简介：摘要在不同年、月的职业需求数据和不同的教育水平的中国学生通过相关系数判断预测精度,经多元线性回归方程求解职业需求与教育背景的线性部分,再由BP神经网络对非线性部分实现阴影匹配。其次,在职业需求数量序列标准化后,通过马氏链对相关系数权重进行排序,权衡职业需求程度。最后,利用基于ARIMA对非线性部分在当前情形下未来三年的就业需求进行预测。

简介：摘要谵妄是卒中后的常见并发症。卒中后谵妄与患者转归不良和病死率增高相关。文章对卒中后谵妄的筛查工具、预测因素和预测模型进行了综述。

简介：摘要目的构建重症患者压力性损伤风险预测模型，并对其预测效果进行验证。方法选取2019年2—9月入住天津医科大学总医院重症医学科的重症患者，采用队列研究，收集患者相关资料，以是否发生压力性损伤为因变量，对相关资料进行单因素和多因素分析建立预测模型，并进行风险分层和预测效果检验。结果重症患者329例，发生压力性损伤48例；对11个影响因素的单因素分析，血乳酸、体温、ICU住院日数、Braden评分、意识状态、年龄、升压药物治疗是压力性损伤发生的可疑影响因素，差异均有统计学意义（Z值为2.575~3.694，χ2值为6.800、30.510、6.344，P<0.05或0.01）；可疑影响因素带入二元Logistic回归分析结果显示，患者入ICU 24 h内体温、Braden评分、意识状态、年龄及ICU住院时间是压力性损伤发生的独立影响因素（P<0.05或0.01），建立预测模型。内部验证构建模型有统计学意义且拟合度好，灵敏度为66.7%，特异度为72.2%；根据模型进行风险分层，高危组与低危组差异有统计学意义（t值为-33.371，P<0.01）；临床验证预测效果特征（ROC）曲线下面积（AUC）为0.758。结论构建的预测模型是重症患者临床特征的客观指标科学组合有统计学意义；有预测重症患者发生压力性损伤风险的能力；同时具有良好的区分度，对重症患者风险分层管理提供理论依据，具有临床应用价值。

简介：摘要目的构建重症患者压力性损伤风险预测模型，并对其预测效果进行验证。方法选取2019年2—9月入住天津医科大学总医院重症医学科的重症患者，采用队列研究，收集患者相关资料，以是否发生压力性损伤为因变量，对相关资料进行单因素和多因素分析建立预测模型，并进行风险分层和预测效果检验。结果重症患者329例，发生压力性损伤48例；对11个影响因素的单因素分析，血乳酸、体温、ICU住院日数、Braden评分、意识状态、年龄、升压药物治疗是压力性损伤发生的可疑影响因素，差异均有统计学意义（Z值为2.575~3.694，χ2值为6.800、30.510、6.344，P<0.05或0.01）；可疑影响因素带入二元Logistic回归分析结果显示，患者入ICU 24 h内体温、Braden评分、意识状态、年龄及ICU住院时间是压力性损伤发生的独立影响因素（P<0.05或0.01），建立预测模型。内部验证构建模型有统计学意义且拟合度好，灵敏度为66.7%，特异度为72.2%；根据模型进行风险分层，高危组与低危组差异有统计学意义（t值为-33.371，P<0.01）；临床验证预测效果特征（ROC）曲线下面积（AUC）为0.758。结论构建的预测模型是重症患者临床特征的客观指标科学组合有统计学意义；有预测重症患者发生压力性损伤风险的能力；同时具有良好的区分度，对重症患者风险分层管理提供理论依据，具有临床应用价值。

简介：摘要手足口病是由肠道病毒感染所导致的传染病，其主要患病人群为5岁以下的儿童。手足口病预测模型可以对未来一段时间的手足口病发病率进行预测，为相关部门合理的安排医疗卫生资源进行防控提供参考。本文旨在介绍近年来国内外应用于手足口病预测的主要模型，包括求和自回归移动平均模型、灰色预测模型、BP神经网络模型、贝叶斯网络模型，指出这些模型的优缺点，为研究者们对手足口病发病率进行预测时选择模型提供参考。

简介：无

简介：摘要在无症状的高危人群中进行改善生活方式和控制危险因素的一级预防，可显著降低动脉粥样硬化性心血管病（ASCVD）的发病率和死亡率。建立ASCVD的风险评估技术，在无症状人群中筛选出ASCVD风险程度较高的亚组并进行强化干预，已成为ASCVD一级预防的关键。本文系统阐述了ASCVD传统危险因素的预测价值和限制性以及可预测ASCVD的多组学和影像学技术的新进展，并对今后的研究进行了展望，这些研究将进一步强化ASCVD的预测体系，在无症状人群中实现心血管疾病风险的精准预测。

简介：摘要目的通过构建不等权组合模型预测我国2020年至2035年医师需求数量，为卫生人力资源的规划提供科学参考。方法采用趋势外推法、人力/人口比值法、卫生服务需求法对我国2020年至2035年医师需求进行初步预测，进而采用德尔菲法对这3种方法的结果进行不等权组合，计算得出2020年至2035年我国医师需求。结果通过不等权组合模型预测，2020年至2035年我国医师需求逐步增长，从2.64人/千人口增至3.67人/千人口，但增长幅度逐步放缓。结论运用不等权组合预测模型，综合服务需求和历史现状，测算方法科学可行。建议参照医师需求的同时，综合考虑影响医师供需平衡的因素进行医学教育及医师分科相关的政策制定。

简介：摘要目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列，对该序列进行时序预测模型辨识，得到ARIMA(1,1,1)、AR(4)以及AR(7)模型，利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集，参数运算采用Prony方法，预测拟合未来的出车数量；AR(4)和AR(7)模型采用均匀系数，预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测，ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差（MAPE）低于6%，结果基本都位于95%置信区间内，利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合，AR模型可以对急救调度日出车量做短期有效预测。

简介：摘要目的系统评价脑卒中后抑郁(PSD)风险预测模型。方法计算机检索Web of Science、The Cochrane Library、PubMed、Embase、CINAHL、知网、中国生物医学文献服务系统、万方和维普数据库中建库至2022年6月1日收录的PSD风险预测模型相关文献，采用预测模型构建研究数据提取和质量评价清单(CHARMS)对纳入文献中的模型进行质量评价，并对纳入模型中具有共性的预测因子的预测价值采用RevMan 5.3软件进行Meta分析。结果共纳入9篇文献，包含11个PSD风险预测模型，所有模型的建模时受试者工作特征曲线下面积(AUC)为0.726~0.854，其中7个模型的AUC≥0.8，预测效能较高，但仍存在偏倚风险，主要原因包括未报告缺失数据的处理、模型效果评价不完整以及未对模型进行内外部验证。Meta分析结果显示抑郁或其他精神疾病病史(OR=6.73，95%CI：3.87~11.73)、艾森克人格问卷(EPO)评分(OR=1.13，95%CI：1.03~1.23)、高血压(OR=0.47，95%CI：0.30~0.74)、Barthel指数(OR=0.98，95%CI：0.98~0.99)均是PSD的有效预测因子。结论PSD风险预测模型整体预测性能良好，但也仍存在一定的偏倚风险，未来应对建模方法进行改进；PSD风险预测模型的建立可重点关注抑郁或其他精神疾病病史、EPQ评分、高血压、Barthel指数等预测因子。

简介：摘要不同抑郁症患者的最优治疗方案一般需通过长期、低效率的试错过程来逐步确定。为实现抑郁症的精准治疗，有必要通过特异性生物标志物来选择有效的治疗方法。深度学习是机器学习的一个分支，该技术能处理大量高维、复杂的数据，适用于自动提取和学习临床、基因组学和神经影像数据的特征。近年来，研究人员正在使用深度学习技术开发抑郁症治疗反应的预测模型，有利于指导临床医生为患者选择最佳治疗方案以及在全球范围内推进更为高效的个体化精准医疗方案。本文从人口学、临床症状数据、基因组学数据和功能磁共振成像数据三个方面，对深度学习预测抑郁症疗效方面的相关研究进行综述，并对未来的深度学习研究方向尤其是多组学数据结合深度学习的应用进行展望。

简介：摘要物资需求预测对于物资储备和管理决策具有重要意义。本文基于ARIMA时间序列模型对电网公司资产管理系统中的物资领用大数据进行挖掘，建立电网物资需求预测模型，并验证模型正确性，该模型可以为电网公司做出合理的物资储备管理决策提供支撑。

简介：摘要阿尔茨海默病(AD)是老年人中最常见的痴呆症，目前尚无特效疗法能阻止或逆转其病情进展。轻度认知障碍(MCI)是早期诊断和预防AD的重要切入点，目前已有越来越多的研究探讨MCI向AD转化的危险因素和生物标志物，并构建了一系列MCI向AD转化风险预测模型。笔者现对近年来关于MCI向AD转化的预测因素及其风险预测模型方面的研究进展进行综述，以期为临床早期识别AD高危人群、管理可控高危因素提供依据，并为模型的选择与改良提供参考。

简介：摘要目的探讨特重度烧伤患者的死亡风险因素，以此建立死亡风险列线图预测模型，并分析其对特重度烧伤患者死亡风险的预测价值。方法回顾性分析陆军军医大学第一附属医院全军烧伤研究所2010年1月—2018年10月收治的231例(男190例、女41例，年龄18～60岁)符合入选标准的特重度烧伤患者的病历资料，根据患者最终预后分为存活组173例和死亡组58例。统计2组患者性别、年龄、吸入性损伤程度、烧伤总面积、Ⅲ度烧伤面积、烧伤指数，伤后第1、2个24 h补液系数和尿量系数，入院后首次碱剩余、休克指数、血细胞比容(HCT)，有无院前补液、是否使用呼吸机、是否进行连续性肾脏替代治疗(CRRT)，计算入院时简化烧伤严重指数(ABSI)、Baux评分。根据呼吸机使用情况将患者分为使用呼吸机组131例和未使用呼吸机组100例，统计2组患者的死亡情况、烧伤总面积、烧伤指数、吸入性损伤发生情况和程度；根据CRRT应用情况将患者分为进行CRRT组59例和未进行CRRT组172例，统计2组患者的死亡情况、烧伤总面积和烧伤指数。对数据行t检验、χ2检验、Mann-Whitney U检验，筛选患者死亡的相关因素。对存活组和死亡组组间比较差异有统计学意义的指标进行多因素logistic回归分析，筛选患者死亡的独立风险因素，并据此建立死亡风险列线图预测模型。采用Bootstrap法对死亡风险列线图预测模型进行内部验证，通过绘制校准曲线和计算一致性系数来评估死亡风险列线图预测模型对患者死亡风险的预测价值。根据死亡风险的列线图得到231例患者的死亡风险评分，并绘制受试者工作特征(ROC)曲线，计算其最佳阈值与最佳阈值下的敏感度、特异度及曲线下面积。结果(1)存活组和死亡组患者烧伤指数、入院时ABSI、吸入性损伤程度、烧伤总面积、Ⅲ度烧伤面积、伤后第1个24 h补液系数、使用呼吸机、进行CRRT及入院时Baux评分比较，差异有统计学意义(Z＝-7.696、-7.301，χ2＝18.304、63.065、23.300、13.073、34.240、59.586，t＝-7.536，P<0.01)。(2)使用呼吸机组和未使用呼吸机组患者死亡情况、吸入性损伤伤发生情况及程度、烧伤总面积、烧伤指数比较，差异有统计学意义(χ2＝34.240、17.394、25.479，Z＝-6.557、-7.049，P<0.01)。(3)进行CRRT组和未进行CRRT组患者的死亡情况、烧伤总面积和烧伤指数比较，差异有统计学意义(χ2＝62.982，Z＝-47.421、-6.678，P<0.01)。(4)使用呼吸机、进行CRRT和烧伤指数是特重度烧伤患者死亡的独立危险因素(比值比＝3.277、5.587、1.067，95%置信区间＝1.073～10.008、2.384～13.093、1.038～1.096，P<0.05或P<0.01)。(5)列线图预测模型初始一致性系数为0.90，校正后的一致性系数为0.89，校正前后的一致性系数相近且均较高，列线图预测模型的一致性和预测效果较好。ROC曲线最佳阈值为0.23，最佳阈值下的敏感度是86.0%、特异度是80.0%。ROC曲线下面积为0.90(95%置信区间＝0.86～0.94，P<0.01)。结论烧伤程度重及器官的损伤和/或衰竭是特重度烧伤患者死亡的根本原因。基于使用呼吸机、进行CRRT和烧伤指数3个指标建立的死亡风险列线图预测模型对特重度烧伤患者死亡有较好的预测能力。

简介：摘要目的筛选院内跌倒伤害预测因素，构建院内跌倒伤害预测模型并开发列线图。方法选取浙江大学医学院附属第二医院2014年1月至2019年12月所有住院期间发生院内跌倒的患者243例为研究对象。患者发生跌倒后收集相关资料，包括年龄、性别、功能障碍等。采取Lasso回归与Logistic回归相结合方法筛选预测因素，构建院内跌倒伤害预测模型并开发列线图。C指数、H-L拟合优度检验验证模型区分度、一致性。Bootstrap重采法进行模型内部验证。结果70例患者发生院内跌倒伤害，跌倒伤害发生率为28.81%。年龄≥60岁、功能障碍、联合服用特殊药物、无陪护、低血钙是跌倒伤害的五大预测因素。模型C指数为0.823（95%CI 0.756~0.875），模型内部验证C指数为0.803。H-L拟合优度检验结果显示，差异无统计学意义（χ2值为8.42，P=0.43）。结论本研究构建的院内跌倒伤害预测模型具有良好的区分度及一致性，临床医务人员能够准确、快速通过院内跌倒伤害预测列线图获得重回风险，识别院内跌倒伤害发生高风险患者，为针对性预防跌倒伤害干预措施提供参考依据。

简介：摘要目的通过生物信息学分析筛选与胃癌预后相关的微RNA(miRNA)，构建风险评分模型并进行验证。方法从人类癌症基因组图谱数据库下载491例样本的人类基因组miRNA测序数据(胃癌组织样本446份，正常胃组织样本45份)和相应的临床病理信息。通过R 4.0.2软件edgeR包对miRNA表达谱进行差异分析，将所得差异表达谱按1∶1的比例随机分为训练集和测试集。采用单因素Cox回归分析和最小绝对收缩和选择算子(LASSO)回归分析筛选预后相关miRNA，进一步对筛选出的预后相关miRNA进行多因素Cox回归分析并构建预后风险评分模型。采用Kaplan-Meier曲线、受试者操作特征曲线、曲线下面积(AUC)动态变化曲线评估模型的预测效能。结果以|log2差异倍数|>1.5、P<0.01为标准，筛选出175个胃癌组织中差异表达miRNA。通过单因素Cox回归分析和LASSO回归分析筛选出6个与胃癌患者总生存率相关的差异表达miRNA，使用多因素Cox回归分析成功构建5-miRNA风险评分模型：风险评分＝0.183×hsa-miRNA-184+0.086×hsa-miRNA-675-0.231×hsa-miRNA-2115+0.548×hsa-miRNA-3943-1.455×hsa-miRNA-1246。在训练集、测试集、总体数据集中，高风险组患者的累积生存率均低于低风险组，差异均有统计学意义(χ2＝18.90、9.50、26.70，P均<0.05)，模型预测效能优于TNM分期，且分层分析显示模型能有效预测早期胃癌。单因素和多因素Cox回归分析显示模型风险评分、年龄和M分期是胃癌患者预后不良的独立危险因素[风险比(95%可信区间)分别为1.19(1.07～1.32)、1.20(1.06～1.40)，1.50(1.01～2.23)、1.90(1.28～2.90)，1.34(1.15～1.57)、2.10(1.05～4.40)；P均<0.05]。结论基于5个miRNA构建的5-miRNA风险评分模型预测胃癌患者预后的准确性高，是独立的预后因子。

简介：摘要目的系统评价宫颈癌发病风险预测模型的现况，为实践工作选择最合适的模型提供证据，指导宫颈癌筛查。方法以宫颈癌和风险预测模型相关的两组中英文关键词，分别检索中国知网、万方数据知识服务平台及PubMed、Embase、Cochrane Library，筛选截至2019年11月21日发表构建或验证宫颈癌发病模型相关文献。根据CHARMS清单制定提取表，以PROBAST工具评估偏倚风险。结果共纳入12篇文献，涉及15个模型，其中5个模型在中国构建。预测结局包含从宫颈癌前病变到癌症发生的多个阶段宫颈涂片异常（1）、CIN的发生或复发（9）、宫颈癌发生（5）。使用较多的预测因素为HPV感染（12）、年龄（7）、吸烟（5）和文化程度（5）。有2个模型采用机器学习建模。模型表现上，区分度范围为0.53~0.87，而校准度只有2个模型正确评价。仅2个模型在中国台湾地区利用不同时间段的人群进行了外部验证。偏倚风险评价发现所有模型均为高风险，尤其分析领域，问题集中在缺失数据处理不当（13）、模型表现评价不完整（13）、内部验证使用不当（12）和样本量不足（11）。另外，预测因素和结局测量不一致（8）、结局测量盲法使用情况未报告（8）的问题较突出。相对而言，Rothberg等（2018）的模型质量较高。结论宫颈癌发病风险预测模型有一定数量但质量较差，亟须提高预测因素与结局的测量以及缺失数据处理和模型表现评价等统计分析细节，对现有模型进行外部验证，以更好地指导筛查。

简介：摘要目的系统评价非计划重返ICU风险预测模型的预测价值。方法系统检索Cochrane Library、PubMed、Embase、万方数据库、维普网、中国知网等中英文数据库，收集有关非计划重返ICU风险预测模型的研究，检索时限为建库至2022年1月1日。由2名研究者独立筛选文献及资料提取，评价纳入研究的偏倚风险，同时评价不同模型的准确度。结果最终纳入15篇文献，非计划重返ICU比例为2.54%~13.13%，各预测模型的受试者工作特征曲线下面积为0.660~0.858。15篇纳入文献中，只有5个预测模型进行了外部验证，大多数模型在建模过程中存在一定的偏倚风险，但整体适用性表现良好。结论多数非计划重返ICU预测模型存在一定的方法学和统计分析的缺陷，医护人员在临床应用过程中应谨慎解释其预测效果，未来研究应重点关注模型的外部验证。

简介：摘要脑卒中后抑郁(PSD)是脑卒中后常见的并发症，严重影响患者生存质量，早发现、早治疗可明显改善脑卒中患者的抑郁状况。现有的PSD风险预测模型多基于临床危险因素、患者社会心理因素、影像学因素、生物学标志物及中医证候因素建立，本文现围绕模型的建立过程、预测性能、不足之处及发展趋势综述如下。

简介：摘要传统的生存预测属于“静态预测”，即其只能利用基线暴露信息预测结局的发生情况。而目前出于临床研究实际需求，越来越多的研究者开始关注“动态预测”，该方法能利用截至预测起点（界标时点）的暴露信息对预测模型进行更新，从而实现对患者结局的动态预测。界标模型即一种动态预测模型，其结构简单、容易实现、计算效率高，且其性能与相较之下更为复杂的联合模型相近，目前已得到广泛应用。但其在国内的应用仍较少，本文从界标模型的基本思想出发，通过案例简要介绍其应用方法，以期促进其在临床生存分析动态预测场景中的应用。