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：摘要目的构建慢性阻塞性肺疾病（COPD）合并肺动脉高压（PH）诊断预测模型并评估其效果。方法回顾性收集2014年1月1日至2019年12月31日于5家医院就诊的1 514例COPD患者，根据纳入时间排序，将患者按7∶3的比例分为训练集（1 072例）和验证集（442例）。通过患者病历和电子病历系统收集相关资料，包括人口学资料、吸烟情况、疾病既往史和临床检查资料。采用多因素logistic回归模型分析COPD合并PH的相关因素，采用“rms”程序包构建列线图模型。采用Calibration校准曲线评估模型预测概率与实际结果的一致性，采用C 指数、受试者工作特征（ROC）曲线下面积（AUC）评价模型的区分度，采用决策分析曲线（DCA）评估模型的临床实用性。结果训练集年龄为50~59、60~69和≥70岁者分别占3.7%、15.2%和81.1%，与验证集的年龄构成（分别占7.9%、27.8%和64.3%）差异有统计学意义（P=0.041）。训练集男性占79.4%，与验证集（84.6%）差异无统计学意义（P=0.243）。对训练集的多因素logistic回归模型分析显示：年龄≥70岁［OR（95%CI）：3.32（1.49~7.36）］、吸烟状态［曾经、目前吸烟OR（95%CI）分别为3.67（2.51~5.37）和2.04（1.44~2.90）］、N末端B型利钠肽前体（NT-proBNP）≥1 400 ng/L［OR（95%CI）：9.88（6.23~15.66）］、右心房直径［OR（95%CI）：1.11（1.07~1.15）］是COPD合并PH的相关因素，基于以上因素建立COPD合并PH列线图模型并开发为在线工具（https：//ph-666.shinyapps.io/zhonghua-PH/）。训练集和验证集的偏差校正后C指数（95%CI）分别为0.82（0.77~0.87）和0.77（0.68~0.86），Calibration校准曲线在训练集与验证集中均接近于对角线。训练集和验证集列线图模型AUC（95%CI）分别为0.82（0.80~0.85）和0.77（0.73~0.82）。通过ROC曲线得出训练集中最佳阈值为0.60，该值下的灵敏度、特异度分别为0.74、0.78；验证集最佳阈值为0.70，该值下的灵敏度和特异度分别为0.76和0.65。DCA分析显示：列线图模型分别在训练集和验证集中以阈概率>15.0%和>13.0%提供了优于变量全选和变量均不选策略的净效益。结论建立COPD合并PH诊断预测列线图模型简便、准确，具有良好的临床应用前景。

简介：摘要设定了气田单井集输管线路由选择的情景、分析了影响路由选择的多个因素，构建了路由优选模型，并通过实例进行了说明。

简介：摘要：在现代工程管理领域，建筑信息模型作为一种全新的数字化技术，正在逐渐改变传统的项目管理方式。BIM通过整合设计、施工、运维等各阶段的数据，形成一个三维的、动态的、集成的信息模型，为工程管理带来了显著的优化。本文将深入探讨BIM在工程管理中的实际应用，以及其如何通过提升效率、降低成本和减少错误，推动行业向更智能、更可持续的方向发展。