01.13-01.19 临床预测模型研究顶刊快报

1. 人工智能——非专家引导的肺部超声检查  01.15  JAMA Cardiology

2. 社区诊所非侵入性结直肠癌筛查的成本效益  01.16  JAMA Network Open

3. 前列腺癌患者主动监测期间活检时机的个性化动态预测模型  01.16  JAMA Network Open

4. 镰状细胞性贫血患者和非患者的年轻人大脑年龄建模和认知结果  01.17  JAMA Network Open

THE LANCET  2025/01/13-2025/01/19

1. 量化间日疟原虫根治效果：造型整合临床试验数据和传播动态的研究  01.13  The Lancet. Infectious diseases

2. 评估为印度各地结核病家庭提供营养护理的流行病学和经济影响：一项建模研究  01.14  The Lancet Global Health

3. 中东和北非注射毒品人群中的丙型肝炎病毒传播：发病率和干预影响的数学建模分析  01.15  eClinicalMedicine

4. 循环肿瘤 DNA 在预测和监测接受多模式治疗的局部晚期直肠癌患者生存率中的作用：一项前瞻性多中心研究的长期结果  01.15  eClinicalMedicine

5. 基于人工智能的产程第二阶段持续时间预测：一项多中心回顾性队列分析  01.17  eClinicalMedicine

6. 使用机器学习在韩国、日本和英国三个独立队列中建立 2 型糖尿病预测模型及其与死亡率的关系：模型开发和验证研究  01.17  eClinicalMedicine 

JAMA Network

1. 人工智能——非专家引导的肺部超声检查

Artificial Intelligence–Guided Lung Ultrasound by Nonexperts

(1) 目的：文章旨在评估人工智能（AI）软件在引导非专业医疗人员（如经过短期培训的卫生保健专业人员，THCP）进行高质量肺部超声检查（LUS）采集方面的有效性。研究通过对比THCP在AI辅助下与无辅助下采集的LUS图像质量，来检验AI是否能够提升非专业人员的检查准确性，进而拓宽LUS在资源受限环境下的应用潜力。研究还关注AI是否能减少专家操作的需求，使LUS更加普及和高效。

(2) 结论：研究表明，在AI软件的指导下，非专业医疗人员能够采集到具有诊断质量的LUS图像。具体来说，超过98%的由THCP在AI辅助下采集的LUS图像被专家评审小组认定为符合诊断要求。这一比例远高于传统方法，显示出AI在提升非专业人员操作水平方面的显著效果。此外，研究未发现AI辅助组与无AI辅助组在图像质量上存在显著差异，进一步证明了AI引导的有效性和可靠性。这些结论支持了AI在引导非专业医疗人员进行肺部超声检查中的应用，有助于提高医疗服务的可及性和效率。

 2. 社区诊所非侵入性结直肠癌筛查的成本效益

Cost-Effectiveness of Noninvasive Colorectal Cancer Screening in Community Clinics

(1) 目的：该研究旨在评估在筛查依从性较低的社区诊所中，非侵入性结直肠癌筛查策略（包括粪便免疫化学测试、甲基化septin9 DNA测试和血液测试）的成本效益和效果。通过使用经过验证的微模拟模型，研究预测了不同筛查策略在模拟队列中的筛查结果，该队列包括1000万名50岁的代表性个体，以此分析不同筛查方法在降低结直肠癌发病率和死亡率方面的成本效益。

(2) 结论：研究发现，在设定的愿意支付150,000美元阈值下，与粪便免疫化学测试相比，每三年进行一次血液测试在成本效益上更优。此外，研究还强调了提高筛查依从性的重要性，以及需要综合考虑筛查策略的有效性、成本效益和患者的接受度，以制定适合社区诊所的结直肠癌筛查指南。这些发现为优化结直肠癌筛查策略提供了重要依据，有助于改善公共卫生服务的质量和效率。

 3. 前列腺癌患者主动监测期间活检时机的个性化动态预测模型

Personalized Dynamic Prediction Model for Biopsy Timing in Patients With Prostate Cancer During Active Surveillance

(1) 目的：文章旨在开发和验证一个动态预测模型，该模型能够准确预测前列腺癌患者在主动监测（AS）期间疾病重新分类（如Gleason评分升级）的风险，从而个性化地指导活检时机，优化患者的监测策略和管理决策。

(2) 结论：通过利用来自Prostate Cancer Research International: Active Surveillance (PRIAS)研究等的数据，研究成功开发并外部验证了一个动态预测模型。该模型纳入了年龄、前列腺特异性抗原水平及其变化率、前列腺体积、良性活检结果和可疑病变等多个因素，显示出良好的区分能力，能够有效识别出那些面临较高重新分类风险的患者。这一模型为前列腺癌主动监测患者提供了更为精确的个体化风险评估工具，有助于指导临床实践中活检时机的决策，进而改善患者的治疗体验和临床结局。

 4. 镰状细胞性贫血患者和非患者的年轻人大脑年龄建模和认知结果

Brain Age Modeling and Cognitive Outcomes in Young Adults With and Without Sickle Cell Anemia

(1) 目的：该文章旨在探讨患有镰状细胞性贫血（SCA）的年轻人与未患SCA的年轻人相比，其大脑年龄是否显得更老，以及大脑年龄建模是否能揭示SCA对认知障碍的潜在机制。研究通过对比分析两组人群的大脑磁共振成像（MRI）数据，旨在深入理解SCA对大脑结构和认知功能的具体影响。

(2) 结论：研究发现，患有SCA的年轻人与未患SCA的年轻人相比，其大脑年龄差距显著增大。具体而言，SCA患者的大脑年龄估计值高于其实际年龄，表明SCA可能加速了大脑的老化过程。此外，研究还发现大脑年龄差距与认知功能之间存在关联，特别是与执行功能和处理速度等认知领域密切相关。这些结论揭示了SCA对大脑结构和认知功能的负面影响，为进一步研究和治疗SCA相关的认知障碍提供了重要线索。

THE LANCET

1. 量化间日疟原虫根治效果：一项整合临床试验数据和传播动力学的建模研究

Quantifying Plasmodium vivax radical cure efficacy: a modelling study integrating clinical trial data and transmission dynamics

(1) 背景：间日疟原虫感染会导致疟疾的复发，原因在于其能在肝脏中形成休眠子（hypnozoites），这些休眠子在初次感染后数周至数月内可能重新激活。根治间日疟原虫需要联合使用抗疟药物，既能杀死血液中的寄生虫，也能杀死肝脏中的休眠子。然而，由于休眠子无法直接检测，因此无法直接评估针对肝脏阶段的药物（如伯氨喹和塔芬奎宁）的疗效。本研究旨在利用临床试验数据来估计这些药物对休眠子的杀灭效果。

(2) 解释：研究团队整合了来自多项临床试验的公开数据，这些数据涉及不同的根治方案（包括伯氨喹和塔芬奎宁的不同剂量和给药时间）。他们使用贝叶斯马尔可夫链蒙特卡洛方法，将临床试验数据与疟疾复发模型（PvRM）相拟合，以估计每种8-氨基喹啉类药物方案的休眠子杀灭效率。此外，研究还模拟了不同根治方案对患者个体和社区层面疟疾传播的影响。结果显示，高剂量伯氨喹方案的休眠子杀灭效率高于低剂量方案，而塔芬奎宁方案的数据较为稀缺，因此其疗效估计的不确定性较大。这些发现为制定更有效的间日疟原虫根治策略提供了重要依据。

 2. 评估为印度各地结核病家庭提供营养护理的流行病学和经济影响：一项建模研究

Estimating the epidemiological and economic impact of providing nutritional care for tuberculosis-affected households across India: a modelling study

(1) 背景：印度是全球结核病高发国家之一，而营养不良是导致结核病发生和传播的重要因素。文章指出，全球约20%的结核病发病率可归因于营养不良，而在印度这一比例超过三分之一。鉴于营养不良与结核病之间的紧密联系，针对结核病家庭实施营养干预成为政策重点。然而，关于此类营养干预在流行病学和经济层面影响的认知仍然有限。因此，本研究旨在通过建模评估为印度结核病家庭提供营养护理的潜在影响。

(2) 解释：研究采用建模方法，模拟了在不同覆盖率和营养支持方案下，为印度结核病家庭提供营养护理的流行病学和经济效果。结果显示，与无营养干预的基线情况相比，为接受结核病治疗的成人及其家庭成员提供营养支持，可显著预防结核病死亡和新增病例，同时带来巨大的生命年增益。此外，该干预措施在大多数成本效益阈值下均被证明是成本效益高的，尤其对于高营养不良水平的地区而言。研究还强调了营养干预在降低结核病负担、提高治疗成功率以及促进整体健康方面的重要作用，为印度及类似地区的结核病防控策略提供了有力证据支持。

 3. 中东和北非注射毒品人群中的丙型肝炎病毒传播：发病率和干预影响的数学建模分析

Hepatitis C virus transmission among people who inject drugs in the Middle East and North Africa: mathematical modeling analyses of incidence and intervention impact

(1) 背景：中东和北非（MENA）地区是全球受丙型肝炎病毒感染最严重的区域之一，特别是注射毒品人群中的感染率居高不下。截至2022年，该地区估计有1170万人感染HCV，其中注射毒品人群是主要的高风险群体。由于缺乏针对该人群HCV传播动态及干预效果的详细数学模型，研究人员开展了本研究，旨在深入了解HCV在注射毒品人群中的传播机制，并评估不同干预策略的效果。

(2) 解释：本研究通过数学建模方法，估算了MENA地区13个国家注射毒品人群中HCV的发病率，并量化了非无菌注射行为对HCV传播的贡献。研究进一步分析了减少针头/注射器共享、阿片类药物替代治疗（OST）以及引入直接抗病毒药物（DAAs）治疗慢性感染等措施对降低HCV流行率和发病率的影响。结果显示，这些干预措施在不同程度上均能有效减少HCV的传播，为制定针对性的公共卫生策略提供了科学依据。

 4. 循环肿瘤 DNA 在预测和监测接受多模式治疗的局部晚期直肠癌患者生存率中的作用：一项前瞻性多中心研究的长期结果

Circulating tumour DNA in predicting and monitoring survival of patients with locally advanced rectal cancer undergoing multimodal treatment: long-term results from a prospective multicenter study

(1) 背景：局部晚期直肠癌（LARC）的标准治疗方式为术前放化疗联合手术，旨在降低局部复发率，但对系统性疾病控制的益处有限。尽管新辅助放化疗（nCRT）已成为LARC的标准疗法，但远处转移仍是治疗失败的主要原因。为了早期识别高危患者并及时调整治疗策略，近年来研究者们开始探索循环肿瘤DNA（ctDNA）作为预后和预测生物标志物的潜力。本文介绍了一项前瞻性多中心研究，旨在评估ctDNA在预测LARC患者对新辅助治疗反应及预后中的价值，并监测其长期生存情况。

(2) 解释：该研究通过收集LARC患者在新辅助治疗前后及治疗期间的外周血样本，利用下一代测序技术检测ctDNA。研究发现，ctDNA不仅可以动态反映肿瘤负荷，还能预测治疗反应和肿瘤学结局。具体来说，基线ctDNA丰度和早期ctDNA清除状态与患者的预后显著相关。这些发现强调了ctDNA在LARC风险分层中的潜力，有助于识别最可能从辅助治疗中获益或可安全避免不必要治疗的患者。此外，该研究还提供了关于ctDNA在预测和监测LARC患者长期生存率方面的长期数据，为ctDNA在临床决策中的应用提供了有力证据。

 5. 基于人工智能的产程第二阶段持续时间预测：一项多中心回顾性队列分析

Artificial intelligence-based prediction of second stage duration in labor: a multicenter retrospective cohort analysis

(1) 背景：产程第二阶段，即胎儿从子宫口完全扩张到娩出的阶段，其持续时间的预测对临床决策至关重要。然而，传统方法往往难以准确预测，这可能导致不必要的医疗干预或增加并发症的风险。因此，本研究旨在通过应用机器学习（ML）模型，利用真实世界数据来实现对产程第二阶段持续时间的个性化预测，从而提高预测准确性，优化分娩管理。

(2) 解释：研究团队选取了多家医疗中心的分娩数据，采用四种监督ML方法（梯度提升机、随机森林、K-最近邻和高斯朴素贝叶斯）创建了分类模型，并通过网格搜索和10折交叉验证确定了最佳参数。结果显示，这些模型能够基于非侵入性和易于获取的临床信息，对产程第二阶段持续时间进行较为准确的预测。此外，研究还通过SHAP分析等方法，进一步探讨了模型预测结果的影响因素，为临床应用提供了有价值的参考。

 6. 使用机器学习在韩国、日本和英国三个独立队列中建立 2 型糖尿病预测模型及其与死亡率的关系：模型开发和验证研究

Prediction model for type 2 diabetes mellitus and its association with mortality using machine learning in three independent cohorts from South Korea, Japan, and the UK: a model development and validation study

(1) 背景：近年来，2型糖尿病的发病率持续上升，成为全球性的公共卫生问题。准确预测2型糖尿病的发病风险及其与死亡率的关系对于制定有效的预防和治疗策略至关重要。然而，传统的预测方法往往存在准确性不足的问题。因此，本研究利用机器学习技术，结合三个国家的队列数据，旨在开发一个更为精准的2型糖尿病预测模型，并探讨其与死亡率之间的关系。

(2) 解释：研究团队在韩国、日本和英国三个独立队列中收集了数据，采用了包括自适应提升和逻辑回归在内的集成学习方法，建立了一个2型糖尿病预测模型。经过严格的验证，该模型表现出了优越的预测性能。此外，研究还发现，2型糖尿病的发病风险与死亡率之间存在显著的相关性。这一发现不仅为2型糖尿病的预测提供了新的工具，也为制定针对性的预防和治疗策略提供了科学依据。