Activity based costing (ABC) is a method which can solve many limitations of the traditional cost systems in manufacturing management. In this paper, we investigate how to integrate ABC with workflow technology, and ...Activity based costing (ABC) is a method which can solve many limitations of the traditional cost systems in manufacturing management. In this paper, we investigate how to integrate ABC with workflow technology, and build a workflow meta model supporting ABC. Firstly, the concept and concept model of activity based costing (ABC) are introduced. Next, the meta model of P -PROCE (Process, Product, Resource, Organization, and Cost & Evaluation) is presented. Then the cost meta model is defined by adding ABC to P -PROCE model. Object constraint language (OCL) is used to express meta model and constraints. Finally, we show an enterprise modeling and simulation tool based on the workflow meta model. We can systematically construct an enterprise model and easily and efficiently conduct simulation. Moreover it enables us to analyze and evaluate business processes and its costs.展开更多
Architecture framework has become an effective method recently to describe the system of systems(SoS)architecture,such as the United States(US)Department of Defense Architecture Framework Version 2.0(DoDAF2.0).As a vi...Architecture framework has become an effective method recently to describe the system of systems(SoS)architecture,such as the United States(US)Department of Defense Architecture Framework Version 2.0(DoDAF2.0).As a viewpoint in DoDAF2.0,the operational viewpoint(OV)describes operational activities,nodes,and resource flows.The OV models are important for SoS architecture development.However,as the SoS complexity increases,constructing OV models with traditional methods exposes shortcomings,such as inefficient data collection and low modeling standards.Therefore,we propose an intelligent modeling method for five OV models,including operational resource flow OV-2,organizational relationships OV-4,operational activity hierarchy OV-5a,operational activities model OV-5b,and operational activity sequences OV-6c.The main idea of the method is to extract OV architecture data from text and generate interoperable OV models.First,we construct the OV meta model based on the DoDAF2.0 meta model(DM2).Second,OV architecture named entities is recognized from text based on the bidirectional long short-term memory and conditional random field(BiLSTM-CRF)model.And OV architecture relationships are collected with relationship extraction rules.Finally,we define the generation rules for OV models and develop an OV modeling tool.We use unmanned surface vehicles(USV)swarm target defense SoS architecture as a case to verify the feasibility and effectiveness of the intelligent modeling method.展开更多
Wheat is a critical crop,extensively consumed worldwide,and its production enhancement is essential to meet escalating demand.The presence of diseases like stem rust,leaf rust,yellow rust,and tan spot significantly di...Wheat is a critical crop,extensively consumed worldwide,and its production enhancement is essential to meet escalating demand.The presence of diseases like stem rust,leaf rust,yellow rust,and tan spot significantly diminishes wheat yield,making the early and precise identification of these diseases vital for effective disease management.With advancements in deep learning algorithms,researchers have proposed many methods for the automated detection of disease pathogens;however,accurately detectingmultiple disease pathogens simultaneously remains a challenge.This challenge arises due to the scarcity of RGB images for multiple diseases,class imbalance in existing public datasets,and the difficulty in extracting features that discriminate between multiple classes of disease pathogens.In this research,a novel method is proposed based on Transfer Generative Adversarial Networks for augmenting existing data,thereby overcoming the problems of class imbalance and data scarcity.This study proposes a customized architecture of Vision Transformers(ViT),where the feature vector is obtained by concatenating features extracted from the custom ViT and Graph Neural Networks.This paper also proposes a Model AgnosticMeta Learning(MAML)based ensemble classifier for accurate classification.The proposedmodel,validated on public datasets for wheat disease pathogen classification,achieved a test accuracy of 99.20%and an F1-score of 97.95%.Compared with existing state-of-the-art methods,this proposed model outperforms in terms of accuracy,F1-score,and the number of disease pathogens detection.In future,more diseases can be included for detection along with some other modalities like pests and weed.展开更多
目的系统评价食管癌患者术后吻合口瘘(anastomotic leakage,AL)风险预测模型,为建立和改进模型提供指导。方法计算机检索PubMed、Cochrane Library、EMbase、Web of Science、中华医学期刊全文数据库、维普网、万方、中国生物医学文献...目的系统评价食管癌患者术后吻合口瘘(anastomotic leakage,AL)风险预测模型,为建立和改进模型提供指导。方法计算机检索PubMed、Cochrane Library、EMbase、Web of Science、中华医学期刊全文数据库、维普网、万方、中国生物医学文献数据库以及中国知网发表的关于食管癌术后AL风险预测模型的研究,检索时间为建库至2023年10月1日。采用PROBAST工具评估预测模型研究的质量,采用Stata 15软件对建立模型的预测变量进行Meta分析。结果纳入19篇文献,共构建25个食管癌患者术后AL风险预测模型,7373例患者,受试者工作特征曲线下面积(area under the curve,AUC)为0.670~0.960,其中23个预测模型的预测性能较好(AUC>0.7)。13篇文献进行了模型校准,10篇文献进行内部验证,1篇文献进行外部验证。PROBAST评价结果表明19篇文献均为高偏倚风险。最常见的预测因子包括:低蛋白血症(OR=9.362)、术后呼吸系统并发症(OR=7.427)、切口愈合不良(OR=5.330)、吻合方法(OR=2.965)、术前胸腹部手术史(OR=3.181)、术前合并糖尿病(OR=2.445)、术前合并心血管系统疾病(OR=3.260)、术前新辅助治疗(OR=2.977)、术前呼吸系统疾病(OR=4.744)、手术方式(OR=4.312)、美国麻醉医师协会评分(OR=2.424)等。结论目前食管癌术后AL风险预测模型仍处于研发阶段,总体研究质量有待进一步提升。展开更多
目的采用网状Meta分析方法评价不同教学策略对护理专业《健康评估》课程的教学效果。方法检索Cochrane Library、PubMed、Embase、Web of Science、中国生物医学文献数据库、中国知网、万方数据知识服务平台、维普中文科技期刊数据库中...目的采用网状Meta分析方法评价不同教学策略对护理专业《健康评估》课程的教学效果。方法检索Cochrane Library、PubMed、Embase、Web of Science、中国生物医学文献数据库、中国知网、万方数据知识服务平台、维普中文科技期刊数据库中不同教学策略对护理专业《健康评估》课程影响的随机对照试验研究,检索时限从建库至2024年5月13日。采用澳大利亚JBI循证卫生保健中心的文献质量评价工具进行文献评价,运用STATA 16.0软件进行网状Meta分析。结果最终纳入23篇文献,网状Meta分析结果显示:激发与维持学习动机教学模式是影响护理专业《健康评估》课程的最优教学模式;基于雨课堂的混合教学方法是影响护理专业《健康评估》理论课程的最优教学方法;基于微课的翻转课堂教学方法是影响护理专业《健康评估》实践课程的最优教学方法。结论针对《健康评估》课程,当前应结合激发与维持学习动机教学模式、基于雨课堂的混合教学方法及基于微课的翻转课堂教学方法提升其教学效果,未来可根据循证证据制订更精准的《健康评估》课程教学提升策略。展开更多
背景作为脑卒中患者康复效果的重要评定指标之一,社会参与逐渐受到关注,了解脑卒中患者对社会参与的认知和经历有利于帮助脑卒中患者快速康复、回归家庭并重新融入社会,但单一的质性研究结果可能不具有概括性和代表性。目的通过Meta整...背景作为脑卒中患者康复效果的重要评定指标之一,社会参与逐渐受到关注,了解脑卒中患者对社会参与的认知和经历有利于帮助脑卒中患者快速康复、回归家庭并重新融入社会,但单一的质性研究结果可能不具有概括性和代表性。目的通过Meta整合方法系统梳理关于脑卒中患者对社会参与认知和经历的质性研究,为进一步提高脑卒中患者康复效果提供参考。方法使用计算机检索PubMed、Web of Science、Cochrane Library、Embase、心理学文摘(PsycINFO)、护理和联合卫生文献累积索引(CINAHL)、澳大利亚乔安娜布里格斯研究所(JBI)循证卫生保健数据库、中国知网、万方数据知识服务平台、维普网、中国生物医学文献数据库,筛选其自建库至2022年11月以来收录的关于脑卒中患者对社会参与认知和经历的质性研究。采用汇集性Meta整合法对研究主题、隐含意义、分类等研究结果进行Meta整合。结果纳入Meta整合的14篇文献共涉及183例脑卒中患者,通过Meta整合共得出26个研究结果,其中相近结果可归纳为8个新类别,最终归纳出3个整合结果:(1)脑卒中患者对社会参与的认知和经历;(2)脑卒中患者多种社会参与受限且受较多因素影响;(3)多方支持对脑卒中患者社会参与至关重要。结论脑卒中患者对社会参与有新见解,须纠正和消除脑卒中患者对社会参与的自我认同紊乱及其限制因素,并重视脑卒中患者社会参与的多方支持。展开更多
目的全面概括机器学习技术预测儿童脓毒性休克的模型表现和预测效果,以便有针对性地提升未来研究的质量和模型的预测能力。方法计算机检索PubMed、Embase、Web of Science、ScienceDirect、CNKI、WanFang Data数据库,检索时限均为建库至...目的全面概括机器学习技术预测儿童脓毒性休克的模型表现和预测效果,以便有针对性地提升未来研究的质量和模型的预测能力。方法计算机检索PubMed、Embase、Web of Science、ScienceDirect、CNKI、WanFang Data数据库,检索时限均为建库至2024年4月1日,搜集有关机器学习预测儿童脓毒性休克的研究。由两名研究者独立筛选文献,提取资料并评价纳入研究的偏倚风险后,对于基本信息、研究数据、研究设计及预测模型等进行系统评价。使用随机效应模型合并模型曲线下面积(AUC)进行Meta分析。根据样本量、机器学习模型、预测变量类型、预测变量个数等进行亚组分析,并且对于纳入文献进行发表偏倚与敏感性分析等。结果最终纳入11项研究,其中包含2项低偏倚风险,7项未知偏倚风险,2项高偏倚风险的研究。纳入研究使用到的数据包括公开与非公开的电子病历数据库,用到的机器学习模型包括逻辑回归、随机森林、支持向量机和XGBoost等,且基于不同数据库构建的预测模型出现了不同的特征变量结果,因此确定预测模型的关键变量还需要在其他数据集上进行进一步的验证。Meta分析显示总AUC为0.812[95%CI(0.763,0.860),P<0.001]。进一步的亚组分析显示,较大的样本量(≥1000例)和预测变量类型可以显著提高模型的预测效果(95%CI无重叠)。漏斗图显示纳入研究存在发表偏倚,当剔除极端AUC值后,总AUC为0.815[95%CI(0.769,0.861),P<0.001],表明极端AUC值不敏感。结论机器学习技术在预测儿童脓毒性休克方面展示出一定的潜力,但现有研究在质量上还有待加强,未来的研究工作应提升研究质量并且通过扩大样本量提高模型的预测效果。展开更多
目的系统评价食管癌根治术后吻合口瘘风险预测模型,为选择合适的模型提供客观依据。方法全面检索中国知网、万方、维普、CBM、PubMed、EMbase、Web of Science、The Cochrane Library等数据库中与食管癌根治术后吻合口瘘风险预测模型相...目的系统评价食管癌根治术后吻合口瘘风险预测模型,为选择合适的模型提供客观依据。方法全面检索中国知网、万方、维普、CBM、PubMed、EMbase、Web of Science、The Cochrane Library等数据库中与食管癌根治术后吻合口瘘风险预测模型相关的研究,检索时限为建库至2023年4月30日。由2名研究者独立筛选文献并提取资料信息,使用PROBAST工具进行文献偏倚风险及适用性评估,采用RevMan5.3软件对模型的共同预测因子的预测价值进行Meta分析。结果共纳入18篇文献,包括中文文献11篇和英文文献7篇。预测模型的受试者工作特征曲线下面积(area under the curve,AUC)为0.68~0.954,其中10个模型的AUC>0.8,提示预测性能较好,但纳入研究的偏倚风险较高,主要表现在研究设计及数据分析领域。共同预测因子的Meta分析结果显示,年龄、高血压史、糖尿病史、C反应蛋白、术前化疗史、低蛋白血症、外周血管病、肺部感染、胃网膜血管分支钙化是食管癌根治术后吻合口瘘发生的有效预测因子(P<0.05)。结论食管癌根治术后吻合口瘘风险预测模型研究尚处于发展阶段,未来研究可参考本研究经Meta分析归纳的常见预测因子,结合临床实际选择恰当的方法开发和验证吻合口瘘预测模型,对存在高风险吻合口瘘患者尽早给予针对性的预防措施。展开更多
目的基于系统评价和Meta分析开发并验证一种预测糖尿病足溃疡(diabetic foot ulcers,DFU)患者截肢风险的模型。方法采用主题词+自由词的检索方式,检索关于研究DFU患者截肢风险因素的文献。经筛选最终纳入37项队列研究,采用纽卡斯尔-渥...目的基于系统评价和Meta分析开发并验证一种预测糖尿病足溃疡(diabetic foot ulcers,DFU)患者截肢风险的模型。方法采用主题词+自由词的检索方式,检索关于研究DFU患者截肢风险因素的文献。经筛选最终纳入37项队列研究,采用纽卡斯尔-渥太华量表(Newcastle-Ottawa Scale,NOS)进行质量评价。对DFU的截肢风险因素进行Meta分析。DFU截肢风险预测模型纳入Meta分析中具有统计学意义的风险因素,根据各风险因素合并的比值比(odds ratio,OR)计算其相应β系数并进行评分赋值,建立评分制模型。收集2021年至2023年于陆军军医大学第一附属医院内分泌科住院的453例DFU患者的临床数据作为验证队列,对模型进行验证。模型性能评估基于受试者工作特征曲线下面积(area under the curve of receiver operating characteristic,AUC),通过灵敏度和特异性计算最大约登指数来确定最佳界值分数。结果Meta分析显示在11779例DFU患者中,累积截肢率约34.65%。最终的风险预测模型纳入5个风险因素,包括坏疽[OR=11.92(5.86~24.24)]、溃疡深度[OR=4.93(2.52~9.64)]、骨髓炎[OR=3.19(2.36~4.29)]、既往截肢史[OR=3.19(2.00~5.09)]和下肢动脉疾病[OR=3.10(2.31~4.17)]。根据各风险因素的权重,模型总分为76分,最佳界值分数为36.5分。预测模型性能良好,AUC=0.864(0.824~0.903),灵敏度为0.743,特异性为0.859,准确率为83.00%。结论本研究开发了一种基于风险因素评分的DFU截肢风险预测模型,模型具有良好的区分度和校准度,为DFU截肢相关的临床研究和临床决策提供有效的科学依据。展开更多
为了探究轮作种植模式对植烟土壤理化和生物学特性及烟叶化学成分影响,揭示影响烟叶化学品质的关键因子,在Web of Science、Springer、中国知网、万方、维普和Google Scholar等中英文数据库,以长期定位试验、烟草轮作、土壤理化性质、...为了探究轮作种植模式对植烟土壤理化和生物学特性及烟叶化学成分影响,揭示影响烟叶化学品质的关键因子,在Web of Science、Springer、中国知网、万方、维普和Google Scholar等中英文数据库,以长期定位试验、烟草轮作、土壤理化性质、土壤微生物和烟叶化学成分为关键词,筛选代表性文章51篇,涉及轮作试验194个,非轮作对照试验51个,提取有效田间数据1008组,通过Meta分析、Pearson相关性分析和结构方程模型分析,揭示轮作对烟叶化学成分的影响因素。Meta分析结果表明,不同科类作物与烟草轮作显著改善土壤物理性质、化学性质和生物学特性等质量指标及提高烟叶钾(42.46%)、糖碱比(40.86%)、烟碱(38.59%)、还原糖(38.59%)和总糖(38.51%)等化学成分指标(P<0.05),使各成分更加协调,其中,以烤烟-禾本科轮作模式的效果最好;化学成分含量还受年均温度、年降水量和土壤类型等因素的影响。Pearson相关性分析结果表明,土壤碱解氮(1:R^(2)=0.4468,2:R^(2)=0.4673)、有机质含量(1:R^(2)=0.5089,2:R^(2)=0.3674)、酸性磷酸酶活性(1:R^(2)=0.3161,2:R^(2)=0.3850)和微生物Ace指数(1:R^(2)=0.2026,2:R^(2)=0.2660)与烟叶糖碱比(1:R^(2))和钾含量(2:R^(2))呈显著正相关(P<0.05)。结构方程模型分析表明,土壤有机质和碱解氮含量是影响烟叶钾含量的主要因素,微生物Ace指数和碱解氮含量是影响糖碱比的主要因素。轮作模式对烟草叶片化学成分有显著影响。具体而言,禾本科-烟草轮作模式对土壤的物理、化学和生物特性以及烟叶的化学成分都有积极的影响。Meta分析、Pearson相关分析和结构方程模型进一步证实了这些发现。基于这些结果,建议实施禾本科和烟草轮作制度,以提高烟草生产的质量和效率。该系统应综合考虑年均降水量、年均气温和土壤质量指标,优化烟草生长条件。通过调整轮作制度和土壤管理方法,农民可以在保持烟草质量的同时获得更高的产量,从而提高工业产量和效率。展开更多
文摘Activity based costing (ABC) is a method which can solve many limitations of the traditional cost systems in manufacturing management. In this paper, we investigate how to integrate ABC with workflow technology, and build a workflow meta model supporting ABC. Firstly, the concept and concept model of activity based costing (ABC) are introduced. Next, the meta model of P -PROCE (Process, Product, Resource, Organization, and Cost & Evaluation) is presented. Then the cost meta model is defined by adding ABC to P -PROCE model. Object constraint language (OCL) is used to express meta model and constraints. Finally, we show an enterprise modeling and simulation tool based on the workflow meta model. We can systematically construct an enterprise model and easily and efficiently conduct simulation. Moreover it enables us to analyze and evaluate business processes and its costs.
基金National Natural Science Foundation of China(71690233,71971213,71901214)。
文摘Architecture framework has become an effective method recently to describe the system of systems(SoS)architecture,such as the United States(US)Department of Defense Architecture Framework Version 2.0(DoDAF2.0).As a viewpoint in DoDAF2.0,the operational viewpoint(OV)describes operational activities,nodes,and resource flows.The OV models are important for SoS architecture development.However,as the SoS complexity increases,constructing OV models with traditional methods exposes shortcomings,such as inefficient data collection and low modeling standards.Therefore,we propose an intelligent modeling method for five OV models,including operational resource flow OV-2,organizational relationships OV-4,operational activity hierarchy OV-5a,operational activities model OV-5b,and operational activity sequences OV-6c.The main idea of the method is to extract OV architecture data from text and generate interoperable OV models.First,we construct the OV meta model based on the DoDAF2.0 meta model(DM2).Second,OV architecture named entities is recognized from text based on the bidirectional long short-term memory and conditional random field(BiLSTM-CRF)model.And OV architecture relationships are collected with relationship extraction rules.Finally,we define the generation rules for OV models and develop an OV modeling tool.We use unmanned surface vehicles(USV)swarm target defense SoS architecture as a case to verify the feasibility and effectiveness of the intelligent modeling method.
基金Researchers Supporting Project Number(RSPD2024R 553),King Saud University,Riyadh,Saudi Arabia.
文摘Wheat is a critical crop,extensively consumed worldwide,and its production enhancement is essential to meet escalating demand.The presence of diseases like stem rust,leaf rust,yellow rust,and tan spot significantly diminishes wheat yield,making the early and precise identification of these diseases vital for effective disease management.With advancements in deep learning algorithms,researchers have proposed many methods for the automated detection of disease pathogens;however,accurately detectingmultiple disease pathogens simultaneously remains a challenge.This challenge arises due to the scarcity of RGB images for multiple diseases,class imbalance in existing public datasets,and the difficulty in extracting features that discriminate between multiple classes of disease pathogens.In this research,a novel method is proposed based on Transfer Generative Adversarial Networks for augmenting existing data,thereby overcoming the problems of class imbalance and data scarcity.This study proposes a customized architecture of Vision Transformers(ViT),where the feature vector is obtained by concatenating features extracted from the custom ViT and Graph Neural Networks.This paper also proposes a Model AgnosticMeta Learning(MAML)based ensemble classifier for accurate classification.The proposedmodel,validated on public datasets for wheat disease pathogen classification,achieved a test accuracy of 99.20%and an F1-score of 97.95%.Compared with existing state-of-the-art methods,this proposed model outperforms in terms of accuracy,F1-score,and the number of disease pathogens detection.In future,more diseases can be included for detection along with some other modalities like pests and weed.
文摘目的系统评价食管癌患者术后吻合口瘘(anastomotic leakage,AL)风险预测模型,为建立和改进模型提供指导。方法计算机检索PubMed、Cochrane Library、EMbase、Web of Science、中华医学期刊全文数据库、维普网、万方、中国生物医学文献数据库以及中国知网发表的关于食管癌术后AL风险预测模型的研究,检索时间为建库至2023年10月1日。采用PROBAST工具评估预测模型研究的质量,采用Stata 15软件对建立模型的预测变量进行Meta分析。结果纳入19篇文献,共构建25个食管癌患者术后AL风险预测模型,7373例患者,受试者工作特征曲线下面积(area under the curve,AUC)为0.670~0.960,其中23个预测模型的预测性能较好(AUC>0.7)。13篇文献进行了模型校准,10篇文献进行内部验证,1篇文献进行外部验证。PROBAST评价结果表明19篇文献均为高偏倚风险。最常见的预测因子包括:低蛋白血症(OR=9.362)、术后呼吸系统并发症(OR=7.427)、切口愈合不良(OR=5.330)、吻合方法(OR=2.965)、术前胸腹部手术史(OR=3.181)、术前合并糖尿病(OR=2.445)、术前合并心血管系统疾病(OR=3.260)、术前新辅助治疗(OR=2.977)、术前呼吸系统疾病(OR=4.744)、手术方式(OR=4.312)、美国麻醉医师协会评分(OR=2.424)等。结论目前食管癌术后AL风险预测模型仍处于研发阶段,总体研究质量有待进一步提升。
文摘目的采用网状Meta分析方法评价不同教学策略对护理专业《健康评估》课程的教学效果。方法检索Cochrane Library、PubMed、Embase、Web of Science、中国生物医学文献数据库、中国知网、万方数据知识服务平台、维普中文科技期刊数据库中不同教学策略对护理专业《健康评估》课程影响的随机对照试验研究,检索时限从建库至2024年5月13日。采用澳大利亚JBI循证卫生保健中心的文献质量评价工具进行文献评价,运用STATA 16.0软件进行网状Meta分析。结果最终纳入23篇文献,网状Meta分析结果显示:激发与维持学习动机教学模式是影响护理专业《健康评估》课程的最优教学模式;基于雨课堂的混合教学方法是影响护理专业《健康评估》理论课程的最优教学方法;基于微课的翻转课堂教学方法是影响护理专业《健康评估》实践课程的最优教学方法。结论针对《健康评估》课程,当前应结合激发与维持学习动机教学模式、基于雨课堂的混合教学方法及基于微课的翻转课堂教学方法提升其教学效果,未来可根据循证证据制订更精准的《健康评估》课程教学提升策略。
文摘背景作为脑卒中患者康复效果的重要评定指标之一,社会参与逐渐受到关注,了解脑卒中患者对社会参与的认知和经历有利于帮助脑卒中患者快速康复、回归家庭并重新融入社会,但单一的质性研究结果可能不具有概括性和代表性。目的通过Meta整合方法系统梳理关于脑卒中患者对社会参与认知和经历的质性研究,为进一步提高脑卒中患者康复效果提供参考。方法使用计算机检索PubMed、Web of Science、Cochrane Library、Embase、心理学文摘(PsycINFO)、护理和联合卫生文献累积索引(CINAHL)、澳大利亚乔安娜布里格斯研究所(JBI)循证卫生保健数据库、中国知网、万方数据知识服务平台、维普网、中国生物医学文献数据库,筛选其自建库至2022年11月以来收录的关于脑卒中患者对社会参与认知和经历的质性研究。采用汇集性Meta整合法对研究主题、隐含意义、分类等研究结果进行Meta整合。结果纳入Meta整合的14篇文献共涉及183例脑卒中患者,通过Meta整合共得出26个研究结果,其中相近结果可归纳为8个新类别,最终归纳出3个整合结果:(1)脑卒中患者对社会参与的认知和经历;(2)脑卒中患者多种社会参与受限且受较多因素影响;(3)多方支持对脑卒中患者社会参与至关重要。结论脑卒中患者对社会参与有新见解,须纠正和消除脑卒中患者对社会参与的自我认同紊乱及其限制因素,并重视脑卒中患者社会参与的多方支持。
文摘目的全面概括机器学习技术预测儿童脓毒性休克的模型表现和预测效果,以便有针对性地提升未来研究的质量和模型的预测能力。方法计算机检索PubMed、Embase、Web of Science、ScienceDirect、CNKI、WanFang Data数据库,检索时限均为建库至2024年4月1日,搜集有关机器学习预测儿童脓毒性休克的研究。由两名研究者独立筛选文献,提取资料并评价纳入研究的偏倚风险后,对于基本信息、研究数据、研究设计及预测模型等进行系统评价。使用随机效应模型合并模型曲线下面积(AUC)进行Meta分析。根据样本量、机器学习模型、预测变量类型、预测变量个数等进行亚组分析,并且对于纳入文献进行发表偏倚与敏感性分析等。结果最终纳入11项研究,其中包含2项低偏倚风险,7项未知偏倚风险,2项高偏倚风险的研究。纳入研究使用到的数据包括公开与非公开的电子病历数据库,用到的机器学习模型包括逻辑回归、随机森林、支持向量机和XGBoost等,且基于不同数据库构建的预测模型出现了不同的特征变量结果,因此确定预测模型的关键变量还需要在其他数据集上进行进一步的验证。Meta分析显示总AUC为0.812[95%CI(0.763,0.860),P<0.001]。进一步的亚组分析显示,较大的样本量(≥1000例)和预测变量类型可以显著提高模型的预测效果(95%CI无重叠)。漏斗图显示纳入研究存在发表偏倚,当剔除极端AUC值后,总AUC为0.815[95%CI(0.769,0.861),P<0.001],表明极端AUC值不敏感。结论机器学习技术在预测儿童脓毒性休克方面展示出一定的潜力,但现有研究在质量上还有待加强,未来的研究工作应提升研究质量并且通过扩大样本量提高模型的预测效果。
文摘目的系统评价食管癌根治术后吻合口瘘风险预测模型,为选择合适的模型提供客观依据。方法全面检索中国知网、万方、维普、CBM、PubMed、EMbase、Web of Science、The Cochrane Library等数据库中与食管癌根治术后吻合口瘘风险预测模型相关的研究,检索时限为建库至2023年4月30日。由2名研究者独立筛选文献并提取资料信息,使用PROBAST工具进行文献偏倚风险及适用性评估,采用RevMan5.3软件对模型的共同预测因子的预测价值进行Meta分析。结果共纳入18篇文献,包括中文文献11篇和英文文献7篇。预测模型的受试者工作特征曲线下面积(area under the curve,AUC)为0.68~0.954,其中10个模型的AUC>0.8,提示预测性能较好,但纳入研究的偏倚风险较高,主要表现在研究设计及数据分析领域。共同预测因子的Meta分析结果显示,年龄、高血压史、糖尿病史、C反应蛋白、术前化疗史、低蛋白血症、外周血管病、肺部感染、胃网膜血管分支钙化是食管癌根治术后吻合口瘘发生的有效预测因子(P<0.05)。结论食管癌根治术后吻合口瘘风险预测模型研究尚处于发展阶段,未来研究可参考本研究经Meta分析归纳的常见预测因子,结合临床实际选择恰当的方法开发和验证吻合口瘘预测模型,对存在高风险吻合口瘘患者尽早给予针对性的预防措施。
文摘目的基于系统评价和Meta分析开发并验证一种预测糖尿病足溃疡(diabetic foot ulcers,DFU)患者截肢风险的模型。方法采用主题词+自由词的检索方式,检索关于研究DFU患者截肢风险因素的文献。经筛选最终纳入37项队列研究,采用纽卡斯尔-渥太华量表(Newcastle-Ottawa Scale,NOS)进行质量评价。对DFU的截肢风险因素进行Meta分析。DFU截肢风险预测模型纳入Meta分析中具有统计学意义的风险因素,根据各风险因素合并的比值比(odds ratio,OR)计算其相应β系数并进行评分赋值,建立评分制模型。收集2021年至2023年于陆军军医大学第一附属医院内分泌科住院的453例DFU患者的临床数据作为验证队列,对模型进行验证。模型性能评估基于受试者工作特征曲线下面积(area under the curve of receiver operating characteristic,AUC),通过灵敏度和特异性计算最大约登指数来确定最佳界值分数。结果Meta分析显示在11779例DFU患者中,累积截肢率约34.65%。最终的风险预测模型纳入5个风险因素,包括坏疽[OR=11.92(5.86~24.24)]、溃疡深度[OR=4.93(2.52~9.64)]、骨髓炎[OR=3.19(2.36~4.29)]、既往截肢史[OR=3.19(2.00~5.09)]和下肢动脉疾病[OR=3.10(2.31~4.17)]。根据各风险因素的权重,模型总分为76分,最佳界值分数为36.5分。预测模型性能良好,AUC=0.864(0.824~0.903),灵敏度为0.743,特异性为0.859,准确率为83.00%。结论本研究开发了一种基于风险因素评分的DFU截肢风险预测模型,模型具有良好的区分度和校准度,为DFU截肢相关的临床研究和临床决策提供有效的科学依据。
文摘为了探究轮作种植模式对植烟土壤理化和生物学特性及烟叶化学成分影响,揭示影响烟叶化学品质的关键因子,在Web of Science、Springer、中国知网、万方、维普和Google Scholar等中英文数据库,以长期定位试验、烟草轮作、土壤理化性质、土壤微生物和烟叶化学成分为关键词,筛选代表性文章51篇,涉及轮作试验194个,非轮作对照试验51个,提取有效田间数据1008组,通过Meta分析、Pearson相关性分析和结构方程模型分析,揭示轮作对烟叶化学成分的影响因素。Meta分析结果表明,不同科类作物与烟草轮作显著改善土壤物理性质、化学性质和生物学特性等质量指标及提高烟叶钾(42.46%)、糖碱比(40.86%)、烟碱(38.59%)、还原糖(38.59%)和总糖(38.51%)等化学成分指标(P<0.05),使各成分更加协调,其中,以烤烟-禾本科轮作模式的效果最好;化学成分含量还受年均温度、年降水量和土壤类型等因素的影响。Pearson相关性分析结果表明,土壤碱解氮(1:R^(2)=0.4468,2:R^(2)=0.4673)、有机质含量(1:R^(2)=0.5089,2:R^(2)=0.3674)、酸性磷酸酶活性(1:R^(2)=0.3161,2:R^(2)=0.3850)和微生物Ace指数(1:R^(2)=0.2026,2:R^(2)=0.2660)与烟叶糖碱比(1:R^(2))和钾含量(2:R^(2))呈显著正相关(P<0.05)。结构方程模型分析表明,土壤有机质和碱解氮含量是影响烟叶钾含量的主要因素,微生物Ace指数和碱解氮含量是影响糖碱比的主要因素。轮作模式对烟草叶片化学成分有显著影响。具体而言,禾本科-烟草轮作模式对土壤的物理、化学和生物特性以及烟叶的化学成分都有积极的影响。Meta分析、Pearson相关分析和结构方程模型进一步证实了这些发现。基于这些结果,建议实施禾本科和烟草轮作制度,以提高烟草生产的质量和效率。该系统应综合考虑年均降水量、年均气温和土壤质量指标,优化烟草生长条件。通过调整轮作制度和土壤管理方法,农民可以在保持烟草质量的同时获得更高的产量,从而提高工业产量和效率。
