目的:本研究基于回顾性分析老年口咽癌患者的人口统计学、临床病理资料和生存模式,构建列线图模型并进行预后分析。方法:收集新疆医科大学第一附属医院2000年1月~2015年12月收治的老年口咽癌患者317例。按7∶3随机分成训练队列(n=221)...目的:本研究基于回顾性分析老年口咽癌患者的人口统计学、临床病理资料和生存模式,构建列线图模型并进行预后分析。方法:收集新疆医科大学第一附属医院2000年1月~2015年12月收治的老年口咽癌患者317例。按7∶3随机分成训练队列(n=221)和验证队列(n=96)两组。利用R语言进行Bonferroni校正后的χ2检验或Fisher精确概率检验比较训练集和验证集两组间变量分布;单因素和多因素Cox比例风险回归分析评估患者预后的独立危险因素并建立预测模型;采用后向归纳法结合绩效评价模型,并绘制受试者工作特征曲线和校准曲线分析模型识别及校准效能。结果:Cox比例风险回归分析表明,影响老年口咽癌患者预后生存的独立危险因素包括年龄、民族、婚姻状况、肿瘤分化程度、TN分期、手术、放化疗(P值均<0.05)。基于多元回归模型的输出概率,按照0.5界定高危、低危两组患者并绘制生存曲线,Kaplan-Meier分析表明低危组患者(<0.5)生存率均显著高于高危组(>0.5)患者(P<0.001)。在模型预测能力方面,训练队列受试者工作特征的曲线下面积(area under curve,AUC)为AUC1年=0.873,AUC2年=0.829,AUC3年=0.795,验证队列AUC1年=0.823,AUC2年=0.806,AUC3年=0.768,表明模型具有良好的判别能力。校准曲线也显示出模型整体拟合度良好,模型预测概率与实际观察结果匹配程度较高。结论:本研究系统分析了影响老年口咽癌患者的危险因素,并基于这些危险因素开发、验证老年口咽癌患者的临床预后。该预测工具可以帮助临床医生识别高危患者,并提前制定个性化的治疗方案。展开更多
目的研究基于近红外光谱模型转移的牛奶蛋白检测方法。方法分别采用实验室与在线检测近红外光谱仪采集生产过程中原料奶样品的近红外光谱,研究斜率截距法(slope/bias,S/B)、分段直接标准化(piecewise direct standardization,PDS)算法、...目的研究基于近红外光谱模型转移的牛奶蛋白检测方法。方法分别采用实验室与在线检测近红外光谱仪采集生产过程中原料奶样品的近红外光谱,研究斜率截距法(slope/bias,S/B)、分段直接标准化(piecewise direct standardization,PDS)算法、Shenk’s方法在不同仪器测量光谱之间模型转移应用,优化模型参数,提高实验室仪器建立的校正模型应用于在线光谱仪器的预测精度。结果经过Shenk’s算法转移,主从机的光谱平均差异降低为0.0075,光谱校正率达到98.95%。利用模型转移方法与偏最小二乘模型结合,将实验室分析光谱仪建立的模型用于生产在线光谱仪测量光谱预测,显著提高了牛奶中蛋白质含量预测准确度,不同仪器之间模型预测相对均方根误差从5.52%下降到2.03%。结论本研究的方法实现了实验室分析与在线检测仪器测量光谱及定量分析模型转移共享,为近红外在线检测的智能化改进提供了基础。展开更多
文摘目的:本研究基于回顾性分析老年口咽癌患者的人口统计学、临床病理资料和生存模式,构建列线图模型并进行预后分析。方法:收集新疆医科大学第一附属医院2000年1月~2015年12月收治的老年口咽癌患者317例。按7∶3随机分成训练队列(n=221)和验证队列(n=96)两组。利用R语言进行Bonferroni校正后的χ2检验或Fisher精确概率检验比较训练集和验证集两组间变量分布;单因素和多因素Cox比例风险回归分析评估患者预后的独立危险因素并建立预测模型;采用后向归纳法结合绩效评价模型,并绘制受试者工作特征曲线和校准曲线分析模型识别及校准效能。结果:Cox比例风险回归分析表明,影响老年口咽癌患者预后生存的独立危险因素包括年龄、民族、婚姻状况、肿瘤分化程度、TN分期、手术、放化疗(P值均<0.05)。基于多元回归模型的输出概率,按照0.5界定高危、低危两组患者并绘制生存曲线,Kaplan-Meier分析表明低危组患者(<0.5)生存率均显著高于高危组(>0.5)患者(P<0.001)。在模型预测能力方面,训练队列受试者工作特征的曲线下面积(area under curve,AUC)为AUC1年=0.873,AUC2年=0.829,AUC3年=0.795,验证队列AUC1年=0.823,AUC2年=0.806,AUC3年=0.768,表明模型具有良好的判别能力。校准曲线也显示出模型整体拟合度良好,模型预测概率与实际观察结果匹配程度较高。结论:本研究系统分析了影响老年口咽癌患者的危险因素,并基于这些危险因素开发、验证老年口咽癌患者的临床预后。该预测工具可以帮助临床医生识别高危患者,并提前制定个性化的治疗方案。
文摘目的研究基于近红外光谱模型转移的牛奶蛋白检测方法。方法分别采用实验室与在线检测近红外光谱仪采集生产过程中原料奶样品的近红外光谱,研究斜率截距法(slope/bias,S/B)、分段直接标准化(piecewise direct standardization,PDS)算法、Shenk’s方法在不同仪器测量光谱之间模型转移应用,优化模型参数,提高实验室仪器建立的校正模型应用于在线光谱仪器的预测精度。结果经过Shenk’s算法转移,主从机的光谱平均差异降低为0.0075,光谱校正率达到98.95%。利用模型转移方法与偏最小二乘模型结合,将实验室分析光谱仪建立的模型用于生产在线光谱仪测量光谱预测,显著提高了牛奶中蛋白质含量预测准确度,不同仪器之间模型预测相对均方根误差从5.52%下降到2.03%。结论本研究的方法实现了实验室分析与在线检测仪器测量光谱及定量分析模型转移共享,为近红外在线检测的智能化改进提供了基础。
