期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
ACEI/ARB对经皮冠脉介入诊疗后对比剂肾病影响的系统评价
被引量：
2
1
作者
何小姣
杨渊
+4 位作者
蔡琳
沈健
黄龙祥
梁小雪
罗素新
《重庆医科大学学报》
CAS
CSCD
北大核心
2015年第4期522-527,共6页
目的：评价血管紧张素转化酶抑制剂（angiotensin converting enzyme inhibitor,ACEI）或血管紧张素受体阻滞剂（angiotensin receptor blockers,ARB）在接受冠状动脉造影（coronary angiogram,CAG）或经皮冠脉介入（percutaneous coron...
目的：评价血管紧张素转化酶抑制剂（angiotensin converting enzyme inhibitor,ACEI）或血管紧张素受体阻滞剂（angiotensin receptor blockers,ARB）在接受冠状动脉造影（coronary angiogram,CAG）或经皮冠脉介入（percutaneous coronary intervention,PCI）治疗患者中对对比剂肾病（contrast induced nephropathy,CIN）的影响。方法：在Pub Med、The Cochrane library、维普、知网、万方数据库中搜索从建库到2014年8月的与ACEI/ARB和对比剂肾病相关的文献。根据纳入/排除标准选择文献,评价纳入文献的质量,提取资料采用Stata 11.0软件进行数据Meta数据分析,采用Begg’s法和Egger’s法评估发表偏倚。结果：11项随机对照研究纳入分析,在接受冠脉造影或介入治疗的患者中,与对照组相比,术前使用ACEI/ARB不增加CIN的发生风险,差异无统计学意义（RR=0.78,95%CI=0.53~1.15,P=0.22）。亚组分析显示,治疗时间≥2周组（RR=0.78,95%CI=0.37~1.62,P=0.50）和〈2周组（RR=0.79,95%CI=0.50~1.24,P=0.30）均不影响CIN的发生风险。但ACEI/ARB的使用明显降低术后72 h时CIN的发生风险（RR=0.44,95%CI=0.23~0.87,P=0.02）;在平均造影剂用量≤150 ml组,CIN的风险也明显降低（RR=0.57,95%CI=0.33~0.99,P=0.046）。结论：目前尚无证据表明经皮冠状动脉介入诊疗术前使用ACEI/ARB会增加术后CIN的风险。
展开更多
关键词
血管紧张素转化酶抑制剂
血管紧张素受体阻滞剂
对比剂肾病
Meta分析
在线阅读
下载PDF
职称材料
基于人工智能的糖尿病预测研究
被引量：
4
2
作者
周乐明
尚明生
+4 位作者
王永红
宋景麟
李小松
黄刚
王科
《重庆医科大学学报》
CAS
CSCD
北大核心
2023年第12期1489-1492,共4页
目的:以临床类指标建立基于极限梯度增强(extreme gradient boosting,XGBoost)、基于梯度提升树的分类器(light gra-dient boosting machine,LightGBM)、自适应增强(adaptive boosting,AdaBoost)、多层感知器(multilayer perceptron,MLP...
目的:以临床类指标建立基于极限梯度增强(extreme gradient boosting,XGBoost)、基于梯度提升树的分类器(light gra-dient boosting machine,LightGBM)、自适应增强(adaptive boosting,AdaBoost)、多层感知器(multilayer perceptron,MLP)等4种分类器的糖尿病预测模型,并评价其筛查效果。方法:根据病例对照研究设计采集研究组、对照组的99项临床类数据,使用py-thon3.8进行了分析,接着采用线性插补、固有非负隐特征(inherent non negative implicit features,INLF)模型等方法对特征缺失值进行了预测,然后使用4种分类器构建分类模型来检测糖尿病。结果:3241例高血压合并糖尿病患者作为研究组,4181例高血压患者作为对照组被纳入模型进行分析,包含99个特征,通过基于XGBoost、LightGBM、AdaBoost和MLP等4种分类器的糖尿病鉴别分类准确率分别为0.8949、0.8875、0.8620、0.8566。结论:本研究提出基于INLF预测的分类器模型框架的筛查效果较好,初步解决了通过机器学习来进行糖尿病早期筛查的问题,对临床诊断具有一定的实际意义,可作为一种简单、有效的糖尿病及其并发症筛查的方法。
展开更多
关键词
不完备数据
糖尿病并发症
固有非负隐特征
分类器
在线阅读
下载PDF
职称材料
题名
ACEI/ARB对经皮冠脉介入诊疗后对比剂肾病影响的系统评价
被引量：
2
1
作者
何小姣
杨渊
蔡琳
沈健
黄龙祥
梁小雪
罗素新
机构
重庆医科大学附属第一
医院
心血管
内科
成都市第三人民医院心血管内科
出处
《重庆医科大学学报》
CAS
CSCD
北大核心
2015年第4期522-527,共6页
基金
国家自然科学基金面上资助项目(编号:81270210)
重庆市科委资助项目(编号:CSTC2012JJA0911)
国家临床重点专科建设项目(编号:2011-08)
文摘
目的：评价血管紧张素转化酶抑制剂（angiotensin converting enzyme inhibitor,ACEI）或血管紧张素受体阻滞剂（angiotensin receptor blockers,ARB）在接受冠状动脉造影（coronary angiogram,CAG）或经皮冠脉介入（percutaneous coronary intervention,PCI）治疗患者中对对比剂肾病（contrast induced nephropathy,CIN）的影响。方法：在Pub Med、The Cochrane library、维普、知网、万方数据库中搜索从建库到2014年8月的与ACEI/ARB和对比剂肾病相关的文献。根据纳入/排除标准选择文献,评价纳入文献的质量,提取资料采用Stata 11.0软件进行数据Meta数据分析,采用Begg’s法和Egger’s法评估发表偏倚。结果：11项随机对照研究纳入分析,在接受冠脉造影或介入治疗的患者中,与对照组相比,术前使用ACEI/ARB不增加CIN的发生风险,差异无统计学意义（RR=0.78,95%CI=0.53~1.15,P=0.22）。亚组分析显示,治疗时间≥2周组（RR=0.78,95%CI=0.37~1.62,P=0.50）和〈2周组（RR=0.79,95%CI=0.50~1.24,P=0.30）均不影响CIN的发生风险。但ACEI/ARB的使用明显降低术后72 h时CIN的发生风险（RR=0.44,95%CI=0.23~0.87,P=0.02）;在平均造影剂用量≤150 ml组,CIN的风险也明显降低（RR=0.57,95%CI=0.33~0.99,P=0.046）。结论：目前尚无证据表明经皮冠状动脉介入诊疗术前使用ACEI/ARB会增加术后CIN的风险。
关键词
血管紧张素转化酶抑制剂
血管紧张素受体阻滞剂
对比剂肾病
Meta分析
Keywords
angiotensin converting enzyme inhibitor
angiotensin receptor blockers
contrast induced nephropathy
Meta analysis
分类号
R541.4 [医药卫生—心血管疾病]
在线阅读
下载PDF
职称材料
题名
基于人工智能的糖尿病预测研究
被引量：
4
2
作者
周乐明
尚明生
王永红
宋景麟
李小松
黄刚
王科
机构
重庆邮电大学计算机科学与技术学院
中国科学院重庆绿色智能技术研究院大数据中心
重庆市黔江中心
医院
检验科
重庆银行博士后研究中心
成都市第三人民医院心血管内科
重庆市永川区
人民医院
检验科
出处
《重庆医科大学学报》
CAS
CSCD
北大核心
2023年第12期1489-1492,共4页
基金
重庆市科技局、重庆市卫生健康委联合科研资助项目(编号:2019ZDXM006)。
文摘
目的:以临床类指标建立基于极限梯度增强(extreme gradient boosting,XGBoost)、基于梯度提升树的分类器(light gra-dient boosting machine,LightGBM)、自适应增强(adaptive boosting,AdaBoost)、多层感知器(multilayer perceptron,MLP)等4种分类器的糖尿病预测模型,并评价其筛查效果。方法:根据病例对照研究设计采集研究组、对照组的99项临床类数据,使用py-thon3.8进行了分析,接着采用线性插补、固有非负隐特征(inherent non negative implicit features,INLF)模型等方法对特征缺失值进行了预测,然后使用4种分类器构建分类模型来检测糖尿病。结果:3241例高血压合并糖尿病患者作为研究组,4181例高血压患者作为对照组被纳入模型进行分析,包含99个特征,通过基于XGBoost、LightGBM、AdaBoost和MLP等4种分类器的糖尿病鉴别分类准确率分别为0.8949、0.8875、0.8620、0.8566。结论:本研究提出基于INLF预测的分类器模型框架的筛查效果较好,初步解决了通过机器学习来进行糖尿病早期筛查的问题,对临床诊断具有一定的实际意义,可作为一种简单、有效的糖尿病及其并发症筛查的方法。
关键词
不完备数据
糖尿病并发症
固有非负隐特征
分类器
Keywords
incomplete data
diabetes complication
inherent non-negative latent feature
classifier
分类号
R587.1 [医药卫生—内分泌]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
ACEI/ARB对经皮冠脉介入诊疗后对比剂肾病影响的系统评价
何小姣
杨渊
蔡琳
沈健
黄龙祥
梁小雪
罗素新
《重庆医科大学学报》
CAS
CSCD
北大核心
2015
2
在线阅读
下载PDF
职称材料
2
基于人工智能的糖尿病预测研究
周乐明
尚明生
王永红
宋景麟
李小松
黄刚
王科
《重庆医科大学学报》
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
