1.醫(yī)療補助被保險人的興奮劑過量預測模型

Stimulant Overdose Prediction Model for Medicaid-Insured Persons

(1)目的：開發(fā)并內(nèi)部驗證一種模型，預測醫(yī)療補助參保人群中興奮劑過量的住院或急診科（ED）治療。

(2)結(jié)論：這項病例隊列研究發(fā)現(xiàn)，現(xiàn)成的數(shù)據(jù)可用于識別那些因可卡因或興奮劑過量而住院或急診就診的高風險人群。這些人可能會從循證干預措施和對過量危險因素的認識中受益最多。

2.基于機器學習的切除與移植和肝細胞癌生存率的選擇

Machine Learning–Based Selection of Resection vs Transplant and Survival in Hepatocellular Carcinoma

(1)背景：開發(fā)并驗證基于機器學習（ML）的決策支持模型，以估計肝細胞癌（HCC）中肝移植（LT）和手術(shù)切除（SR）之間的優(yōu)化個體化治療選擇。 

(2)結(jié)論：這項針對 HCC 患者的隊列研究的結(jié)果表明，基于 ML 的決策支持模型可以估計準確的風險分層，并通過個體化、模型指導的治療選擇確定提高生存率的潛力。這些發(fā)現(xiàn)表明在補充現(xiàn)有指南方面具有臨床效用。

1.撒哈拉以南非洲（ABC-DO）的乳腺癌總生存期、年度死亡風險和生存差距分配：一項前瞻性隊列研究的7年隨訪

Development and validation of a prognostic model for predicting the risk of allopurinol-induced severe cutaneous adverse reactions: a retrospective new-user cohort study using linked primary care, hospitalisation, and mortality data

(1)背景：在撒哈拉以南非洲，很少有對乳腺癌生存率及其5年及以后的決定因素的估計。我們的目標是估計長達7年的生存期，估計年度死亡風險，并分配生存差距。

(2)解釋：在幾個撒哈拉以南非洲國家，乳腺癌后的生存率很差，即使在診斷后存活超過3年的女性中，死亡風險也很大。了解和預防長期乳腺癌幸存者的死亡需要進一步研究。

2.早期識別重癥監(jiān)護病房患者姑息治療需求的預測評分的開發(fā)和驗證：一項多中心回顧性隊列研究

Development and validation of a prediction score for early identification of palliative care needs for patients in the intensive care unit: a multicentre retrospective cohort study

(1)背景：許多危重患者及其家人面臨著嚴重的身體、社會心理和精神負擔，這些負擔可以通過?？乒孟⒅委煟≒C）來解決。確定PC需求和將從PC咨詢中受益的患者仍然具有挑戰(zhàn)性。我們旨在開發(fā)和驗證一種簡單而準確的評分，用于預測重癥監(jiān)護病房（ICU）治療期間的PC受累，并在入住ICU后24小時內(nèi)定期收集預測因子，以實現(xiàn)早期整合。

(2)解釋：PC-ICU評分預測入住ICU后重癥監(jiān)護期間的PC咨詢。這種經(jīng)過外部驗證的儀器可以識別具有潛在PC需求的患者，并可能促進多學科護理的整合。需要對不同國家和國際地點、醫(yī)療機構(gòu)和患者群體的PC-ICU評分進行額外的前瞻性評估，以進一步提高普遍性。