As narratives are composed of the content encoded and the medium giving concrete shape to them,narratives are inseparably intertwined with temporalities,those of story time and narrative time.In the poem When We Two P...As narratives are composed of the content encoded and the medium giving concrete shape to them,narratives are inseparably intertwined with temporalities,those of story time and narrative time.In the poem When We Two Parted,there is the co-existence of story time and narrative time.The story time covers three sections depicting separately the past events,the present and the future.They are boiled down into the poem in thirty two lines in total,which gives rise to the variance between duration of story time and duration of narrative time.The durations endow the poem with distinguishable narrative effects.展开更多
目的分析输尿管结石致尿脓毒血症的相关危险因素,建立预测输尿管结石发生尿脓毒血症风险的预测模型。方法选取2013年6月-2015年12月该科收治747例输尿管结石患者的临床资料。选取输尿管结石并发尿脓毒血症患者62例作为病例组研究对象,...目的分析输尿管结石致尿脓毒血症的相关危险因素,建立预测输尿管结石发生尿脓毒血症风险的预测模型。方法选取2013年6月-2015年12月该科收治747例输尿管结石患者的临床资料。选取输尿管结石并发尿脓毒血症患者62例作为病例组研究对象,随机抽取同期本院住院的无尿脓毒血症的输尿管结石患者685例作为对照组研究对象。通过单因素分析和多因素Logistic回归分析评价输尿管结石患者发生尿脓毒血症的危险因素,根据回归系数建立相应的预测模型,并绘制受试者工作特征曲线。结果单因素分析结果显示,性别、年龄、糖尿病、高血压、既往结石手术史、结石长径、结石短径、结石平均CT值、合并同侧肾结石、肾积水平均CT值、尿培养、尿常规白细胞、尿亚硝酸盐和功能性孤立肾等危险因素,差异有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,性别、肾积水平均CT值、尿培养、尿常规WBC、尿亚硝酸盐及功能性孤立肾6个因素是输尿管结石并发尿脓毒血症的危险因素(P<0.05)。受试者工作特征曲线下面积为(0.934±0.012)。Hosmer and Lemeshow检验提示,预测模型拟合(χ2=5.357,P=0.616)。结论女性患者、肾积水平均CT值高、尿培养阳性、尿常规WBC阳性、尿亚硝酸盐阳性及功能性孤立肾可增加输尿管结石患者尿脓毒血症发生率,根据患者临床资料,应用预测模型可有助于提高输尿管结石尿脓毒血症高危患者的筛选和识别能力。展开更多
目的建立预测重症慢性阻塞性肺疾病(简称慢阻肺)患者死亡风险的机器学习模型,探讨与慢阻肺患者死亡风险相关的因素,并加以解释,解决机器学习模型的“黑箱”问题。方法选取美国多中心急诊重症监护病(emergency intensive care unit,eICU...目的建立预测重症慢性阻塞性肺疾病(简称慢阻肺)患者死亡风险的机器学习模型,探讨与慢阻肺患者死亡风险相关的因素,并加以解释,解决机器学习模型的“黑箱”问题。方法选取美国多中心急诊重症监护病(emergency intensive care unit,eICU)数据库中的8088例重症慢阻肺患者为研究对象,提取每次入住重症监护病房的前24 h内的数据并随机分组,70%用于模型训练,30%用于模型验证。采用LASSO回归进行预测变量选择,避免过拟合。采用5种机器学习模型对患者的住院病死率进行预测。通过曲线下面积(area under curve,AUC)比较5种模型和APACHEⅣa评分的预测性能,并采用SHAP(SHapley Additive exPlanations)方法解释随机森林(random forest,RF)模型的预测结果。结果RF模型在5种机器学习模型和APACHEⅣa评分系统中表现出最佳的性能,AUC达到0.830(95%置信区间0.806~0.855)。通过SHAP方法检测最重要的10种预测变量,其中无创收缩压的最小值被认为是最重要的预测变量。结论通过机器学习识别危险因素,并使用SHAP方法解释预测结果,可早期预测患者的死亡风险,有助于临床医生制定准确的治疗计划,合理分配医疗资源。展开更多
文摘As narratives are composed of the content encoded and the medium giving concrete shape to them,narratives are inseparably intertwined with temporalities,those of story time and narrative time.In the poem When We Two Parted,there is the co-existence of story time and narrative time.The story time covers three sections depicting separately the past events,the present and the future.They are boiled down into the poem in thirty two lines in total,which gives rise to the variance between duration of story time and duration of narrative time.The durations endow the poem with distinguishable narrative effects.
文摘目的分析输尿管结石致尿脓毒血症的相关危险因素,建立预测输尿管结石发生尿脓毒血症风险的预测模型。方法选取2013年6月-2015年12月该科收治747例输尿管结石患者的临床资料。选取输尿管结石并发尿脓毒血症患者62例作为病例组研究对象,随机抽取同期本院住院的无尿脓毒血症的输尿管结石患者685例作为对照组研究对象。通过单因素分析和多因素Logistic回归分析评价输尿管结石患者发生尿脓毒血症的危险因素,根据回归系数建立相应的预测模型,并绘制受试者工作特征曲线。结果单因素分析结果显示,性别、年龄、糖尿病、高血压、既往结石手术史、结石长径、结石短径、结石平均CT值、合并同侧肾结石、肾积水平均CT值、尿培养、尿常规白细胞、尿亚硝酸盐和功能性孤立肾等危险因素,差异有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,性别、肾积水平均CT值、尿培养、尿常规WBC、尿亚硝酸盐及功能性孤立肾6个因素是输尿管结石并发尿脓毒血症的危险因素(P<0.05)。受试者工作特征曲线下面积为(0.934±0.012)。Hosmer and Lemeshow检验提示,预测模型拟合(χ2=5.357,P=0.616)。结论女性患者、肾积水平均CT值高、尿培养阳性、尿常规WBC阳性、尿亚硝酸盐阳性及功能性孤立肾可增加输尿管结石患者尿脓毒血症发生率,根据患者临床资料,应用预测模型可有助于提高输尿管结石尿脓毒血症高危患者的筛选和识别能力。
文摘目的建立预测重症慢性阻塞性肺疾病(简称慢阻肺)患者死亡风险的机器学习模型,探讨与慢阻肺患者死亡风险相关的因素,并加以解释,解决机器学习模型的“黑箱”问题。方法选取美国多中心急诊重症监护病(emergency intensive care unit,eICU)数据库中的8088例重症慢阻肺患者为研究对象,提取每次入住重症监护病房的前24 h内的数据并随机分组,70%用于模型训练,30%用于模型验证。采用LASSO回归进行预测变量选择,避免过拟合。采用5种机器学习模型对患者的住院病死率进行预测。通过曲线下面积(area under curve,AUC)比较5种模型和APACHEⅣa评分的预测性能,并采用SHAP(SHapley Additive exPlanations)方法解释随机森林(random forest,RF)模型的预测结果。结果RF模型在5种机器学习模型和APACHEⅣa评分系统中表现出最佳的性能,AUC达到0.830(95%置信区间0.806~0.855)。通过SHAP方法检测最重要的10种预测变量,其中无创收缩压的最小值被认为是最重要的预测变量。结论通过机器学习识别危险因素,并使用SHAP方法解释预测结果,可早期预测患者的死亡风险,有助于临床医生制定准确的治疗计划,合理分配医疗资源。
