项常规实验室生化指标,帮助构建重症急性胰腺炎早期诊断预测模型,同步完成特征筛选和超参数优化,并利用ReliefF算法特征重要性排序和Logistic多因素分析,对筛选出的特征进行价值分析。结果在训练集上,改进机器学习模型的曲线下面积(area under curve,AUC)为0.922;在测试集上,改进机器学习模型的AUC达到了0.888。基于改进机器学习模型筛选出的预测重症急性胰腺炎发生的4个关键特征分别为C反应蛋白、血氯、血镁、纤维蛋白原水平,与ReliefF算法特征重要性排序和Logistic多因素分析结果相吻合。结论应用改进机器学习模型分析实验室检查结果,可帮助临床早期预测重症急性胰腺炎的发生。展开更多
目的运用meta分析系统评价急性胰腺炎并发胰腺假性囊肿的危险因素,为预防胰腺假性囊肿形成及治疗提供循证医学依据。方法检索Medline数据库、Embase、Cochrane Library、web of science、中国知网、CBM、万方数据库、维普数据库自建库至...目的运用meta分析系统评价急性胰腺炎并发胰腺假性囊肿的危险因素,为预防胰腺假性囊肿形成及治疗提供循证医学依据。方法检索Medline数据库、Embase、Cochrane Library、web of science、中国知网、CBM、万方数据库、维普数据库自建库至2022年11月收录的所有相关文献,按纳入和排除标准筛选文献,用纽卡斯尔-渥太华量表(NOS)进行质量评价,Review Manager 5.4、Stata 14软件进行meta分析,用漏斗图评价发表偏倚。结果共纳入14篇文献,meta分析结果示:男性OR=3.94,95%CI(2.12,7.31),P<0.01;糖尿病病史OR=2.62,95%CI(2.04,3.36),P<0.01;CT严重指数(CTSI)OR=1.50,95%CI(1.31,1.72),P<0.01;血清白蛋白水平OR=0.88,95%CI(0.83,0.92),P<0.01;既往饮酒史OR=4.36,95%CI(2.77,6.88),P<0.01;既往胰腺炎病史OR=2.73,95%CI(1.15,6.51),P<0.01。结论本研究显示男性、糖尿病病史、CTSI、血清白蛋白水平、既往饮酒史、既往胰腺炎病史与急性胰腺炎并发胰腺胰假性囊肿有关。展开更多
背景轻症急性胰腺炎(MAP)有一定的概率转变为重症急性胰腺炎(SAP),SAP一旦发生,将对患者造成较大的危害,探讨MAP与SAP的转化机制对临床诊治急性胰腺炎(AP)具有一定意义。目的探讨MAP与SAP的差异代谢物,寻找异常代谢通路,探索区别MAP和SA...背景轻症急性胰腺炎(MAP)有一定的概率转变为重症急性胰腺炎(SAP),SAP一旦发生,将对患者造成较大的危害,探讨MAP与SAP的转化机制对临床诊治急性胰腺炎(AP)具有一定意义。目的探讨MAP与SAP的差异代谢物,寻找异常代谢通路,探索区别MAP和SAP的潜在生物标志物,为SAP的早期诊断、治疗提供参考依据。方法收集2020年8月至2021年3月于湖南省人民医院住院的AP患者68例为研究对象,根据2012年修订版亚特兰大分类(RAC)标准分为MAP组40例、SAP组28例,利用液相色谱-串联质谱法(LC-MS),通过单变量分析[t检验、差异倍数(FC)],多变量分析[主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)],最终以变量权重值(variable important in projection,VIP)>1、FC>1.5且P<0.05筛选出两组间的差异代谢物,分析两组间差异代谢物及代谢通路。结果经PCA、PLS-DA分析发现MAP与SAP代谢物轮廓具有明显差异。结合VIP>1、FC>1.5且P<0.05,在两组之间筛选出50种差异代谢物,5条代谢通路,其中牛磺酸和亚牛磺酸代谢、萜类骨架生物合成为影响最大的两条代谢通路;结合受试者工作特征(ROC)曲线进行分析发现,ROC曲线下面积(AUC)>0.9的差异代谢物有8种,分别为:2-苯基-1,3-丙二醇单氨基甲酸酯、苯海拉明N-葡萄糖醛酸、rac-5,6-环氧-视黄酰-β-D-葡萄糖醛酸、六氟异丙醇、NNAL-N-葡萄糖醛酸、赤藓醇四硝酸酯、3-羟基丁酸、四氢脱氧皮质酮,其中在SAP患者中表达升高的有:2-苯基-1,3-丙二醇单氨基甲酸酯、rac-5,6-环氧-视黄酰-β-D-葡萄糖醛酸、六氟异丙醇、赤藓醇四硝酸酯、3-羟基丁酸、四氢脱氧皮质酮,表达下调的有:苯海拉明N-葡萄糖醛酸、NNAL-N-葡萄糖醛酸。结论MAP与SAP患者的血清代谢物存在明显差异,其中2-苯基-1,3-丙二醇单氨基甲酸酯、苯海拉明N-葡萄糖醛酸、rac-5,6-环氧-视黄酰-β-D-葡萄糖醛酸、六氟异丙醇、NNAL-N-葡萄糖醛酸、赤藓醇四硝酸酯、3-羟基丁酸、四氢脱氧皮质酮对MAP和SAP的鉴别诊断效能较高,可能为区别二者的潜在生物标志物。展开更多
文摘目的基于改进的机器学习模型建立重症急性胰腺炎诊断的早期预测模型,并分析其临床价值。方法纳入2014年1月至2023年8月陆军特色医学中心消化内科、肝胆外科以及联勤保障部队第九四五医院急诊与重症医学科收治的352例急性胰腺炎患者,根据病情严重程度将其分为重症组(n=88)和非重症组(n=264),开展病例对照研究。利用RUSBoost模型以及改进的阿基米德优化算法,分析入院48 h内的39项常规实验室生化指标,帮助构建重症急性胰腺炎早期诊断预测模型,同步完成特征筛选和超参数优化,并利用ReliefF算法特征重要性排序和Logistic多因素分析,对筛选出的特征进行价值分析。结果在训练集上,改进机器学习模型的曲线下面积(area under curve,AUC)为0.922;在测试集上,改进机器学习模型的AUC达到了0.888。基于改进机器学习模型筛选出的预测重症急性胰腺炎发生的4个关键特征分别为C反应蛋白、血氯、血镁、纤维蛋白原水平,与ReliefF算法特征重要性排序和Logistic多因素分析结果相吻合。结论应用改进机器学习模型分析实验室检查结果,可帮助临床早期预测重症急性胰腺炎的发生。
文摘背景轻症急性胰腺炎(MAP)有一定的概率转变为重症急性胰腺炎(SAP),SAP一旦发生,将对患者造成较大的危害,探讨MAP与SAP的转化机制对临床诊治急性胰腺炎(AP)具有一定意义。目的探讨MAP与SAP的差异代谢物,寻找异常代谢通路,探索区别MAP和SAP的潜在生物标志物,为SAP的早期诊断、治疗提供参考依据。方法收集2020年8月至2021年3月于湖南省人民医院住院的AP患者68例为研究对象,根据2012年修订版亚特兰大分类(RAC)标准分为MAP组40例、SAP组28例,利用液相色谱-串联质谱法(LC-MS),通过单变量分析[t检验、差异倍数(FC)],多变量分析[主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)],最终以变量权重值(variable important in projection,VIP)>1、FC>1.5且P<0.05筛选出两组间的差异代谢物,分析两组间差异代谢物及代谢通路。结果经PCA、PLS-DA分析发现MAP与SAP代谢物轮廓具有明显差异。结合VIP>1、FC>1.5且P<0.05,在两组之间筛选出50种差异代谢物,5条代谢通路,其中牛磺酸和亚牛磺酸代谢、萜类骨架生物合成为影响最大的两条代谢通路;结合受试者工作特征(ROC)曲线进行分析发现,ROC曲线下面积(AUC)>0.9的差异代谢物有8种,分别为:2-苯基-1,3-丙二醇单氨基甲酸酯、苯海拉明N-葡萄糖醛酸、rac-5,6-环氧-视黄酰-β-D-葡萄糖醛酸、六氟异丙醇、NNAL-N-葡萄糖醛酸、赤藓醇四硝酸酯、3-羟基丁酸、四氢脱氧皮质酮,其中在SAP患者中表达升高的有:2-苯基-1,3-丙二醇单氨基甲酸酯、rac-5,6-环氧-视黄酰-β-D-葡萄糖醛酸、六氟异丙醇、赤藓醇四硝酸酯、3-羟基丁酸、四氢脱氧皮质酮,表达下调的有:苯海拉明N-葡萄糖醛酸、NNAL-N-葡萄糖醛酸。结论MAP与SAP患者的血清代谢物存在明显差异,其中2-苯基-1,3-丙二醇单氨基甲酸酯、苯海拉明N-葡萄糖醛酸、rac-5,6-环氧-视黄酰-β-D-葡萄糖醛酸、六氟异丙醇、NNAL-N-葡萄糖醛酸、赤藓醇四硝酸酯、3-羟基丁酸、四氢脱氧皮质酮对MAP和SAP的鉴别诊断效能较高,可能为区别二者的潜在生物标志物。