简介：摘要目的探讨多脏器超声对机械通气患者脱机结果的预测价值。方法本研究为病例对照研究，采用非随机抽样的方法选择2019年6月-2020年6月邯郸市第一医院ICU收治的机械通气患者62例。成功通过自主呼吸试验(SBT)后进行多脏器超声检查，记录肺部超声评分(LUS)、舒张早期左心房室瓣血流速度/舒张早期左心房室瓣环运动速度(E/e′)、膈肌呼吸浅快指数(DRSBI)。根据能否成功脱机，分成成功组和失败组。比较2组患者SBT后多脏器超声检测结果。绘制受试者工作特征(ROC)曲线，评估多脏器超声对脱机失败的预测价值。结果成功通过SBT的49例患者中脱机成功的37例为成功组，通过SBT后脱机失败的12例为失败组。失败组的LUS、E/e′和DRSBI均高于成功组，分别为LUS(6.83±2.82)分比(3.59±2.23)分，E/e′(16.06±2.39比12.44±2.41)，DRSBI(1.67±0.28)次·min-1·mm-1比(1.31±0.19)次·min-1·mm-1，差异有统计学意义(P值均<0.05)；ROC曲线显示，多脏器超声联合预测脱机失败的AUC为0.95，敏感度91.0%，特异度98.0%，高于3个指标的单独预测结果。结论多脏器超声联合可有效预测脱机失败，并找到失败原因。

简介：摘要目的通过血流动力学、液体平衡相关参数建立脱机失败预测模型以指导临床脱机。方法回顾性分析2017年1月1日至2018年12月31日入住天津市第三中心医院重症医学科有创机械通气时间>24 h并进行脱机试验患者的临床资料。搜集患者入重症监护病房（ICU）24 h内的基线资料、脉搏指示连续心排血量监测（PiCCO）的血流动力学参数、B型利钠肽（BNP）、尿量、液体平衡量以及脱机前24 h内PiCCO监测的血流动力学参数、BNP、尿量、液体平衡量、利尿剂使用、去甲肾上腺素使用、机械通气期间连续性肾脏替代治疗（CRRT）使用情况。根据是否脱机成功将纳入患者分为脱机成功组和脱机失败组，比较两组间各变量的差异，将脱机前24 h内差异有统计学意义的变量纳入Logistic回归分析中，建立脱机失败预测模型，并找出造成脱机失败的可能因素。结果共有159例患者纳入研究，其中脱机成功138例，脱机失败21例。两组入ICU 24 h内PiCCO监测参数、BNP、尿量、液体平衡量比较差异均无统计学意义；两组脱机前24 h内BNP（χ2＝9.262、P＝0.026）、中心静脉压（CVP；χ2＝7.948、P＝0.047）、左室收缩力指数（dPmx；χ2＝10.486、P＝0.015）、尿量（χ2＝8.921、P＝0.030）、液体平衡量（χ2＝9.172、P＝0.027）差异均有统计学意义。此外，为完善模型和提高预测准确率，将脱机前心排血指数（CI；χ2＝7.789、P＝0.051）也纳入预测模型。最终将脱机前24 h内BNP、CVP、CI、dPmx、尿量、液体平衡量纳入Logistic回归模型，其预测脱机失败的准确率为92.9%，敏感度为100%，特异度为76.8%；用年龄和去甲肾上腺素使用进行校正后，其准确率为94.2%，敏感度为100%，特异度为81.2%。结论以PiCCO监测指标联合液体平衡指标建立脱机失败预测模型预测脱机的准确率高，能指导临床脱机。

简介：摘要目的建立适用于国内本地区足月妊娠低风险初产妇阴道试产失败中转剖宫产的预测模型。方法回顾性分析2011年1月1日至2017年8月31日苏州大学附属第一医院妇产科所有足月单胎头位低风险初产妇的病例资料，按最终分娩方式分为中转剖宫产组和阴道分娩组。采用t检验、χ2检验及多因素logistic回归分析进行统计学分析，筛选出阴道试产失败中转剖宫产的影响因素，并建立预测模型。利用受试者工作特性（receiver operating characteristic, ROC）曲线和Hosmer-Lemeshow goodness-of-fit检验等对模型预测性能进行评估。利用R语言基于风险预测模型构建列线图。结果（1）共纳入6 551例初产妇，中转剖宫产组576例（8.8%），阴道分娩组5 975例（91.2%）。（2）中转剖宫产组产妇的年龄、孕前体重指数、孕期增重、分娩时妊娠天数均高于阴道分娩组[分别为（27.5±3.1）与（26.8±3.0）岁，t=－4.963；（21.5±2.6）与（20.8±2.5） kg/m2，t=－6.743；（14.8±4.2）与（14.1±4.2） kg，t=－3.446；（282±7）与（278±7） d，t=－10.499；P值均<0.01]，身高低于阴道分娩组[（159.5±4.2）与（161.7±4.6） cm，t=11.548，P<0.01]，胎膜早破发生率高于阴道分娩组[26.4%（152/576）与20.7%（1 238/5 975），χ2=10.101，P<0.01]，使用催产素、人工破膜、水囊、欣普贝生引产比例均高于阴道分娩组[分别为26.4%（152/576）与16.3%（976/5 975）、46.5%（268/576）与36.6%（2 189/5 975）、2.6%（15/576）与1.1%（65/5 975）、4.7%（27/576）与2.5%（149/5 975），χ2=134.918，P<0.01]，羊水污染Ⅰ、Ⅱ及Ⅲ/血性羊水比例高于阴道分娩组[分别为5.2%（30/576）与3.5%（209/5 975）、5.7%（33/576）与2.5%（150/5 975）、13.7%（79/576）与1.8%（105/5 975），χ2=307.664，P<0.01]，男性胎儿比例[58.0%（334/576）与49.1%（2 934/5 975），χ2=16.576，P<0.01]和新生儿出生体重均高于阴道分娩组[（3 528±389）与（3 344±368） g，t=－11.431，P<0.01]。（3）多因素logistic回归分析结果显示，初产妇的年龄越大、身高越矮、孕前体重指数越大、孕期增重越多、妊娠时间越长、胎膜早破、使用催产素引产、人工破膜、水囊引产、欣普贝生引产、羊水污染及男性胎儿是中转剖宫产的独立影响因素。并根据是否纳入胎儿性别因素建立了2个中转剖宫产的预测模型及列线图。（4）未纳入胎儿性别建立的模型，其ROC曲线下面积为0.774（95%CI：0.763~0.784），最佳临界风险为>8.7%，此时灵敏度为0.707，特异度为0.706；如果将胎儿性别纳入建立的模型，其ROC曲线下面积为0.782（95%CI：0.771~0.791），当最佳预测概率>7.4%时，灵敏度为0.785，特异度为0.645。通过Hosmer-Lemeshow goodness-of-fit检验，两模型的拟合程度均较好（P值均>0.05）。两模型的内部验证结果提示预测的中转剖宫产的概率与实际观察到的概率存在较好的一致性。结论联合上述因素建立的足月单胎头位低风险初产妇阴道试产失败中转剖宫产的风险预测模型预测效能较好，准确率较高，可为临床医生指导产妇选择恰当的分娩方式提供参考，以改善母婴结局。

简介：摘要目的探讨子痫前期（preeclampsia，PE）初产妇阴道试产失败的影响因素并建立风险预测模型。方法回顾性选取2018年2月至2020年7月在苏州市第九人民医院接受阴道试产的PE初产妇作为建模集，根据阴道试产结局分为成功组和失败组。比较2组孕妇的各项指标，将有统计学意义的指标纳入多因素logistic回归分析，筛选出PE初产妇阴道试产失败的影响因素，基于筛选结果，利用R语言建立风险预测列线图模型。采用受试者工作特征曲线分析和拟合优度偏差性检验评价模型的表现。回顾性选取2020年8月至2021年12月在苏州市第九人民医院接受阴道试产的PE初产妇作为验证集。采用Bootstrap法验证，并制作校准图。结果共纳入312例PE患者作为建模集，其中阴道试产失败89例，成功223例；共纳入146例PE初产妇作为验证集。多因素logistic回归分析结果显示，孕妇年龄大（OR=1.609，95%CI：1.251～2.483）、孕早期体脂肪率高（OR=1.456，95%CI：1.209～2.159）、分娩前1周内脐动脉血流收缩期流速与舒张期流速比值高（OR=1.799，95%CI：1.372～2.794）为PE初产妇阴道试产失败的危险因素；孕妇参加孕妇学校次数多（OR=0.233，95%CI：0.054～0.672）、Bishop评分高（OR=0.395，95%CI：0.258～0.756）为保护因素。基于上述5个因素构建风险预测列线图模型，预测建模集阴道试产失败的受试者工作特征曲线下面积为0.921（95%CI：0.847～0.963），最佳界值为0.213，灵敏度和特异度分别为0.871和0.852；拟合优度偏差性检验示模型预测值与实际值之间的偏差无统计学意义（χ2=7.69，P=0.464）；绘制校准曲线表明预测模型具有良好的一致性。验证集的受试者工作特征曲线下面积为0.903（95%CI：0.835～0.942），灵敏度和特异度分别为0.892和0.796；拟合优度偏差性检验示模型预测值与实际值之间的偏差无统计学意义（χ2=6.82，P=0.512）；绘制验证集的校准曲线表明模型预测概率与实测值存在较好的一致性。结论PE初产妇阴道试产失败与孕妇年龄、孕前体脂肪率、分娩前1周内脐动脉血流收缩期流速与舒张期流速比值、参加孕妇学校培训次数及Bishop评分相关，以此构建的风险预测列线图模型具有较高的预测效能。

简介：摘要目的构建与验证老年腹膜透析(PD)相关性腹膜炎(PDAP)患者治疗失败的预测模型。方法收集2013年1月1日至2019年12月31日期间于吉林省4家三甲医院随访的所有PD患者的临床资料，纳入其中362例次老年PDAP患者作为研究对象，并以2013年至2017年间的老年PDAP患者为建模队列。采用Logistic回归模型筛选影响当次PDAP治疗失败的危险因素，用R语言构建预测当次PDAP治疗失败的列线图模型，并用受试者工作曲线(ROC)和校准曲线来评估模型的区分度和校准度。以2018年至2019年间老年PDAP患者作为验证队列，对模型预测的区分度和准确性进行验证。结果建模队列253例次PDAP患者中共有29例PDAP治疗失败，包括15例死亡和14例拔管。多因素Logistic回归模型结果显示：病原菌(OR＝8.849，95%CI：1.656~47.269，P＝0.011)、长透析龄(OR＝1.023，95%CI：1.005~1.042，P＝0.013)、入院前使用抗生素治疗(OR＝5.123，95%CI：1.338~19.610，P＝0.017)、第5天PD流出液白细胞计数>100×106/L(OR＝7.085，95%CI：2.162~23.217，P＝0.001)是老年PDAP患者治疗失败的独立危险因素，据此建立了nomogram(列线图)预测模型。该预测模型在建模队列和预测队列的ROC曲线下面积(AUC)分别为0.818(95%CI：0.735~0.902)和0.762(95%CI：0.656~0.889)，校正曲线均为接近斜率为1的直线。结论基于PDAP患者的病原菌种类、透析龄、入院前是否使用抗生素、第5天腹膜透析流出液白细胞计数，建立了一个具有较好区分度及校准度的列线图预测模型来预测老年PDAP患者当次治疗失败的概率。

简介：摘要目的探讨行有创机械通气脱机后重症监护室(ICU)患者接受经鼻高流量氧疗(HFNC)治疗失败的影响因素。方法回顾性分析2016年1月至2020年8月郑州市第三人民医院收治的198例有创机械通气脱机后接受HFNC的ICU患者的临床资料，根据接受HFNC治疗是否失败分为成功组和失败组。采用单因素和多因素法评价患者接受HFNC治疗失败的独立影响因素，评价相关因素用于患者接受HFNC治疗失败的预测价值。结果198例患者接受HFNC治疗后失败36例，改行机械通气，其中无创机械通气28例，再次气管插管有创机械通气8例。单因素分析结果显示，序贯性器官衰竭评估(SOFA)评分、氧疗前脑钠肽(BNP)水平、氧疗后30 min心率、平均动脉压、呼吸频率及动脉血氧分压/吸入氧浓度水平均与行有创机械通气脱机后ICU患者接受HFNC治疗失败有关(P<0.05)；Logistic回归模型多因素分析结果显示，SOFA评分、氧疗前BNP水平及氧疗后30 min心率是行有创机械通气脱机后ICU患者接受HFNC治疗失败的独立影响因素(OR＝2.92、1.06、1.17，P均<0.05)。结论行有创机械通气脱机后ICU患者接受HFNC治疗存在一定失败风险；其中SOFA评分、氧疗前BNP水平及氧疗后30 min心率水平与HFNC治疗失败独立相关。

简介：摘要目的评价肺部超声评分（LUS）对腹腔感染（IAI）机械通气患者脱机结局的预测价值。方法选择2018年1月至12月东部战区总医院普外科研究所和连云港市第一人民医院重症医学科收治的IAI机械通气患者，符合脱机标准者进入脱机流程，脱机过程包括自主呼吸试验（SBT）和拔管。根据SBT是否成功（SBT成功定义为能通过120 min的SBT）分为SBT成功组和SBT失败组，比较两组患者SBT前后的LUS评分；SBT成功组患者给予拔管，根据拔管是否成功（拔管成功定义为拔管后48 h内无需再插管进行有创通气）分为拔管成功组和拔管失败组进行亚组分析，比较拔管前（SBT结束时）和拔管后（拔管成功组为拔管后48 h，拔管失败组为再插管前）LUS评分。绘制受试者工作特征曲线（ROC），评估SBT前LUS评分对SBT失败的预测价值，以及拔管前LUS评分对拔管失败的预测价值。结果研究期间共收治76例IAI机械通气患者，排除机械通气时间不足48 h、重度慢性阻塞性肺疾病（COPD）、气管切开和自动出院者23例，最终53例纳入分析。53例患者中SBT成功44例，失败9例；44例SBT成功患者中拔管成功23例，失败21例。SBT失败组患者SBT前后LUS评分均明显高于SBT成功组（分：SBT前为13.22±1.99比10.79±1.64，t＝-3.911，P＝0.000；SBT后为19.00±1.12比13.41±1.86，t＝-8.665，P＝0.000）。ROC曲线分析显示，SBT前LUS评分预测SBT失败的ROC曲线下面积（AUC）为0.82〔95%可信区间（95%CI）为0.67～0.98，P＝0.002〕；当最佳截断值为12.5分时，敏感度为66.7%，特异度为84.1%。亚组分析显示，SBT成功患者中拔管失败组拔管前后LUS评分均明显高于拔管成功组（分：拔管前为14.19±1.60比12.69±1.81，t＝-2.881，P＝0.006；拔管后为16.42±1.59比12.78±1.54，t＝-7.710，P＝0.000）。ROC曲线分析显示，拔管前LUS评分预测拔管失败的AUC为0.81（95%CI为0.69～0.92，P＝0.000）；当最佳截断值为13.5分时，敏感度为80.0%，特异度为65.2%。结论LUS评分可以有效预测IAI机械通气患者的SBT结局及拔管后再插管风险。

简介：摘要目的建立膈肌增厚分数（DTF）与腹内压（IAP）监测导向的风险预测模型，探讨该模型对重症急性胰腺炎（SAP）患者撤机失败的预测价值。方法采用前瞻性研究方法，选择2020年8月至2021年10月锦州医科大学附属第一医院重症医学科收治的63例诊断为SAP并且行有创机械通气治疗的患者。在患者符合临床撤机标准时实施自主呼吸试验（SBT），将心血管状态稳定、肺功能状态良好、无胸腹矛盾运动、氧合充足定义为撤机成功，反之定义为撤机失败。比较撤机成功与失败两组患者的基线资料，以及SBT 30 min DTF、IAP、潮气量（VT）、呼吸频率（RR）、体质量指数（BMI）、血乳酸（Lac）等临床指标；将单因素分析中差异有统计学意义的指标纳入二分类多因素Logistic回归分析，建立风险预测模型。采用Pearson相关法分析SAP患者SBT 30 min DTF与IAP的相关性；绘制受试者工作特征曲线（ROC曲线），分析SAP患者SBT 30 min撤机失败风险预测模型的预测价值。结果63例SAP患者均纳入分析，其中撤机成功42例，撤机失败21例；两组年龄、性别及入院时氧合指数（PaO2/FiO2）、序贯器官衰竭评分（SOFA）和急性生理学与慢性健康状况评分Ⅱ（APACHEⅡ）等基线资料比较差异均无统计学意义，说明两组资料具有可比性。与撤机成功组比较，撤机失败组患者SBT 30 min IAP、RR、BMI、Lac均显著升高〔IAP（mmHg，1 mmHg≈0.133 kPa）：14.05±3.79比12.12±3.36，RR（次/min）：25.43±8.10比22.02±5.05，BMI（kg/m2）：23.71±2.80比21.74±3.79，Lac（mmol/L）：5.27±1.69比4.55±1.09，均P<0.05〕，而DTF和VT则显著降低〔DTF：（29.76±3.45）%比（31.86±3.67）%，VT（mL）：379.00±98.74比413.60±33.68，均P<0.05〕。二分类多因素Logistic回归分析显示，DTF 〔优势比（OR）＝0.758，95%可信区间（95%CI）为0.584~0.983，P＝0.037〕、IAP（OR＝1.276，95%CI为1.025~1.582，P＝0.029）和RR（OR＝1.145，95%CI为1.014~1.294，P＝0.029）为SAP患者SBT 30 min撤机失败的独立危险因素；采用上述危险因素建立SBT 30 min撤机失败风险预测模型：Logit P＝-0.237－0.277×DTF+0.242×IAP+0.136×RR。Pearson相关分析结果显示，SAP患者SBT 30 min DTF与IAP存在明显相关性，且呈显著正相关（r＝0.313，P＝0.012）。ROC曲线分析结果表明，SAP患者SBT 30 min撤机失败风险预测模型的ROC曲线下面积（AUC）为0.716，95%CI为0.559~0.873，P＝0.003；敏感度为85.7%，特异度为78.6%。结论DTF、IAP和RR是SAP患者SBT 30 min撤机失败的独立危险因素；由这3个指标建立的DTF与IAP导向的风险预测模型对SAP患者撤机失败具有良好的预测价值。

简介：摘要目的比较高流量湿化氧疗(HFHO)脱机方案和T管脱机方案对脱机困难患者的脱机效果和呼吸机相关肺炎(VAP)发生率等方面的影响，以期寻找更合理的脱机方案。方法本研究为队列研究，非随机选取2015年1月至2021年8月中国人民解放军第八医学中心重症医学科收治的、机械通气≥24 h且经脱机筛查符合脱机困难标准的164例脱机困难患者，分为HFHO组80例和T管组84例。比较2组患者的一般资料、脱机成功率、7 d内二次插管率、痰液黏稠度、湿化良好率和VAP感染率等。结果脱机前HFHO组动脉血氧分压(PaO2)和氧合指数均低于T管组，分别为104(86.00，137.50) mmHg比125(99.00，155.80) mmHg、(311.9±39.4)比(355.6±129.5)(Z＝2.54，t＝2.41，均P<0.05)。HFHO组总脱机成功率与T管组差异无统计学意义，73.75%(59/80)比59.52%(50/84)，χ2＝3.72，P＝0.054。94例气管插管的患者中选择HFHO脱机的40例，选择T管脱机的54例，再次分析2种脱机的成功率，结果显示气管插管患者应用HFHO脱机成功率高于T管组，92.50%(37/40)比59.26%(32/54)，(χ2＝13.01，P<0.01)。气管插管患者中HFHO脱机的患者7 d内二次插管率低于T管脱机的患者8.10%(3/37)比28.13%(9/32)，(χ2＝4.79，P<0.05)。HFHO组痰液黏稠度(Ⅰ度、Ⅱ度、Ⅲ度)及气道湿化效果良好率HFHO组均优于T管组(P<0.05)，分别为26.25%(21/80)、53.75%(43/80)、20.00%(16/80)比11.90%(10/84)、60.71%(51/84)、27.38%(23/84)；63.75%(51/80)比40.48%(34/84)。2组VAP感染率差异无统计学意义(P>0.05)。结论HFHO脱机模式更适合于临床脱机困难患者。

简介：摘要在不同年、月的职业需求数据和不同的教育水平的中国学生通过相关系数判断预测精度,经多元线性回归方程求解职业需求与教育背景的线性部分,再由BP神经网络对非线性部分实现阴影匹配。其次,在职业需求数量序列标准化后,通过马氏链对相关系数权重进行排序,权衡职业需求程度。最后,利用基于ARIMA对非线性部分在当前情形下未来三年的就业需求进行预测。

简介：摘要谵妄是卒中后的常见并发症。卒中后谵妄与患者转归不良和病死率增高相关。文章对卒中后谵妄的筛查工具、预测因素和预测模型进行了综述。

简介：摘要目的构建重症患者压力性损伤风险预测模型，并对其预测效果进行验证。方法选取2019年2—9月入住天津医科大学总医院重症医学科的重症患者，采用队列研究，收集患者相关资料，以是否发生压力性损伤为因变量，对相关资料进行单因素和多因素分析建立预测模型，并进行风险分层和预测效果检验。结果重症患者329例，发生压力性损伤48例；对11个影响因素的单因素分析，血乳酸、体温、ICU住院日数、Braden评分、意识状态、年龄、升压药物治疗是压力性损伤发生的可疑影响因素，差异均有统计学意义（Z值为2.575~3.694，χ2值为6.800、30.510、6.344，P<0.05或0.01）；可疑影响因素带入二元Logistic回归分析结果显示，患者入ICU 24 h内体温、Braden评分、意识状态、年龄及ICU住院时间是压力性损伤发生的独立影响因素（P<0.05或0.01），建立预测模型。内部验证构建模型有统计学意义且拟合度好，灵敏度为66.7%，特异度为72.2%；根据模型进行风险分层，高危组与低危组差异有统计学意义（t值为-33.371，P<0.01）；临床验证预测效果特征（ROC）曲线下面积（AUC）为0.758。结论构建的预测模型是重症患者临床特征的客观指标科学组合有统计学意义；有预测重症患者发生压力性损伤风险的能力；同时具有良好的区分度，对重症患者风险分层管理提供理论依据，具有临床应用价值。

简介：摘要目的构建重症患者压力性损伤风险预测模型，并对其预测效果进行验证。方法选取2019年2—9月入住天津医科大学总医院重症医学科的重症患者，采用队列研究，收集患者相关资料，以是否发生压力性损伤为因变量，对相关资料进行单因素和多因素分析建立预测模型，并进行风险分层和预测效果检验。结果重症患者329例，发生压力性损伤48例；对11个影响因素的单因素分析，血乳酸、体温、ICU住院日数、Braden评分、意识状态、年龄、升压药物治疗是压力性损伤发生的可疑影响因素，差异均有统计学意义（Z值为2.575~3.694，χ2值为6.800、30.510、6.344，P<0.05或0.01）；可疑影响因素带入二元Logistic回归分析结果显示，患者入ICU 24 h内体温、Braden评分、意识状态、年龄及ICU住院时间是压力性损伤发生的独立影响因素（P<0.05或0.01），建立预测模型。内部验证构建模型有统计学意义且拟合度好，灵敏度为66.7%，特异度为72.2%；根据模型进行风险分层，高危组与低危组差异有统计学意义（t值为-33.371，P<0.01）；临床验证预测效果特征（ROC）曲线下面积（AUC）为0.758。结论构建的预测模型是重症患者临床特征的客观指标科学组合有统计学意义；有预测重症患者发生压力性损伤风险的能力；同时具有良好的区分度，对重症患者风险分层管理提供理论依据，具有临床应用价值。

简介：摘要手足口病是由肠道病毒感染所导致的传染病，其主要患病人群为5岁以下的儿童。手足口病预测模型可以对未来一段时间的手足口病发病率进行预测，为相关部门合理的安排医疗卫生资源进行防控提供参考。本文旨在介绍近年来国内外应用于手足口病预测的主要模型，包括求和自回归移动平均模型、灰色预测模型、BP神经网络模型、贝叶斯网络模型，指出这些模型的优缺点，为研究者们对手足口病发病率进行预测时选择模型提供参考。

简介：无

简介：摘要目的通过构建不等权组合模型预测我国2020年至2035年医师需求数量，为卫生人力资源的规划提供科学参考。方法采用趋势外推法、人力/人口比值法、卫生服务需求法对我国2020年至2035年医师需求进行初步预测，进而采用德尔菲法对这3种方法的结果进行不等权组合，计算得出2020年至2035年我国医师需求。结果通过不等权组合模型预测，2020年至2035年我国医师需求逐步增长，从2.64人/千人口增至3.67人/千人口，但增长幅度逐步放缓。结论运用不等权组合预测模型，综合服务需求和历史现状，测算方法科学可行。建议参照医师需求的同时，综合考虑影响医师供需平衡的因素进行医学教育及医师分科相关的政策制定。

简介：摘要目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列，对该序列进行时序预测模型辨识，得到ARIMA(1,1,1)、AR(4)以及AR(7)模型，利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集，参数运算采用Prony方法，预测拟合未来的出车数量；AR(4)和AR(7)模型采用均匀系数，预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测，ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差（MAPE）低于6%，结果基本都位于95%置信区间内，利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合，AR模型可以对急救调度日出车量做短期有效预测。

简介：摘要目的系统评价脑卒中后抑郁(PSD)风险预测模型。方法计算机检索Web of Science、The Cochrane Library、PubMed、Embase、CINAHL、知网、中国生物医学文献服务系统、万方和维普数据库中建库至2022年6月1日收录的PSD风险预测模型相关文献，采用预测模型构建研究数据提取和质量评价清单(CHARMS)对纳入文献中的模型进行质量评价，并对纳入模型中具有共性的预测因子的预测价值采用RevMan 5.3软件进行Meta分析。结果共纳入9篇文献，包含11个PSD风险预测模型，所有模型的建模时受试者工作特征曲线下面积(AUC)为0.726~0.854，其中7个模型的AUC≥0.8，预测效能较高，但仍存在偏倚风险，主要原因包括未报告缺失数据的处理、模型效果评价不完整以及未对模型进行内外部验证。Meta分析结果显示抑郁或其他精神疾病病史(OR=6.73，95%CI：3.87~11.73)、艾森克人格问卷(EPO)评分(OR=1.13，95%CI：1.03~1.23)、高血压(OR=0.47，95%CI：0.30~0.74)、Barthel指数(OR=0.98，95%CI：0.98~0.99)均是PSD的有效预测因子。结论PSD风险预测模型整体预测性能良好，但也仍存在一定的偏倚风险，未来应对建模方法进行改进；PSD风险预测模型的建立可重点关注抑郁或其他精神疾病病史、EPQ评分、高血压、Barthel指数等预测因子。

简介：摘要不同抑郁症患者的最优治疗方案一般需通过长期、低效率的试错过程来逐步确定。为实现抑郁症的精准治疗，有必要通过特异性生物标志物来选择有效的治疗方法。深度学习是机器学习的一个分支，该技术能处理大量高维、复杂的数据，适用于自动提取和学习临床、基因组学和神经影像数据的特征。近年来，研究人员正在使用深度学习技术开发抑郁症治疗反应的预测模型，有利于指导临床医生为患者选择最佳治疗方案以及在全球范围内推进更为高效的个体化精准医疗方案。本文从人口学、临床症状数据、基因组学数据和功能磁共振成像数据三个方面，对深度学习预测抑郁症疗效方面的相关研究进行综述，并对未来的深度学习研究方向尤其是多组学数据结合深度学习的应用进行展望。

简介：摘要物资需求预测对于物资储备和管理决策具有重要意义。本文基于ARIMA时间序列模型对电网公司资产管理系统中的物资领用大数据进行挖掘，建立电网物资需求预测模型，并验证模型正确性，该模型可以为电网公司做出合理的物资储备管理决策提供支撑。