期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于传统方法和机器学习的临床模型预测首次脑卒中:现状与前景
1
作者
张子娇
丁顺晶
+2 位作者
赵地
梁俊
雷健波
《协和医学杂志》
北大核心
2025年第2期292-299,共8页
脑卒中是全球第3大致死疾病和第4大致残疾病,其较高的致残率和漫长的康复期不仅严重影响患者生存质量,还给家庭和社会带来沉重负担。一级预防是脑卒中防控的核心,通过早期干预危险因素可有效降低其发病率,因此脑卒中首发风险预测模型的...
脑卒中是全球第3大致死疾病和第4大致残疾病,其较高的致残率和漫长的康复期不仅严重影响患者生存质量,还给家庭和社会带来沉重负担。一级预防是脑卒中防控的核心,通过早期干预危险因素可有效降低其发病率,因此脑卒中首发风险预测模型的构建具有重要临床价值。近年来,大数据与人工智能技术的发展为脑卒中风险的预测开辟了新路径。本文综述传统方法与机器学习模型在脑卒中首发风险预测中的研究现状,并从3个方面展望其未来发展趋势:首先,应注重技术创新,通过引入深度学习、大模型等先进算法,进一步提升预测模型的精确度;其次,需丰富数据类型和优化模型架构,以构建更加全面且精准的预测模型;最后,应强调模型在真实世界中的临床验证,其一方面可增强模型的鲁棒性和普适性,另一方面可促进医生对预测模型的理解,这对预测模型的应用与推广至关重要。
展开更多
关键词
脑卒中
首次卒中
机器学习
临床预测模型
一级预防
下载PDF
职称材料
日间肺癌手术患者出院后症状纵向变化及护理对策研究
2
作者
韩娜菲
贺红
+5 位作者
袁华娣
兰美娟
吴小燕
曹俊华
高丽燕
辛鼎杰
《中华护理杂志》
北大核心
2025年第4期432-438,共7页
目的通过因子分析法探讨日间肺癌手术患者出院后症状的纵向变化,提出护理对策,以提高患者的生活质量。方法采用便利抽样法,选取2023年10月至2024年1月在浙江省某三级甲等综合医院胸外科接受日间手术治疗的患者作为调查对象。在患者出院...
目的通过因子分析法探讨日间肺癌手术患者出院后症状的纵向变化,提出护理对策,以提高患者的生活质量。方法采用便利抽样法,选取2023年10月至2024年1月在浙江省某三级甲等综合医院胸外科接受日间手术治疗的患者作为调查对象。在患者出院后第1、3、14、30天,采用一般资料调查表和肺癌患者术后症状量表进行调查,通过探索性因子分析提取症状群。结果共随访患者227例,脱落19例,剔除2例,最终纳入206例。日间肺癌手术患者出院后9大症状呈动态变化,出院后第1天症状占比最高的是疼痛197例(95.63%);出院第30天症状占比最高的是咳嗽129例(62.62%)。探索性因子分析结果显示,除第30天的Bartlett’s球形检验P=0.874,KMO=0.495外,出院后第1、3、14天均P<0.001、KMO>0.500,出院后第1天分别是消化道症状群、呼吸道症状群;出院后第3天分别是呼吸道症状群、消化道症状群、疲劳症状群;出院后第14天分别是疲劳症状群、呼吸道症状群。结论日间肺癌手术患者出院后的单一症状及症状群在不同时间点呈现动态变化,临床护士应针对日间肺癌手术出院患者不同时期的症状群特点,采取针对性的干预策略,实施精准地症状管理,减轻患者症状负担。
展开更多
关键词
日间手术
肺癌
症状群
纵向研究
护理
原文传递
题名
基于传统方法和机器学习的临床模型预测首次脑卒中:现状与前景
1
作者
张子娇
丁顺晶
赵地
梁俊
雷健波
机构
西南医科
大学
公共卫生
学院
首都医科
大学
附属
北京天坛
医院
国际医疗
部
中国科
学院
计算技术研究所
浙江大学医学院附属第二医院人工智能与信息化部
北京
大学
临床
医学
高等研究院
医学
信息
学中心
出处
《协和医学杂志》
北大核心
2025年第2期292-299,共8页
基金
北京市自然科学基金面上项目(7222306)。
文摘
脑卒中是全球第3大致死疾病和第4大致残疾病,其较高的致残率和漫长的康复期不仅严重影响患者生存质量,还给家庭和社会带来沉重负担。一级预防是脑卒中防控的核心,通过早期干预危险因素可有效降低其发病率,因此脑卒中首发风险预测模型的构建具有重要临床价值。近年来,大数据与人工智能技术的发展为脑卒中风险的预测开辟了新路径。本文综述传统方法与机器学习模型在脑卒中首发风险预测中的研究现状,并从3个方面展望其未来发展趋势:首先,应注重技术创新,通过引入深度学习、大模型等先进算法,进一步提升预测模型的精确度;其次,需丰富数据类型和优化模型架构,以构建更加全面且精准的预测模型;最后,应强调模型在真实世界中的临床验证,其一方面可增强模型的鲁棒性和普适性,另一方面可促进医生对预测模型的理解,这对预测模型的应用与推广至关重要。
关键词
脑卒中
首次卒中
机器学习
临床预测模型
一级预防
Keywords
stroke
first stroke
machine learning
clinical prediction models
primary prevention
分类号
R543 [医药卫生—心血管疾病]
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
日间肺癌手术患者出院后症状纵向变化及护理对策研究
2
作者
韩娜菲
贺红
袁华娣
兰美娟
吴小燕
曹俊华
高丽燕
辛鼎杰
机构
浙江大学
医学院
附属
第二
医院
护理
部
浙江大学医学院附属第二医院人工智能与信息化部
办公室
出处
《中华护理杂志》
北大核心
2025年第4期432-438,共7页
基金
浙江省卫生健康科技计划(2024KY084)。
文摘
目的通过因子分析法探讨日间肺癌手术患者出院后症状的纵向变化,提出护理对策,以提高患者的生活质量。方法采用便利抽样法,选取2023年10月至2024年1月在浙江省某三级甲等综合医院胸外科接受日间手术治疗的患者作为调查对象。在患者出院后第1、3、14、30天,采用一般资料调查表和肺癌患者术后症状量表进行调查,通过探索性因子分析提取症状群。结果共随访患者227例,脱落19例,剔除2例,最终纳入206例。日间肺癌手术患者出院后9大症状呈动态变化,出院后第1天症状占比最高的是疼痛197例(95.63%);出院第30天症状占比最高的是咳嗽129例(62.62%)。探索性因子分析结果显示,除第30天的Bartlett’s球形检验P=0.874,KMO=0.495外,出院后第1、3、14天均P<0.001、KMO>0.500,出院后第1天分别是消化道症状群、呼吸道症状群;出院后第3天分别是呼吸道症状群、消化道症状群、疲劳症状群;出院后第14天分别是疲劳症状群、呼吸道症状群。结论日间肺癌手术患者出院后的单一症状及症状群在不同时间点呈现动态变化,临床护士应针对日间肺癌手术出院患者不同时期的症状群特点,采取针对性的干预策略,实施精准地症状管理,减轻患者症状负担。
关键词
日间手术
肺癌
症状群
纵向研究
护理
Keywords
Day Surgery
Lung Cancer
Symptom Cluster
Longitudinal Study
Nursing Care
分类号
R473.73 [医药卫生—护理学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于传统方法和机器学习的临床模型预测首次脑卒中:现状与前景
张子娇
丁顺晶
赵地
梁俊
雷健波
《协和医学杂志》
北大核心
2025
0
下载PDF
职称材料
2
日间肺癌手术患者出院后症状纵向变化及护理对策研究
韩娜菲
贺红
袁华娣
兰美娟
吴小燕
曹俊华
高丽燕
辛鼎杰
《中华护理杂志》
北大核心
2025
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部