简介:摘要目的探讨经阴道超声测量单胎孕妇早孕及中孕期子宫颈长度(cervical length,CL)及其对自发性早产的预测价值。方法本研究为回顾性研究。2019年1月至2019年6月在北京大学第一医院建档并自早孕期进行序贯测量CL的2 254 例单胎孕妇。所有孕妇均经阴道超声测量早孕期(孕11~13周+6)和中孕期(孕21~23周+6)的CL。采用t检验、χ2检验或Fisher精确概率法、logistic回归分析模型等统计学方法,主要比较早产组与足月组早孕及中孕期CL的差异,并探究早产的独立危险因素以及早孕和中孕期CL对于自发性早产的预测价值。结果(1)2 254例孕妇的早孕及中孕期CL分别为(36.1±4.2)mm(22.4~52.6 mm)与(36.9±5.3)mm(2.9~59.7 mm),短子宫颈发生率分别为0.31%(7/2 254)和1.46%(33/2 254)。当早孕期CL≤25.0和>25.0~≤30.3 mm时,中孕期发生短子宫颈的风险均增加[OR值(95%CI)分别为43.92(6.83~282.49)和6.59(1.97~22.00),P值均<0.05]。(2)2 254例孕妇中共69例(3.06%)早产,其中早产与足月组的早孕期CL、短子宫颈发生率比较差异均无统计学意义[(35.2±4.5)与(36.1±4.1)mm,t=-1.78,P=0.076;1.5%(1/69)与0.3%(6/2 185),χ2=2.98,P=0.084],但早产组中孕期CL较短,短子宫颈发生率较高[(33.6±6.7)与(37.0±5.2)mm,t=-5.12;8.7%(6/69)与1.2%(27/2 185),χ2=25.80,P值均<0.001]。(3)多因素回归分析显示,年龄≥35岁(OR=2.05,95%CI:1.22~3.46)、自发性早产史(OR=25.25,95%CI:5.01~127.28)、辅助生殖技术助孕(OR=10.39,95%CI:2.39~50.33)、中孕期短子宫颈为早产的独立危险因素。(4)早孕期CL≤25.0、>25.0~≤30.3、>30.3~≤33.0、>33.0~≤35.7、>35.7~≤38.7 mm分别与>38.7 mm进行比较,早产的发生风险差异均无统计学意义(P值均>0.05)。将中孕期CL≤25.0、>25.0~≤29.5、>29.5~≤33.6、>33.6~≤36.8、>36.8~≤40.1 mm分别与>40.1 mm进行比较,早产的风险均相对升高[OR值(95%CI)分别为17.64(4.99~62.32)、6.89(2.11~22.55)、3.58(1.34~9.59)、4.04(1.58~10.32)、3.34(1.28~8.67), P值均<0.05]。(5)以中孕期CL≤25.0 mm和≤29.5 mm为界值,预测早产的灵敏度分别为8.70%和17.39%,特异度为98.80%和95.29%,阳性预测值为18.20%和10.43%,阴性预测值为97.16%和97.34%,准确率为96.01%和92.90%。结论早孕期CL及短子宫颈发生率在早产与足月分娩人群中无明显差异,且早孕期CL不是早产的独立危险因素,但当早孕期CL≤30.3 mm时中孕期发生短子宫颈的风险升高。中孕期子宫颈越短则早产风险越大。
简介:【摘要】目的 分析眼轴长度用于近视预测模型对儿童和青少年近视筛查的效能。方法 选取本院2020年3月-11月期间参与儿童眼病研究的100例小学一年级学生和100例初中一年级学生进行研究,建立近视预测模型使用Logistic回归方法,对不同模型预测近视的灵敏度、特异度、受试者特征曲线下面积( AUC)、阳性预测值、阴性预测值进行分析。 结果 使用单一AL指标预测模型时小学一年级学生中的灵敏度为6.62%、阳性预测值为91.84%,初中一年级学生中的灵敏度为87.35%、阳性预测值为47.18%;使用2种指标预测模型时预测效果最好的是AL+UCDVA,小学一年级学生近视预测灵敏度和阳性预测值分别为48.43%和78.75%,初中一年级学生中近视预测灵敏度和阳性预测值分别为87.56%、79.84%。结论 AL在儿童和青少年早期预测近视方面具有较高的灵敏度,是一种非侵入式检查,操作简单,是儿童和青少年眼球发育过程中不可逆性、与形成近视有关的重要指标,可以作为筛查、诊治儿童和青少年近视的一个指标,值得推广。
简介:摘要目的探讨治疗前外周血血小板/淋巴细胞比值(PLR)、中性粒细胞/淋巴细胞比值(NLR)及鳞状细胞癌抗原(SCC)联合检测对行根治性放疗的中晚期宫颈鳞癌患者预后的预测价值。方法回顾性分析2016年1月至2019年2月在南通大学附属肿瘤医院接受根治性放疗的127例中晚期宫颈鳞癌患者的临床资料,根据治疗结束后3年末的生存情况将入组病例分为生存组和死亡组。收集治疗前外周血实验室指标,计算出PLR、NLR,比较两组患者临床参数的差异。建立预测模型,通过受试者操作特征(ROC)曲线比较PLR、NLR、SCC单独预测及联合预测模型对中晚期宫颈鳞癌患者3年总生存(OS)的预测效能。通过logistic回归模型进行预后的单因素及多因素分析。结果共127例中晚期宫颈鳞癌患者纳入研究,生存组96例,死亡组31例。两组患者在FIGO分期、肿瘤最长径、淋巴结转移、PLR、NLR和SCC方面比较,差异有统计学意义(P<0.05)。PLR、NLR、SCC的ROC曲线下面积(AUC)分别为0.660、0.712、0.700,PLR+NLR+SCC联合预测模型的AUC可提高至0.784。logistic多因素分析显示,FIGO Ⅲ期、FIGO Ⅳ期、淋巴结转移、PLR≥205.555、NLR≥3.060及SCC≥6.950 ng/ml是影响中晚期宫颈鳞癌患者3年OS的独立危险因素(P<0.05)。结论PLR、NLR、SCC对预测中晚期宫颈鳞癌患者的3年OS具有较好的价值,PLR+NLR+SCC联合预测模型的预测价值更高。
简介:摘要目的观察神经外科行超声引导下改良型中等长度导管置入术导管异位的有关影响因素,构建预测模型,以期为临床减少导管异位情况提供参考。方法选取2019年10月至2021年12月于汕头市中心医院神经外科行超声引导下改良型中等长度导管置入术患者110例,其中男72例,女38例,年龄(58.38±9.06)岁,统计患者导管异位情况,据此分为导管异位组、无导管异位组。收集两组患者临床资料,采取单因素分析(应用χ2检验、Fisher确切概率法、两独立样本t检验),对单因素分析差异有统计学意义的因素纳入logistic多因素回归分析,筛选出导管异位的独立危险因素,在此基础上构建风险预测模型,采用受试者工作特征曲线(ROC)分析各独立危险因素与风险预测模型对患者出现导管异位的预测效能。结果本组110例患者共出现导管异位10例,占比为9.09%。logistic回归分析显示,置管静脉、置管长度、气管切开均为患者导管异位的独立危险因素[比值比(OR)分别为2.436、2.076、2.258,均P<0.05]。经ROC分析显示,置 管静脉、置管长度、气管切开均对患者出现导管异位具有一定预测价值,曲线下面积(AUC)分别为0.741、0.728、0.735,风险预测模型预测患者出现导管异位的AUC为0.858,取最佳界值点时风险预测模型的预测灵敏度为70.00%,特异度为94.00%。结论神经外科行超声引导下改良型中等长度导管置入术患者出现导管异位的危险因素包括置管静脉、置管长度、气管切开,据此构建的风险预测模型对导管异位预测价值良好,可针对上述因素采取针对干预,以降低导管异位风险。
简介:摘要目的基于三维(3D)U-net深度学习模型,建立预测CT引导下宫颈癌近距离治疗计划的3D空间剂量分布。方法2021年4-9月收集114例宫颈癌患者三维近距离放疗计划(处方剂量6 Gy)组成数据集,按84∶11∶19划分为训练集、验证集、测试集。利用3D U-net模型进行500次(epoch)训练,分别评估测试集病例体素级的平均剂量偏差(MDD)与绝对剂量偏差(MADD)、等剂量面包围体积的戴斯系数(DSC)、处方剂量适形度指数(CI)、高危临床靶区(HRCTV)的D90和平均剂量Dmean、膀胱、直肠、小肠、结肠的D1 cm3与D2 cm3剂量学参数。结果测试集中19例患者的3D剂量矩阵MDD与MADD分别为-0.01±0.03和(0.04±0.01)Gy。50%到150%处方剂量的DSC在0.89到0.94之间,处方剂量CI为0.70±0.04。HRCTV的D90的平均偏差为2.22%,Dmean的偏差为-4.30%。膀胱、直肠、小肠、结肠的D1 cm3与D2 cm3最大偏差分别为2.46%和2.58%。模型预测平均耗时2.5 s。结论本研究实现了一种基于3D U-net的预测宫颈癌3D剂量分布的深度学习模型,为宫颈癌近距离治疗自动化设计奠定基础。
简介:【摘要】现在色谱柱的柱效比以前的高很多,用短柱就能满足分离度的要求,就没必要用长柱,短柱快速,省溶剂又省时间。色谱柱长度与分离度一般情况成正比,色谱柱越长,组分之间分辩效果越好,但色谱柱越长压降越大,而输入的压力是有限的。色谱柱过长会增大进出口压力比,相反会降低分离度。
简介:摘要目的探讨术前血清肌酐(Scr)水平对早期子宫颈腺癌(ADC)患者不良预后的影响及预测价值。方法收集2005—2015年在浙江大学医学院附属妇产科医院行手术治疗的199例早期ADC患者的临床病理资料,对其进行门诊和电话随访,随访时间[M(Q1,Q3)]为77.5(57.0,114.0)个月,失访11例(5.5%),复发19例(10.1%),死亡17例(9.0%)。采用多因素Cox比例风险回归模型分析早期ADC患者预后的相关因素,绘制受试者工作特征(ROC)曲线,选取约登指数最大值时所对应的数值为截断(cut-off)值,同时计算ROC曲线下面积(AUC)评价相关因素对不良预后的预测价值。结果199例患者年龄[M(Q1,Q3)]为44.0(39.0,50.0)岁;国际妇产科联盟(FIGO)分期ⅠA1期16例(8.0%),ⅠA2期4例(2.0%),ⅠB1期147例(74.0%),ⅠB2期13例(6.5%),ⅡA1期19例(9.5%)。多因素分析显示,FIGO分期、Scr升高与早期ADC患者术后是否无瘤生存相关,HR值(95%CI)分别为4.570(1.625~12.854)、1.065(1.006~1.128)(均P<0.05);亦与术后是否死亡相关,HR值(95%CI)分别为4.412(1.458~13.350)、1.076(1.012~1.144)(均P<0.05)。Scr的最佳临界值为75.2 μmoI/L;以Scr为指标绘制ROC曲线,无瘤生存率AUC=0.677(95%CI:0.608~0.742,P=0.006),总生存率AUC=0.677(95%CI:0.607~0.741,P=0.012)。结论术前Scr水平是早期ADC患者的无瘤生存或死亡的相关因素;对于术前Scr>75.2 μmoI/L的早期ADC患者,提示预后较差。
简介:摘要目的探讨MRI影像组学模型预测局部晚期宫颈鳞癌同步放化疗早期治疗反应的价值。方法回顾性收集2013年1月至2019年6月辽宁省肿瘤医院经病理证实的367例局部晚期宫颈鳞癌(国际妇产科联合会分期为ⅡB~ⅣA期)患者,因无法手术而接受完整的同步放化疗,于治疗前2周内及治疗第4周末行盆腔平扫MRI、DWI及动态增强MRI,根据实体瘤疗效评价标准1.1进行评价,将患者分为完全缓解(CR)组(247例)和非CR组(120例)。采用随机拆分法,按7∶3比例分为训练集(256例)和验证集(111例)。由2名医师在治疗前DWI、T2WI和增强T1WI(延迟期)图像上勾画感兴趣区,最终形成三维容积感兴趣区。于3个单序列图像分别提取1 906个影像组学特征,并利用特征相关分析和树模型筛选特征。使用逻辑回归(LR)、支持向量机(SVM)和随机森林(RF)3种分类器学习算法进行机器学习,获得最佳分类器。基于最佳分类器,建立3个单序列影像组学模型,并采用多因素LR分析得到多序列联合模型。通过DeLong检验比较3个单序列模型与多序列联合模型的受试者操作特征曲线下面积(AUC)差异。通过决策分析曲线评估多序列联合模型的临床应用价值。结果在训练集和验证集中,LR分类器模型的性能最佳。基于LR分类器,DWI、T2WI、增强T1WI序列和联合序列在训练集中的AUC分别为0.77、0.74、0.79、0.86,验证集中的AUC分别为0.71、0.66、0.75、0.77。在训练集中,联合模型的AUC值高于DWI、T2WI、增强T1WI序列模型,差异均有统计学意义(Z=3.01、3.56、2.83,P=0.003、0.001、0.005);在验证集中,多序列联合模型与T2WI模型的AUC差异有统计学意义(Z=2.46,P=0.015)。决策分析曲线显示当阈值概率在0.44~0.88范围内,多序列联合模型产生了净效益。结论基于LR分类器,通过综合多序列MRI图像影像组学特征建立的联合模型对评估局部晚期宫颈鳞癌同步放化疗早期治疗反应有较好的预测价值。
简介:摘要目的探讨基于多参数MR的影像组学融合模型术前预测宫颈鳞癌脉管间隙浸润(LVSI)的应用价值。方法回顾性研究。纳入2016年6月—2019年3月山西省肿瘤医院宫颈鳞癌患者168例。患者年龄22~76(52.0±10.1)岁,临床分期为国际妇产联盟(FIGO)ⅠB期127例、ⅡA期41例。所有患者术前行多参数盆腔MR扫描,均接受根治性子宫切除术联合盆腔淋巴结清扫术治疗。收集其临床病理资料和多参数MRI数据,以7∶3的比例按照随机抽样法分为训练集117例和验证集51例。在T2加权像(T2WI)、表观弥散系数[ADC,由2个b值的弥散加权成像数据自动生成]及增强T1加权像(cT1WI)3个序列的MRI上,对病灶进行手动分割勾画肿瘤轮廓感兴趣区(ROI),得到三维感兴趣区(VOI)并提取特征,通过以最大相关最小冗余和最小绝对收缩与选择算子回归为主的三步降维法筛选特征并构建影像组学模型。多因素logistic回归分析筛选临床特征并联合影像组学模型建立融合模型,制作列线图。受试者操作特征曲线(ROC 曲线)、校正曲线、决策分析曲线评估列线图的效能及临床效益。结果术后病理检查确诊LVSI阳性42例,阴性126例。训练集与验证集患者的年龄、FIGO分期、肿瘤最大径、肿瘤分化程度、LVSI状态等临床病理特征比较,差异均无统计学意义(P值均>0.05)。基于T2WI、ADC及cT1WI多参数MRI提取的影像组学特征,经特征筛选后得到7个关键特征,均与宫颈癌LVSI相关(P值均<0.05),并构建影像组学模型。训练集T2WI、ADC及cT1WI 3个序列独立构建的影像组学模型预测宫颈癌LVSI的ROC曲线下面积(AUC)分别为0.630[95%可信区间(CI)0.557~0.698]、0.686(95%CI 0.563~0.694)、0.761(95%CI 0.702~0.818),3个序列共同构建的联合影像组学模型对应的AUC为0.887(95%CI 0.842~0.925),诊断效能最优,并在验证集中得到验证。联合影像组学模型与肿瘤分化程度构建的融合模型列线图预测宫颈癌LVSI,在训练集与验证集中的AUC分别为0.893(95%CI 0.851~0.929)、0.854(95%CI 0.749~0.943),校正曲线显示出列线图有良好的校正性能;决策曲线表明当风险阈值概率范围在0.50~0.96时,采用影像组学融合模型预测宫颈癌LVSI的净收益优于“将所有患者视为宫颈癌LVSI阳性或阴性”。结论基于多参数MRI影像组学特征与临床特征的融合模型对宫颈癌LVSI状态有良好的预测价值。