In this paper, a transformation model named SARC(static-filter adjustment with restricted condition) is presented, which is more practical and more rigorous in theory and fitting any angle of rotation parameter. The t...In this paper, a transformation model named SARC(static-filter adjustment with restricted condition) is presented, which is more practical and more rigorous in theory and fitting any angle of rotation parameter. The transformation procedure is divided into 4 steps: ① the original and object coordinates can be regarded as observations with errors; ② rigorous formula is firstly deduced in order to compute the first approximation of the transformation parameters by use of four common points and the transformation equation is linearized; ③ calculate the most probable values and variances of the seven transformation parameters by SARC model; ④ to demonstrate validity of SARC , an example is given.展开更多
目的评估6种常用肌少症初筛方法对2型糖尿病(type 2 diabetes,T2DM)患者肌少症发生风险的预测效果。方法研究对象为来自临沂市人民医院的790例T2DM患者。通过收集患者的一般资料、测量骨骼肌质量和其他人体体成分标志物,并进行问卷调查...目的评估6种常用肌少症初筛方法对2型糖尿病(type 2 diabetes,T2DM)患者肌少症发生风险的预测效果。方法研究对象为来自临沂市人民医院的790例T2DM患者。通过收集患者的一般资料、测量骨骼肌质量和其他人体体成分标志物,并进行问卷调查,评估了简易五项评分问卷(Strength,Assistance with walking,Rise from a chair,Climb stairs,and Falls,SARC-F)、小腿周径、肌少症评估表(SARC-F with Calf circumference,SARC-CalF)、迷你肌少症风险评估表(Mini Sarcopenia Risk Assessment,MSRA)-5、MSRA评分-7和简易物理性能测验(Short Physical Performance Battery,SPPB)对T2DM患者肌少症的预测效果。结果随机森林(重要性0.147)和多因素Logistic回归分析结果显示SARC-CalF评分对T2DM患者肌少症的诊断具有较好的预测效果(SARC-CalF评分,OR=1.24,95%CI:1.17~1.31)。ROC曲线分析显示SARC-CalF评分的预测效果较好,曲线下面积(area under curve,AUC)为0.84,敏感度为80.00%,特异度为87.12%。SARC-CalF评分联合握力和6 m步速可以进一步提高预测效果(AUC=0.94,敏感度=88.00%,特异度=88.26%)(Z=5.15,P<0.001)。结论SARC-CalF评分作为肌少症初筛方法在T2DM患者中具有较好的应用价值,并且联合握力和6 m步速可以进一步提高预测效果,这为早期筛查和干预T2DM患者肌少症提供了依据,有助于改善患者的生活质量。展开更多
目的探讨体质量指数(BMI)联合简易五项问卷(SARC-F)评分对老年肌少症与吞咽障碍共病的预测价值。方法选取2024年4月至9月贵州省人民医院收治的353例住院老年患者为研究对象。通过洼田饮水试验评估吞咽障碍,依据2019年亚洲肌少症工作组...目的探讨体质量指数(BMI)联合简易五项问卷(SARC-F)评分对老年肌少症与吞咽障碍共病的预测价值。方法选取2024年4月至9月贵州省人民医院收治的353例住院老年患者为研究对象。通过洼田饮水试验评估吞咽障碍,依据2019年亚洲肌少症工作组的标准诊断肌少症,根据患者是否存在肌少症与吞咽障碍共病将患者分为共病组(106例)和无共病组(247例)。采用SPSS 26.0统计软件进行数据分析。根据数据类型,分别采用t检验、Mann-Whitney U检验或χ^(2)检验进行组间比较。采用二元logistic回归模型分析老年肌少症与吞咽障碍共病的影响因素。通过受试者工作特征(ROC)曲线确定BMI、SARC-F评分预测两者共病的临界值。结果年龄、无规律运动、合并症≥4种、微型营养评估简表(MNA-SF)评分、Barthel指数(BI)及BMI均是老年肌少症与吞咽障碍共病的影响因素。BMI≤22.55 kg/m^(2)、SARC-F评分≥3分预测老年肌少症与吞咽障碍共病ROC曲线下面积(AUC)分别为0.839(95% CI 0.795~0.883)和0.895(95% CI 0.859~0.930),二者联合的AUC为0.933(95% CI 0.908~0.958)。结论BMI联合SARC-F评分能提高筛查老年肌少症与吞咽障碍共病风险的准确性。展开更多
在未知参数和观测值动态地同时增加以及有约束条件时的动态平差情况下的平差模型还没有。提出一种新的逐次约束平差模型(Step-by-Step Adjustment with Restricted Condition———SARC)能解决此问题。首先导出递推公式,分析SARC的几种...在未知参数和观测值动态地同时增加以及有约束条件时的动态平差情况下的平差模型还没有。提出一种新的逐次约束平差模型(Step-by-Step Adjustment with Restricted Condition———SARC)能解决此问题。首先导出递推公式,分析SARC的几种特殊情况,通过一个算例验证SARC的正确性,最后总结SARC的特点,对其应用前景进行展望。展开更多
讨论了已有的三维坐标转换模型的优缺点,提出了一种实用性更广、理论上更严密的坐标转换模型———SARC(static-filter adjustment with restricted condition)。把原坐标和目标坐标既可以看成有误差的观测值,也可以看成无误差的约束值...讨论了已有的三维坐标转换模型的优缺点,提出了一种实用性更广、理论上更严密的坐标转换模型———SARC(static-filter adjustment with restricted condition)。把原坐标和目标坐标既可以看成有误差的观测值,也可以看成无误差的约束值。首先推出计算转换参数初值的严密公式,在此基础上进行线性化。用三个点进行首次平差,得到参数的第一次平差值及其方差。随着公共点逐个增加,进行逐次平差。展开更多
目的探讨基于亚洲肌肉减少症工作组专家共识(AWGS)的4种筛查工具[简易五项问卷(SARC-F)、SARC-Calf问卷、小腿围(CC)、石井评分(Ishii评分)]对中国老年人肌肉减少症(肌少症)的诊断价值。方法计算机检索Web of Science、PubMed、EMBase、...目的探讨基于亚洲肌肉减少症工作组专家共识(AWGS)的4种筛查工具[简易五项问卷(SARC-F)、SARC-Calf问卷、小腿围(CC)、石井评分(Ishii评分)]对中国老年人肌肉减少症(肌少症)的诊断价值。方法计算机检索Web of Science、PubMed、EMBase、CNKI、WanFang Data数据库,搜集有关肌少症筛查工具准确性的诊断性试验,检索时限为建库至2023年4月。由2名研究者独立筛选文献、提取资料并交叉核对,并评价纳入研究的质量。采用Meta-disc 1.4和Stata 17.0软件进行Meta分析。结果共纳入18个研究,涉及4种筛查工具。基于AWGS诊断标准,在中国老年人中SARC-F、SARC-Calf、CC、Ishii评分的灵敏度分别为19%、58%、82%、92%,特异度为93%、84%、72%、71%,曲线下面积(AUC)为0.76、0.77、0.85、0.88,SARC-F、SARC-Calf、CC应用于女性的灵敏度比男性高,特异度比男性低,Ishii评分与之相反。SARC-F、Ishii评分在养老机构和住院患者中具有更高的灵敏度,分别为39%、95%。SARC-Calf在社区居民中具有更高特异度(87%)。CC在社区居民中具有更高的灵敏度、特异度,分别为84%、76%。结论SARC-F、Ishii评分更适合在养老机构和住院患者中筛查肌少症,CC更适合在社区居民中筛查肌少症,SARC-F、SARC-Calf可作为排除肌少症患者的工具。SARC-F、SARC-Calf、CC在女性中的应用价值较男性高,Ishii评分与之相反。展开更多
文摘In this paper, a transformation model named SARC(static-filter adjustment with restricted condition) is presented, which is more practical and more rigorous in theory and fitting any angle of rotation parameter. The transformation procedure is divided into 4 steps: ① the original and object coordinates can be regarded as observations with errors; ② rigorous formula is firstly deduced in order to compute the first approximation of the transformation parameters by use of four common points and the transformation equation is linearized; ③ calculate the most probable values and variances of the seven transformation parameters by SARC model; ④ to demonstrate validity of SARC , an example is given.
文摘目的评估6种常用肌少症初筛方法对2型糖尿病(type 2 diabetes,T2DM)患者肌少症发生风险的预测效果。方法研究对象为来自临沂市人民医院的790例T2DM患者。通过收集患者的一般资料、测量骨骼肌质量和其他人体体成分标志物,并进行问卷调查,评估了简易五项评分问卷(Strength,Assistance with walking,Rise from a chair,Climb stairs,and Falls,SARC-F)、小腿周径、肌少症评估表(SARC-F with Calf circumference,SARC-CalF)、迷你肌少症风险评估表(Mini Sarcopenia Risk Assessment,MSRA)-5、MSRA评分-7和简易物理性能测验(Short Physical Performance Battery,SPPB)对T2DM患者肌少症的预测效果。结果随机森林(重要性0.147)和多因素Logistic回归分析结果显示SARC-CalF评分对T2DM患者肌少症的诊断具有较好的预测效果(SARC-CalF评分,OR=1.24,95%CI:1.17~1.31)。ROC曲线分析显示SARC-CalF评分的预测效果较好,曲线下面积(area under curve,AUC)为0.84,敏感度为80.00%,特异度为87.12%。SARC-CalF评分联合握力和6 m步速可以进一步提高预测效果(AUC=0.94,敏感度=88.00%,特异度=88.26%)(Z=5.15,P<0.001)。结论SARC-CalF评分作为肌少症初筛方法在T2DM患者中具有较好的应用价值,并且联合握力和6 m步速可以进一步提高预测效果,这为早期筛查和干预T2DM患者肌少症提供了依据,有助于改善患者的生活质量。
文摘目的探讨体质量指数(BMI)联合简易五项问卷(SARC-F)评分对老年肌少症与吞咽障碍共病的预测价值。方法选取2024年4月至9月贵州省人民医院收治的353例住院老年患者为研究对象。通过洼田饮水试验评估吞咽障碍,依据2019年亚洲肌少症工作组的标准诊断肌少症,根据患者是否存在肌少症与吞咽障碍共病将患者分为共病组(106例)和无共病组(247例)。采用SPSS 26.0统计软件进行数据分析。根据数据类型,分别采用t检验、Mann-Whitney U检验或χ^(2)检验进行组间比较。采用二元logistic回归模型分析老年肌少症与吞咽障碍共病的影响因素。通过受试者工作特征(ROC)曲线确定BMI、SARC-F评分预测两者共病的临界值。结果年龄、无规律运动、合并症≥4种、微型营养评估简表(MNA-SF)评分、Barthel指数(BI)及BMI均是老年肌少症与吞咽障碍共病的影响因素。BMI≤22.55 kg/m^(2)、SARC-F评分≥3分预测老年肌少症与吞咽障碍共病ROC曲线下面积(AUC)分别为0.839(95% CI 0.795~0.883)和0.895(95% CI 0.859~0.930),二者联合的AUC为0.933(95% CI 0.908~0.958)。结论BMI联合SARC-F评分能提高筛查老年肌少症与吞咽障碍共病风险的准确性。
文摘在未知参数和观测值动态地同时增加以及有约束条件时的动态平差情况下的平差模型还没有。提出一种新的逐次约束平差模型(Step-by-Step Adjustment with Restricted Condition———SARC)能解决此问题。首先导出递推公式,分析SARC的几种特殊情况,通过一个算例验证SARC的正确性,最后总结SARC的特点,对其应用前景进行展望。
文摘讨论了已有的三维坐标转换模型的优缺点,提出了一种实用性更广、理论上更严密的坐标转换模型———SARC(static-filter adjustment with restricted condition)。把原坐标和目标坐标既可以看成有误差的观测值,也可以看成无误差的约束值。首先推出计算转换参数初值的严密公式,在此基础上进行线性化。用三个点进行首次平差,得到参数的第一次平差值及其方差。随着公共点逐个增加,进行逐次平差。
