您的位置: 专家智库 > >

刘冰

作品数:6 被引量:7H指数:2
供职机构:沧州市中心医院更多>>
相关领域:医药卫生自动化与计算机技术更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 5篇医药卫生
  • 1篇自动化与计算...

主题

  • 3篇心房
  • 3篇心房颤动
  • 3篇血栓
  • 3篇左心
  • 3篇左心房
  • 3篇左心房血栓
  • 3篇模型构建
  • 3篇膜性
  • 3篇房颤
  • 3篇非瓣膜性
  • 3篇瓣膜
  • 2篇档案
  • 2篇心房颤动患者
  • 2篇决策树
  • 1篇档案信息
  • 1篇档案信息化
  • 1篇心肌
  • 1篇心肌梗死
  • 1篇信息化
  • 1篇型心

机构

  • 6篇沧州市中心医...
  • 2篇河北省沧州中...

作者

  • 6篇刘冰
  • 4篇郑楠
  • 4篇张军
  • 2篇武霖
  • 1篇孙萍
  • 1篇刘静

传媒

  • 1篇岭南心血管病...
  • 1篇价值工程
  • 1篇经济师
  • 1篇临床军医杂志
  • 1篇中西医结合心...
  • 1篇中国循证心血...

年份

  • 2篇2025
  • 1篇2024
  • 1篇2023
  • 1篇2015
  • 1篇2013
6 条 记 录,以下是 1-6
排序方式:
急性前壁ST段抬高型心肌梗死左心室血栓形成预测因素分析及决策树模型构建
2025年
目的探讨急性前壁ST段抬高型心肌梗死(STEMI)患者左心室血栓形成的预测因素并构建决策树预测模型。方法回顾性分析沧州市中心医院自2014年10月至2024年10月收治的411例急性前壁STEMI患者的临床资料。将并发左心室血栓的137例患者纳入血栓组;将根据年龄(年龄±2岁)和性别匹配的无左心室血栓的274例患者纳入非血栓组。比较两组患者的一般资料。根据7∶3比例将患者分为训练集(n=286)和验证集(n=125),训练集用于模型构建,验证集用于模型验证。采用logistic回归分析筛选急性前壁STEMI患者左心室血栓形成的预测因素并构建决策树预测模型。采用受试者工作特征曲线计算曲线下面积(AUC)评估训练集和验证集决策树模型的预测价值。结果两组患者肌酸激酶同工酶、肌钙蛋白、左心室射血分数(LVEF)水平及室壁瘤、早期罪犯血管再通失败概率比较,差异有统计学意义(P<0.05)。LVEF、室壁瘤、早期罪犯血管再通失败为急性前壁STEMI患者左心室血栓形成的独立预测因素(P<0.05)。基于训练集数据,以急性前壁STEMI左心室血栓为因变量,LVEF、室壁瘤、早期罪犯血管再通失败为自变量构建决策树模型。决策树模型共形成4条决策分类:(1)LVEF≥47%时,患者左心室血栓形成的风险为2.2%;(2)LVEF<47%、早期罪犯血管再通失败时,患者左心室血栓形成的风险为68.1%;(3)LVEF<47%、早期罪犯血管再通成功、无室壁瘤时,患者左心室血栓形成的风险为26.0%;(4)LVEF<47%、早期罪犯血管再通成功、有室壁瘤时,患者左心室血栓形成的风险为85.7%。训练集中,决策树模型预测急性前壁STEMI患者左心室血栓形成的AUC为0.841(95%可信区间0.798~0.883),敏感度为71.6%,特异度为84.3%;验证集中,决策树模型预测急性前壁STEMI患者左心室血栓形成的AUC为0.804(95%可信区间0.732~0.877),敏感度为57.1%,特异度为86.7%。结论LVEF、室壁瘤、早期�
刘静郑楠刘冰张军
关键词:ST段抬高型心肌梗死决策树
浅谈档案信息化在医院管理中的应用被引量:4
2013年
随着现代信息化的飞速发展,档案信息化的管理,将档案的实体管理上升为更高层次的档案信息网络化管理,医院档案信息化也成了当前档案专业的热门话题,随着医院科室规模的不断扩大和细化,病人档案信息量的不断增加,传统的手工管理和单纯的实体管理模式己不能适应和满足现代化发展的需要。使医院的档案信息提高服务质量和工作效率,满足需求,真正的做到全面、方便、准确、快捷。
武霖刘冰
关键词:档案信息化医院管理
浅谈做好病历档案管理的重要性
2015年
病历档案1是医务人员对患者进行问诊、查体、辅助检查、诊断、治疗和护理等医疗过程中形成的文字、图表、影像、切片报告等文件的总和,是经医务人员、档案管理人员收集、整理、加工后形成的具有科学性、逻辑性、真实性的档案资料。它不仅是记载病人就诊、病情变化和诊断过程的原始资料,也是评价和衡量医院管理、医疗文书和技术水平的重要依据,也是被用于科研、教学、卫生管理、医疗管理等领域的重要信息资源。病历档案管理是医院管理的重要环节,也是医院档案资源的重要组成部分。
武霖刘冰
关键词:病历档案
决策树预测模型对非瓣膜性心房颤动患者左心房血栓或自发显影的预测价值
2025年
目的评估决策树预测模型对非瓣膜性心房颤动(NVAF)患者左心房血栓(LAT)或自发显影(SEC)的预测价值。方法回顾性分析2016年1月至2021年6月于河北省沧州市中心医院接受经食管超声心动图检查的334例NVAF患者的临床资料。将2019年12月前的数据作为训练队列,2020年1月后的数据作为验证队列。采用Logistic回归分析筛选NVAF患者LAT/SEC形成的危险因素并构建决策树预测模型。通过受试者工作特征(ROC)曲线计算决策树预测模型的曲线下面积(AUC),并与CHADS2、CHA2DS2-VASc评分的AUC相比较。结果LAT/SEC的发生率为9.9%。Logistic回归分析显示,卒中/短暂性脑缺血发作(OR=103.50,95%CI:10.26~1044.37,P<0.001)、非阵发性心房颤动(OR=19.94,95%CI:3.58~110.88,P=0.001)、未抗凝治疗(OR=159.24,95%CI:6.79~3735.02,P=0.002)、左心房内径增大(OR=6.10,95%CI:1.43~26.08,P=0.015)、左室射血分数(LVEF)降低(OR=105.25,95%CI:10.59~1045.85,P<0.001)及慢性肾脏疾病(CKD,OR=3.93,95%CI:1.60~5.68,P=0.003)是LAT/SEC形成的独立危险因素。训练队列决策树预测模型的AUC为0.88(95%CI:0.80~0.96),敏感度为82.6%,特异度为86.5%。验证队列决策树预测模型的AUC为0.86(95%CI:0.76~0.99),敏感度为90.0%,特异度为80.6%。CHADS2评分的AUC为0.68(95%CI:0.56~0.96),敏感度为51.5%,特异度为85.4%。CHA2DS2-VASc评分的AUC为0.73(95%CI:0.61~0.86),敏感度为60.6%,特异度为82.4%。DeLong's方法比较显示,决策树预测模型的AUC高于CHADS2(Z=2.80,P=0.005),与CHA2DS2-VASc(Z=1.95,P=0.052)相似。结论决策树预测模型可有效地预测NVAF患者的LAT/SEC形成。
刘冰郑楠于恺李凤鹏闫洪伟张军
关键词:心房颤动左心房血栓决策树
非瓣膜性心房颤动病人左心房血栓的危险因素分析及列线图预测模型构建被引量:3
2023年
目的:探讨非瓣膜性心房颤动病人左心房血栓形成的危险因素及构建列线图预测模型。方法:收集2017年1月—2020年2月我院收治的265例成年非瓣膜性心房颤动病人的临床资料并进行回顾性研究。根据经食管超声心动图结果将病人分为有左心房血栓组(23例)和无左心房血栓组(242例)。基于Logistic回归分析的危险因素构建左心房血栓形成的列线图预测模型,通过校准曲线、受试者工作特征曲线下面积评估列线图预测模型的预测能力,通过决策曲线分析评估列线图预测模型的临床应用价值。结果:265例非瓣膜性心房颤动病人中23例病人存在左心房血栓,左心房血栓的发生率为8.68%。Logistic回归分析显示,高血压、糖尿病、脑卒中、血管疾病、未口服抗凝药、持续性/永久性心房颤动和左心房功能受损是左心房血栓形成的危险因素。基于Logistic回归分析构建的列线图预测模型具有较好的判别性,C-指数为0.88[95%CI(0.87,0.90)],受试者工作特征曲线下面积为0.88[95%CI(0.87,0.91)]。校准曲线图显示列线图预测模型的预测结果与观测结果一致,决策曲线分析图显示列线图预测模型具有较好的临床应用价值。结论:列线图预测模型是预测非瓣膜性心房颤动病人左心房血栓形成的良好方法。
闫洪伟刘冰郑楠于恺李凤鹏孙萍张军
关键词:非瓣膜性心房颤动左心房血栓列线图
非瓣膜性心房颤动患者左心房血栓或自发显影的随机森林模型构建及抗凝结局
2024年
目的 构建非瓣膜性心房颤动(non-valvular atrial fibrillation,NVAF)患者左心房血栓(left atrial thrombus,LAT)或自发显影(spontaneous echo contrast,SEC)的随机森林模型,并分析LAT/SEC患者抗凝治疗的临床结局。方法 回顾性分析2016年1月至2021年11月河北省沧州市中心医院接受经食管超声心动图检查的NVAF患者的临床资料。构建随机森林模型,通过受试者工作特征曲线(receiver operating characteristic curve,ROC)评价随机森林模型预测LAT/SEC的曲线下面积(area under the curve,AUC),并与CHADS2和CHA2DS2-VASc评分进行对比。结果 386例NVAF患者中,38例(9.8%)发生LAT/SEC。影响LAT/SEC发生的7个最重要的变量是左心室舒张末期内径、估算肾小球滤过率、左心室射血分数、非阵发性心房颤动、左心房内径、未抗凝治疗和脑卒中史。随机森林模型的AUC为0.93(95%CI:0.88~0.99),CHADS2评分的AUC为0.73(95%CI:0.63~0.83),CHA2DS2-VASc评分的AUC为0.72(95%CI:0.62~0.83),随机森林模型的AUC高于CHADS2(Z=3.42,P<0.001)和CHA2DS2-VASc(Z=3.05,P<0.001)评分。随机森林模型预测LAT/SEC的敏感度为92.6%,特异度为89.8%。38例LAT/SEC患者中,55.3%(21/38)患者经抗凝治疗后复查经食管超声心电图,66.7%(14/21)患者LAT/SEC溶解。17例直接口服抗凝剂治疗的患者中,4例LAT和8例SEC溶解;4例华法林治疗的患者中,1例LAT和1例SEC溶解。结论 随机森林模型可用于预测NVAF患者LAT/SEC,其诊断效能优于CHADS2及CHA2DS2-VASc评分。三分之二的LAT/SEC患者抗凝治疗后LAT/SEC溶解。
郑楠刘冰闫洪伟李凤鹏于恺张军
关键词:心房颤动左心房血栓
共1页<1>
聚类工具0