收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器学习建立腹部大手术精细化营养支持策略的研究

赵怀玉  
【摘要】:目的:营养不良可增加术后并发症,合理营养支持能改善营养状况及结局。但目前制定营养方案多依据临床经验,很难达到个体化治疗。我们拟通过机器学习方法建立适合外科腹部大手术的精细化营养支持策略。资料与方法:采用观察性研究设计,选取腹部大手术者120例,术前均行营养评估,同时留取围手术期血标本检测代谢物及炎症因子水平。术后由接受培训的医生按现行指南设计个体化营养方案。利用机器学习以临床结局为导向分别建立术后第1、2、3天的支持向量机(Support Vector Machine,SVM)模型。通过逆运算法发现个体化最佳精细营养策略。最后运用代谢组学技术获取不同时点患者体内代谢物的变化,尝试建立验证营养治疗效果的规范和标准。结果:纳入统计89例符合研究标准的病例进入统计分析,Logistic回归分析结果表明年龄、疾病类型及是否开腹手术为影响并发症的主要危险因素。营养不良者的住院费用和住院时间均高于营养良好者;有并发症组MDA水平明显高于无并发症组,术后两组间IL-1a、MDA及IL-6无显著差异,两组间术后第5天与第1天的差值无统计学差异。通过机器学习建模能够找出未来同类型患者术后不同时点上最佳临床结局的能量与蛋白质区间。患者术后第1天最适的能量区间在5-10kcal/kg/d,最适蛋白质区间在0.2-0.5g/kg/d。术后第2天的最适能量25-30kcal/kg/d,最适蛋白质区间在0.5-1g/kg/d。术后第3天的最适能量区间27-32kcal/kg/d,最适蛋白质区间在0.8-1.1g/kg/d。基于1H-NMR代谢组学技术,可以明显区分术前后不同时点代谢物的差异。我们最终筛选出26个区分术前和术后第1天的生物标记物,43个区分术后第1天和术后第3天的生物标记物。且术后第1天主要表现为糖异生相关代谢产物的差异,表明术后第1天可能存在糖异生的增加;术后第3天主要表现为蛋白质相关代谢产物的差异,表明术后第3天可能存在蛋白质分解增加。结论:通过机器学习建模有助于判断术后不同时点的最佳能量与蛋白质区间,为适宜的个体化治疗提供方法学保证。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李兵;林文钊;罗峥尹;;基于机器学习的智慧农业决策系统设计与实现[J];信息与电脑(理论版);2018年24期
2 朱辉;;机器学习在企业级场景中的实践与探讨[J];中国建设信息化;2018年03期
3 彭传意;;机器学习——我们该如何与机器竞争[J];数字通信世界;2018年01期
4 陈轶翔;埃里克·布伦乔尔森;汤姆·米切尔;;机器学习的能力范围及其对劳动力的影响[J];世界科学;2018年04期
5 赵长林;;机器学习即服务[J];网络安全和信息化;2017年10期
6 ;机器学习作用于信息安全的五大顶级案例[J];网络安全和信息化;2018年01期
7 吴承杨;;2018年来说说机器学习[J];软件和集成电路;2018年05期
8 宋雯博;;大数据下的机器学习的应用趋势[J];电脑迷;2018年09期
9 吴炜;孙强;;应用机器学习加速新材料的研发[J];中国科学:物理学 力学 天文学;2018年10期
10 宋明成;;机器学习隐私的安全隐患[J];计算机与网络;2018年16期
11 游思奇;;解读机器学习与深度学习的发展及应用[J];计算机产品与流通;2018年05期
12 黄乃静;于明哲;;机器学习对经济学研究的影响研究进展[J];经济学动态;2018年07期
13 李炜;;机器学习概述[J];科技视界;2017年12期
14 詹骐源;;机器学习的发展史及应用前景[J];科技传播;2018年21期
15 张维;王玥;罗珅;;基于分布式计算框架的大数据机器学习[J];数字技术与应用;2018年09期
16 徐林;;基于机器学习思想的非线性方程组求解[J];黑龙江工程学院学报;2016年06期
17 ;《软件学报》复杂环境下的机器学习研究专刊征文通知[J];软件学报;2017年01期
18 ;机器学习如何助力安全[J];计算机与网络;2017年06期
19 夏天;;机器学习及其算法与应用研究[J];电脑知识与技术;2017年15期
20 Nick Ni;Adam Taylor;;嵌入式视觉应用中的机器学习[J];单片机与嵌入式系统应用;2017年08期
中国重要会议论文全文数据库 前10条
1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集(上册)[C];2001年
2 王衍鲁;张利会;张淑洁;石洁茹;王鹏;;大学新生学校适应的个体与环境因素探究:基于机器学习的考察[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年
3 张长水;;大数据机器学习[A];2015年中国自动化大会摘要集[C];2015年
4 何琳;侯汉清;;基于标引经验和机器学习相结合的多层自动分类[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年
5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年
6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年
7 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
8 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
9 吴娜;刁联旺;;基于机器学习的博弈对抗模型优化框架软件系统设计[A];第六届中国指挥控制大会论文集(上册)[C];2018年
10 吴向华;;机器学习在钢厂能耗分析中的应用[A];中国计量协会冶金分会2018年会论文集[C];2018年
中国博士学位论文全文数据库 前10条
1 管月;医学肿瘤影像分类算法研究及其在肝癌上的应用[D];南京大学;2018年
2 郝小可;基于机器学习的影像遗传学分析及其应用研究[D];南京航空航天大学;2017年
3 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年
4 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年
5 张庆庆;基于机器学习的文本情感分类研究[D];西北工业大学;2016年
6 窦贤明;机器学习方法在陆地生态系统碳水通量模拟中的应用研究[D];中国矿业大学;2018年
7 鲁路;基于机器学习优化分子对接筛选肾衰营养胶囊有效成分[D];南方医科大学;2017年
8 王泉德;机器学习及其在多Agent对策学习中的应用研究[D];武汉大学;2005年
9 翁时锋;基于机器学习的几种医学数据处理方法研究[D];清华大学;2005年
10 范玉刚;基于Kernel的机器学习在建模与分类问题的应用研究[D];浙江大学;2006年
中国硕士学位论文全文数据库 前10条
1 毛小旺;基于机器学习的哭声检测系统研究与开发[D];南京邮电大学;2018年
2 张文一;基于机器学习的松毛虫发生面积预测模型的研究及应用[D];东北林业大学;2017年
3 田瑶瑶;基于机器学习的机电系统关键部件PHM技术研究[D];南京航空航天大学;2018年
4 李舒;逃避攻击及其在中文垃圾短信过滤中的应用[D];南京邮电大学;2018年
5 赵怀玉;基于机器学习建立腹部大手术精细化营养支持策略的研究[D];北京协和医学院;2018年
6 郭萧;基于机器学习算法的智慧农业决策系统研究[D];西安电子科技大学;2018年
7 朱传帅;Pmn2_1-BAlNP第一性原理与机器学习研究[D];西安电子科技大学;2018年
8 惠冰;基于Hadoop平台的机器学习分类算法[D];西安电子科技大学;2018年
9 高帅;基于机器学习的扫视路径估计方法研究[D];西安电子科技大学;2018年
10 杜婷;基于机器学习的角膜炎图像辅助诊断研究与实现[D];西安电子科技大学;2018年
中国重要报纸全文数据库 前10条
1 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年
2 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年
3 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年
4 360 IoT研究院院长 李康;从机器学习到机器创造[N];中国信息化周报;2017年
5 谢静;机器学习帮助用户释放数据价值[N];人民邮电;2018年
6 Mary Branscombe 编译 范范;关于机器学习的9大误区[N];计算机世界;2018年
7 张盖伦;机器学习界所抵制的,是旧的知识分享方式[N];科技日报;2018年
8 外语教学与研究出版社基础教育分社综合产品部编辑部副主任 张世钦;机器学习赋能编辑出版[N];中国出版传媒商报;2018年
9 复旦大学社会学系 胡安宁;以机器学习方法助力因果推断[N];中国社会科学报;2018年
10 王健飞 刘梦乔;让“算法公平”成为机器学习的一部分[N];人民邮电;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978