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
共找到3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：
揿针治疗类风湿关节炎的临床疗效及对血清炎症因子的影响 被引量：3
1
作者 蔡旭 肖剑伟 +3 位作者 程钒钒 许楚花 李美卿 郭粉莲 《河北中医》 2022年第6期997-1001,共5页
目的观察揿针治疗类风湿关节炎(RA)的临床疗效及对血清炎症因子的影响。方法将105例RA患者按照随机数字表法分为3组,对照组35例予常规西药治疗,针刺组35例在西药组治疗基础上加针刺治疗,揿针组35例在针刺组治疗基础上加揿针治疗。3组均1... 目的观察揿针治疗类风湿关节炎(RA)的临床疗效及对血清炎症因子的影响。方法将105例RA患者按照随机数字表法分为3组,对照组35例予常规西药治疗,针刺组35例在西药组治疗基础上加针刺治疗,揿针组35例在针刺组治疗基础上加揿针治疗。3组均10 d为1个疗程,连续治疗2个疗程。比较3组治疗前后28个关节疾病活动度(DAS28)评分、疼痛视觉模拟评分(VAS)变化;比较3组治疗前后血清抗环瓜氨酸肽(CCP)抗体、类风湿因子(RF)及炎症因子白细胞介素6(IL-6)、IL-17A含量变化。结果3组治疗后DAS28评分、疼痛VAS均较本组治疗前降低(P<0.05),治疗后揿针组、针刺组DAS28评分、疼痛VAS均低于对照组(P<0.05)。3组治疗后血清CCP抗体、RF及IL-6、IL-17A含量均较本组治疗前降低(P<0.05),且治疗后揿针组、针刺组血清CCP抗体、RF及IL-6、IL-17A含量均低于对照组(P<0.05)。结论揿针治疗RA能改善患者临床症状,疗效显著,其作用机制可能与抑制炎症因子水平有关。 展开更多
关键词 关节炎 类风湿 针刺疗法
下载PDF
基于机器学习构建强直性脊柱炎患者使用生物制剂不依从性临床预测模型
2
作者 蔡旭 肖剑伟 +4 位作者 郭粉莲 程钒钒 胡鑫玉 许楚花 陈泽建 《广东医学》 CAS 2023年第11期1321-1327,共7页
目的 开发强直性脊柱炎(AS)生物制剂使用不依从性临床预测模型。方法 收集2020年1月至2022年10月门诊及住院确诊AS患者共201例(共收集病例220例,脱落19例),以6个月后治疗覆盖时间比例作为不依从性判定标准。基于LASSO回归及支持向量机... 目的 开发强直性脊柱炎(AS)生物制剂使用不依从性临床预测模型。方法 收集2020年1月至2022年10月门诊及住院确诊AS患者共201例(共收集病例220例,脱落19例),以6个月后治疗覆盖时间比例作为不依从性判定标准。基于LASSO回归及支持向量机筛选特征变量因子并取交集。使用多变量logistic回归分析构建不依从性临床预测模型。通过C指数、受试者工作特征(ROC)曲线、校准图和临床决策曲线评估预测模型的预测能力及临床实用性。通过Adaboost算法及Lightgbm算法对构建的二分类模型进行验证,绘制ROC曲线及PR曲线验证模型预测能力。通过内部抽样构建验证集并使用C指数、校正曲线、ROC曲线进行验证。结果 研究显示AS生物制剂使用不依从性为46.8%。机器学习结果取交集得到教育水平、月收入、焦虑程度、药物使用频次、疾病活动度、年龄6个特征变量作为构建预测模型的因子。该模型C指数为0.739,ROC曲线下面积为0.715。决策曲线分析表明该模型可以使约90%的患者受益。Adaboost算法显示ROC曲线下面积为0.643,PR曲线下面积为0.634;Lightgbm算法显示ROC曲线下面积为0.633,PR曲线下面积为0.676。内部验证结果显示C指数为0.755,ROC曲线下面积为0.733。结论 基于6个特征变量构建的生物制剂不依从性临床预测模型,具有较高的预测能力及实用性,有助于及早发现依从性差的AS患者。 展开更多
关键词 强直性脊柱炎 临床预测模型 机器学习 不依从性 生物制剂
下载PDF
生物制剂不依从性临床预测模型在类风湿关节炎患者中的应用 被引量：1
3
作者 蔡旭 肖剑伟 +3 位作者 程钒钒 赵敏 尹志华 郭粉莲 《临床与病理杂志》 CAS 2021年第9期2125-2132,共8页
目的:开发类风湿关节炎(rheumatoid arthritis,RA)患者用药不依从性临床预测模型。方法:基于2018年1月至2019年3月102例RA患者的训练数据集开发预测模型,使用6个月治疗覆盖天数比例为终点事件进行评估,采用LASSO回归模型用于优化药物不... 目的:开发类风湿关节炎(rheumatoid arthritis,RA)患者用药不依从性临床预测模型。方法:基于2018年1月至2019年3月102例RA患者的训练数据集开发预测模型,使用6个月治疗覆盖天数比例为终点事件进行评估,采用LASSO回归模型用于优化药物不依从性风险模型的特征选择,应用多变量logistic回归分析建立包含LASSO回归模型中选择的特征的预测模型,使用C指数、校准图、ROC曲线和决策曲线分析来评估预测模型的预测能力、校准和临床实用性,并使用Bootstrap进行内部验证。结果:预测模型中的预测因素包括年龄、疾病活动度、教育水平、月收入及焦虑程度。该模型显示出良好的预测能力,C指数为0.897(95%CI:0.827~0.906),ROC曲线下面积(AUC)为0.8787939。在内部验证中,C指数可能达到0.888。决策曲线分析表明,在不损害其他患者的利益情况下,该模型的预测效果可以使得约85%的患者受益。结论:该临床预测模型有助于临床医护人员及早识别不依从性风险较高的患者,从而能够及时采取干预措施。 展开更多
关键词 类风湿关节炎 临床预测模型 不依从性 生物制剂 R软件
下载PDF
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
使用帮助 返回顶部