目的为科学合理分配医疗资源,提高救治率,探讨机器学习算法用于预测新冠病毒感染后是否出现症状的效果。方法回顾性收集2022年12月至2023年2月在某三甲医院确诊为新冠病毒感染患者的临床信息,并随机分为训练集(75%)和测试集(25%)。采用单因素logistic分析及最小绝对收缩和选择算子(LASSO)算法筛选出特征变量。采用fully connected deep neural network(FCDNN)、distributed random forest(DRF)、gradient boosting machine(GBM)以及generalized linear model(GLM)4种机器学习分类器,在训练集中进行模型的构建,并在验证集中验证最佳模型。采用受试者工作特征(ROC)曲线下面积(AUC)、逻辑回归损失(Logloss)、均方根误差(RMSE)和均方误差(MSE)评价机器学习的模型效能。应用基尼指数评价最优模型特征变量的重要性。结果共251例患者纳入分析,其中训练集154例,验证集97例。经单因素logistic分析和LASSO计算后,筛选出年龄、长期饮酒史、睡眠欠佳比率、进食欠佳比率、糖尿病患病率、高血压患病率、其他疾病患病率、基础用药率、其他用药率、呼吸频率以及新冠病毒N基因的CT值等11个特征变量构建机器学习预测模型。4个机器学习模型中,GBM模型的AUC最高,而Logloss、RMSE、MSE最低,GBM模型在训练集和验证集中的AUC分别为0.8780、0.7933。采用基尼指数评价特征变量的重要性,结果显示变量的重要性依次为N基因CT值、年龄、患其他疾病、呼吸频率、患高血压或糖尿病、长期饮酒史、进食欠佳和睡眠欠佳。结论本研究开发并验证了一个GBM预测模型,在预测新冠病毒感染后有无症状上具有良好效能,能为患者后续的诊疗策略制定和医疗资源的分配提供重要参考。
目的建立小檗碱用于脓毒症肠损伤的药物代谢动力学(pharmacokinetics,PK)-药效动力学(pharmacodynamics,PD)大鼠模型,揭示其量效关系。方法以盲肠结扎法制备模型大鼠,假手术组为对照,每组10只。术后大鼠灌胃小檗碱[300mg/(kg·d)]并于不同时间点获得血浆样本,运用高效液相色谱法测定小檗碱血浆浓度并绘制药时曲线,同时通过酶联免疫法检测血浆样本中脂多糖(lipopolysaccharide,LPS)和二胺氧化酶(diamine oxidase,DAO)水平,获得时效曲线。采用房室模型对小檗碱的PK参数进行拟合,获得PK参数。在此基础之上,固定相关的PK参数,对时效关系进行拟合,得到相关的PD参数,根据PD参数,建立小檗碱的PK-PD模型。结果与假手术组相比,模型组大鼠中小檗碱药峰浓度(peak concentration,C_(max))(1.8±0.1)mg/L、血药浓度-时间曲线下面积(area under curve,AUC)(27.1±2.6)h·mg/L明显增大(P<0.05),并可使LPS(0.5±0.006)ng/ml、DAO(5.2±0.079)ng/ml显著降低(P<0.05)。模型组中,当以LPS为药效指标时,小檗碱的PK-PD模型为药物效应=0.4+(0.4×药物浓度)/(药物浓度+3.1)。以DAO为药效指标时,小檗碱的PK-PD模型为药物效应=4.3+(1.3×药物浓度)/(药物浓度+0.2)。结论本文构建的小檗碱PK-PD模型可进行小檗碱血浆浓度和肠损伤指标的相互推算,阐明了小檗碱抑制脓毒症肠损伤的药效物质基础。
