10.27-11.02临床预测模型研究顶刊快报

1.预测手术环境中心肺复苏对骤停的结果 10.28  JAMA NetworkOpen

2.序贯器官衰竭评估（SOFA）-2 评分的开发和验证  10.29  JAMA 

1.基于临床前模型与人类基因型-表型差异的药物毒性预测  10.28  The Lancet eBioMedicine

1.一种基于高准确度的基于风险因素的XGBoost多种族模型，用于识别皮肤癌患者  10.29  Nature communications

1.预测手术环境中心肺复苏对骤停的结果

Prediction of Cardiopulmonary Resuscitation Outcomes for Arrest in Surgical Settings

(1)目的：利用常规术前数据生成并内部验证30天死亡率和非家庭出院的预测模型。

(2)结论：在这项关于围手术期心肺复苏术后结果的前瞻性预后研究中，极端梯度提升产生了围手术期心肺复苏术后结果的个性化预测，这可能为预防策略和目标一致的手术护理提供信息。

2.序贯器官衰竭评估（SOFA）-2评分的开发和验证

Development and Validation of the Sequential Organ Failure Assessment (SOFA)-2 Score

(1)目的：在通过修改后的德尔菲过程（第1-5 阶段）获得专家输入后，在不同的地理和资源设置（第6-8 阶段）中为更新分数（SOFA-2）的数据驱动组件提供信息。

(2)结论：SOFA-2评分已更新，包括当代器官支持治疗和新的评分阈值，描述了大量地理和社会经济上不同的危重成人人群的器官功能障碍。

1.基于临床前模型与人类基因型-表型差异的药物毒性预测

Drug toxicity prediction based on genotype-phenotype differences between preclinical models and humans

(1)背景：药物开发的一个主要障碍是临床前毒性发现对人类结果的转化性差，这主要是由于人类和模式生物之间的生物学差异。这种差距导致临床试验流失率高，上市后药物撤销率很高。现有的毒性预测方法主要依赖于化学性质，通常会忽略这些物种间（或生物体）差异。

(2)解释：结合基因型-表型关系的差异为药物毒性预测提供了一种基于生物学的策略。我们的框架能够在临床开发中及早识别高风险药物。这种方法有望降低开发成本、提高患者安全和提高治疗批准的成功率。

1.一种基于高准确度的基于风险因素的XGBoost多种族模型，用于识别皮肤癌患者

A highly accurate risk factor-based XGBoost multiethnic model for identifying patients with skin cancer

(1)摘要：虽然欧洲血统的人患皮肤癌的风险较高，但其他血统在诊断时往往患有更晚期的疾病，从而导致结果差异。我们检查了多样化的数据集，并确定了遗传血统、生活方式、健康的社会决定因素和PDE5a抑制剂的使用作为皮肤癌的独立危险因素。我们将这些风险因素整合到一个高度准确的XGBoost多种族模型中，用于识别皮肤癌患者。对Shapley评分和交互作用的分析表明，年龄与其他风险因素（特别是癌症病史、遗传血统和年收入）之间存在很强的非线性关联，并表明年轻个体对遗传和社会决定因素的依赖性更强。我们的XGBoost多种族模型为不同种族患者的早期皮肤癌检测提供了一种精准医学方法，这可以减少非欧洲血统个体的结果差异。