目的:分析三叉神经痛(trigeminal neuralgia,TN)病人疼痛灾难化的危险因素并建立风险预测模型,为临床有效预防TN病人疼痛灾难化的发生提供参考依据。方法:选取2021年1月至2023年3月在南昌大学第一附属医院疼痛科住院的205例TN病人为研...目的:分析三叉神经痛(trigeminal neuralgia,TN)病人疼痛灾难化的危险因素并建立风险预测模型,为临床有效预防TN病人疼痛灾难化的发生提供参考依据。方法:选取2021年1月至2023年3月在南昌大学第一附属医院疼痛科住院的205例TN病人为研究对象,根据是否发生疼痛灾难化分为疼痛灾难化组和无疼痛灾难化组,采用单因素分析和多因素Logistic回析探讨疼痛灾难化的危险因素,通过R软件构建列线图风险预测模型并验证效果。结果:Logistic回归表明年龄、文化程度、疼痛程度、焦虑、抑郁、睡眠质量是TN病人疼痛灾难化的危险因素,Bootstrap法内部验证显示平均ROC曲线下面积(area under the curve,AUC)为0.978、C-Index为0.978,外部验证显示AUC为0.882、模型特异度为0.941、灵敏度为0.792,表明模型区分度较好,Calibrate曲线图显示模型校准度良好,DCA结果显示模型临床获益水平较高。结论:年龄、文化程度、疼痛程度、焦虑、抑郁、睡眠质量是TN病人疼痛灾难化的危险因素,该列线图风险预测模型具有良好的预测效能和临床应用价值。展开更多
为提高传统数值模拟预报结果的准确性,引入机器学习算法构建一种新型灾害性天气多尺度预测模型。通过降尺度时空融合算法实现遥感数据融合,反演推算得到大气气溶胶光学厚度作为天气预测模型的输入变量。利用包含反向解搜索策略的萤火虫...为提高传统数值模拟预报结果的准确性,引入机器学习算法构建一种新型灾害性天气多尺度预测模型。通过降尺度时空融合算法实现遥感数据融合,反演推算得到大气气溶胶光学厚度作为天气预测模型的输入变量。利用包含反向解搜索策略的萤火虫优化算法,建立预测模型参数寻优策略,应用机器学习的支持向量机算法,构建包含多项式核函数的复杂多尺度预测模型,在考虑各种不确定因素的情况下进行不断训练,最终得到灾害性天气预测结果。使用该模型对2015年6月23日00—24时成都市灾害性天气进行预测,预测结果的ROC(Receiver Operating Characteristic)曲线的AUC(Area Under the Curve)值为0.88,且龙泉驿、新津和金堂站的预测正确率达90%。基于机器学习的灾害性天气多尺度预测模型可为灾害性天气预测提供一种有效手段。展开更多
文摘目的:分析三叉神经痛(trigeminal neuralgia,TN)病人疼痛灾难化的危险因素并建立风险预测模型,为临床有效预防TN病人疼痛灾难化的发生提供参考依据。方法:选取2021年1月至2023年3月在南昌大学第一附属医院疼痛科住院的205例TN病人为研究对象,根据是否发生疼痛灾难化分为疼痛灾难化组和无疼痛灾难化组,采用单因素分析和多因素Logistic回析探讨疼痛灾难化的危险因素,通过R软件构建列线图风险预测模型并验证效果。结果:Logistic回归表明年龄、文化程度、疼痛程度、焦虑、抑郁、睡眠质量是TN病人疼痛灾难化的危险因素,Bootstrap法内部验证显示平均ROC曲线下面积(area under the curve,AUC)为0.978、C-Index为0.978,外部验证显示AUC为0.882、模型特异度为0.941、灵敏度为0.792,表明模型区分度较好,Calibrate曲线图显示模型校准度良好,DCA结果显示模型临床获益水平较高。结论:年龄、文化程度、疼痛程度、焦虑、抑郁、睡眠质量是TN病人疼痛灾难化的危险因素,该列线图风险预测模型具有良好的预测效能和临床应用价值。
文摘为提高传统数值模拟预报结果的准确性,引入机器学习算法构建一种新型灾害性天气多尺度预测模型。通过降尺度时空融合算法实现遥感数据融合,反演推算得到大气气溶胶光学厚度作为天气预测模型的输入变量。利用包含反向解搜索策略的萤火虫优化算法,建立预测模型参数寻优策略,应用机器学习的支持向量机算法,构建包含多项式核函数的复杂多尺度预测模型,在考虑各种不确定因素的情况下进行不断训练,最终得到灾害性天气预测结果。使用该模型对2015年6月23日00—24时成都市灾害性天气进行预测,预测结果的ROC(Receiver Operating Characteristic)曲线的AUC(Area Under the Curve)值为0.88,且龙泉驿、新津和金堂站的预测正确率达90%。基于机器学习的灾害性天气多尺度预测模型可为灾害性天气预测提供一种有效手段。
