目的:分析肺癌病人治疗期输液港发生医用粘胶相关皮肤损伤(medical adhesive related skin injury,MARSI)的危险因素,并建立风险预测模型,以期为临床护理干预提供参考。方法:回顾性收集2023年1月—2024年4月在某三级甲等综合医院呼吸与...目的:分析肺癌病人治疗期输液港发生医用粘胶相关皮肤损伤(medical adhesive related skin injury,MARSI)的危险因素,并建立风险预测模型,以期为临床护理干预提供参考。方法:回顾性收集2023年1月—2024年4月在某三级甲等综合医院呼吸与危重症医学科使用胸壁输液港的650例病人为调查对象,运用Logistic回归模型、决策树分类回归树(CART)模型和随机森林模型分别建立肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型,通过比较3种模型的准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa系数和受试者工作特征(ROC)曲线下面积(AUC)评价其性能。结果:Logistic回归模型、决策树CART模型和随机森林模型的准确率分别为84%、86%、86%,特异度为97%、98%、97%,灵敏度为54%、59%、61%,阳性预测值为54%、59%、61%,阴性预测值为97%、98%、97%,Kappa值为0.57,0.63,0.64,AUC为0.83,0.87,0.86。Logistic回归模型、决策树CART模型、随机森林的AUC比较差异均有统计学意义(P<0.05)。皮肤毒性为3种模型的共同预测因子。结论:决策树CART模型和随机森林模型相比Logistic回归模型在构建肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型中具有更好的性能,可为临床护士预测肺癌病人输液港医用粘胶相关皮肤损伤发生风险提供参考。展开更多
为解决在选择性催化还原技术(selective catalytic reduction,SCR)的控制策略开发中局部线性模型树(local linear model tree,LOLIMOT)排放模型预测精度不足的问题,提出一种通过优化空间边界,将原模型的超矩形输入空间约束在物理意义范...为解决在选择性催化还原技术(selective catalytic reduction,SCR)的控制策略开发中局部线性模型树(local linear model tree,LOLIMOT)排放模型预测精度不足的问题,提出一种通过优化空间边界,将原模型的超矩形输入空间约束在物理意义范围内的改进LOLIMOT模型。通过某天然气发动机的辨识试验,从分布特征和计算原理角度,分析了该方法对预测结果的影响。结果表明:与原算法相比,改进算法的线性相关度R2提升了1.9%,验证了改进策略的有效性。改进LOLIMOT算法具备较高的收敛速度和稳定性,在排放模型领域具备一定的应用优势。展开更多
文摘目的:分析肺癌病人治疗期输液港发生医用粘胶相关皮肤损伤(medical adhesive related skin injury,MARSI)的危险因素,并建立风险预测模型,以期为临床护理干预提供参考。方法:回顾性收集2023年1月—2024年4月在某三级甲等综合医院呼吸与危重症医学科使用胸壁输液港的650例病人为调查对象,运用Logistic回归模型、决策树分类回归树(CART)模型和随机森林模型分别建立肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型,通过比较3种模型的准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa系数和受试者工作特征(ROC)曲线下面积(AUC)评价其性能。结果:Logistic回归模型、决策树CART模型和随机森林模型的准确率分别为84%、86%、86%,特异度为97%、98%、97%,灵敏度为54%、59%、61%,阳性预测值为54%、59%、61%,阴性预测值为97%、98%、97%,Kappa值为0.57,0.63,0.64,AUC为0.83,0.87,0.86。Logistic回归模型、决策树CART模型、随机森林的AUC比较差异均有统计学意义(P<0.05)。皮肤毒性为3种模型的共同预测因子。结论:决策树CART模型和随机森林模型相比Logistic回归模型在构建肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型中具有更好的性能,可为临床护士预测肺癌病人输液港医用粘胶相关皮肤损伤发生风险提供参考。
文摘为解决在选择性催化还原技术(selective catalytic reduction,SCR)的控制策略开发中局部线性模型树(local linear model tree,LOLIMOT)排放模型预测精度不足的问题,提出一种通过优化空间边界,将原模型的超矩形输入空间约束在物理意义范围内的改进LOLIMOT模型。通过某天然气发动机的辨识试验,从分布特征和计算原理角度,分析了该方法对预测结果的影响。结果表明:与原算法相比,改进算法的线性相关度R2提升了1.9%,验证了改进策略的有效性。改进LOLIMOT算法具备较高的收敛速度和稳定性,在排放模型领域具备一定的应用优势。
