切换至 "中华医学电子期刊资源库"
高级检索
中华实验和临床感染病杂志(电子版)

中华实验和临床感染病杂志(电子版) ›› 2025, Vol. 19 ›› Issue (06) : 335 -344. doi: 10.3877/cma.j.issn.1674-1358.2025.06.003

论著

人类免疫缺陷病毒感染/获得性免疫缺陷综合征患者接受抗反转录病毒治疗四年后发生免疫重建不全的风险预测模型
张亚琼1, 张雨霖1, 丁科1, 张晓霞1, 胡文佳1, 陈铁龙2, 宋世会1, 熊勇1,†()   
  1. 1　430071　武汉市，武汉大学中南医院感染科、武汉大学艾滋病研究中心
    2　430071　武汉市，武汉大学中南医院Ⅰ期临床研究室
  • 收稿日期:2025-04-30 出版日期:2025-12-15
  • 通信作者: 熊勇
  • 基金资助:
    国家重点研发计划(2023YFC2306603); 武汉大学中南医院学科培育项目(ZNXKPY2021025)

Risk prediction model for incomplete immune reconstitution in patients with human immunodeficiency virus infection/acquired immune deficiency syndrome after 4 years of anti-retroviral therapy

Yaqiong Zhang1, Yulin Zhang1, Ke Ding1, Xiaoxia Zhang1, Wenjia Hu1, Tielong Chen2, Shihui Song1, Yong Xiong1,†()   

  1. 1 Department of Infectious Diseases, Zhongnan Hospital of Wuhan University, AIDS Research Center of Wuhan University, Wuhan 430071, China
    2 Phase I Clinical Research Laboratory, Zhongnan Hospital of Wuhan University, Wuhan 430071, China
  • Received:2025-04-30 Published:2025-12-15
  • Corresponding author: Yong Xiong
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

张亚琼, 张雨霖, 丁科, 张晓霞, 胡文佳, 陈铁龙, 宋世会, 熊勇. 人类免疫缺陷病毒感染/获得性免疫缺陷综合征患者接受抗反转录病毒治疗四年后发生免疫重建不全的风险预测模型[J/OL]. 中华实验和临床感染病杂志(电子版), 2025, 19(06): 335-344.

Yaqiong Zhang, Yulin Zhang, Ke Ding, Xiaoxia Zhang, Wenjia Hu, Tielong Chen, Shihui Song, Yong Xiong. Risk prediction model for incomplete immune reconstitution in patients with human immunodeficiency virus infection/acquired immune deficiency syndrome after 4 years of anti-retroviral therapy[J/OL]. Chinese Journal of Experimental and Clinical Infectious Diseases(Electronic Edition), 2025, 19(06): 335-344.

目的

分析人类免疫缺陷病毒感染/获得性免疫缺陷综合征（HIV/AIDS）患者发生免疫重建不全的危险因素，构建并验证可视化列线图预测模型。

方法

回顾性分析2016年1月1日至2020年11月30日就诊于武汉大学中南医院的302例HIV/AIDS初治患者在抗反转录病毒治疗（ART）启动前的临床资料，根据启动ART后连续4年CD4+ T淋巴细胞计数分为免疫学应答组（IRs组）（202例）和免疫重建不全组（INRs组）（100例）；所有参与者按7∶3比例随机分配至训练集（212例）和验证集（90例）。采用随机森林、Lasso回归及多因素Logistic回归分析筛选预测因子并构建列线图预测模型。比较训练集和验证集的受试者工作特征（ROC）曲线、校准曲线和临床决策曲线评估模型的性能。

结果

212例训练集中免疫重建不全HIV/AIDS患者72例，发生率为33.96%；90例验证集中免疫重建不全HIV/AIDS患者28例，发生率为31.11%。训练集中，INRs组患者基线CD4+ T淋巴细胞计数、白细胞（WBC）、血小板（PLT）和血红蛋白（Hb）水平显著低于IRs组（P均＜0.05）；INRs组乙型肝炎病毒（HBV）合并感染者占比、ART启动年龄、基线HIV载量、丙氨酸氨基转移酶（ALT）和天门冬氨酸氨基转移酶（AST）水平均显著高于IRs组（P均＜0.05）；两组感染途径、WHO分期差异有统计学意义（P均＜0.05）。而两组患者性别、丙型肝炎病毒（HCV）抗体、ART方案、身体质量指数（BMI）、ART启动延迟、血肌酐（SCr）、甘油三酯（TG）和胆固醇（TC）差异无统计学意义（P均＞0.05）。随机森林筛选的免疫重建不全预测因子为基线CD4+ T淋巴细胞计数、ART启动年龄和WBC；Lasso回归筛选的免疫重建不全预测因子为基线CD4+ T淋巴细胞计数、ART启动年龄和HBV合并感染。整合上述因子（基线CD4+ T淋巴细胞计数、ART启动年龄、WBC和HBV合并感染）行多因素Logistic回归分析结果显示，较高的基线CD4+ T淋巴细胞计数（OR=0.986、95%CI：0.982～0.990、P＜0.001）为HIV/AIDS患者发生免疫重建不全的保护因素，而ART启动年龄大（OR=1.035、95%CI：1.009～1.061、P=0.008）和HBV合并感染（OR=8.326、95%CI：1.836～37.765、P=0.006）则均为HIV/AIDS患者发生免疫重建不全的独立危险因素。基于上述3个预测因子（基线CD4+ T淋巴细胞计数、ART启动年龄和HBV合并感染）构建免疫重建不全风险预测模型，训练集和验证集ROC曲线下面积（AUC）分别为0.882和0.825，训练集与验证集校准曲线的平均绝对误差分别为0.038和0.030，Brier评分分别为0.135和0.154，临床决策曲线（DCA）分析表明，预测模型在10%～70%阈值概率范围内，于训练集及验证集中均具临床实用价值。

结论

以基线CD4+ T淋巴细胞计数、ART启动年龄和HBV合并感染构建的列线图模型在预测HIV/AIDS患者免疫重建不全方面具有较高性能，有助于临床风险评估及决策。

关键词: 人类免疫缺陷病毒, 获得性免疫缺陷综合征, 抗反转录病毒治疗, 免疫重建不全, 预测模型
Objective

To analyze the risk factors for incomplete immune reconstitution in patients with human immunodeficiency virus infection/acquired immunodeficiency syndrome (HIV/AIDS), and to construct and validate a visual nomogram prediction model.

Methods

The clinical data of 302 patients with HIV/AIDS who were treated for the first time at Zhongnan Hospital of Wuhan University from January 1st, 2016 to November 30th, 2020 before the initiation of antiretroviral therapy (ART) were analyzed, retrospectively. The patients were divided into immunological response group (IRs group) (202 cases) and incomplete immune reconstitution group (INRs group) (100 cases) based on the CD4+ T lymphocyte count for four consecutive years after the initiation of ART. All participants were randomly assigned to the training set (212 cases) and the validation set (90 cases) with a ratio of 7∶3. Random forest, Lasso regression and multivariate Logistic regression analysis were used to screen the predictive factors and construct a nomogram prediction model. The performance of the model was evaluated by comparing the receiver operating characteristic (ROC) curves, calibration curves and clinical decision curves of the training set and the validation set.

Results

Among the 212 cases in the training set, 72 cases had incomplete immune reconstitution, with an incidence rate of 33.96%; among the 90 cases in the validation set, 28 cases had incomplete immune reconstitution, with an incidence rate of 31.11%. In the training set, the baseline CD4+ T lymphocyte count, white blood cell (WBC), platelet (PLT), and hemoglobin (Hb) levels of INRs group were significantly lower than those of IRs group (all P<0.05); the proportion of patients with co-infection of hepatitis B virus (HBV), age at ART initiation, baseline HIV load, alanine aminotransferase (ALT), and aspartate aminotransferase (AST) levels of INRs group were significantly higher than those of the IRs group (all P<0.05); the route of infection and WHO stage between the two groups were with significant differences (both P<0.05). However, there were no statistically significant differences in gender, hepatitis C virus (HCV) antibody, ART regimen, body mass index (BMI), ART initiation delay, serum creatinine (SCr), triglyceride (TG) and cholesterol (TC) between the two groups (all P>0.05). The immune reconstitution incomplete predictors selected by random forest were baseline CD4+ T lymphocyte count, ART initiation age and WBC; the immune reconstitution incomplete predictors selected by Lasso regression were baseline CD4+ T lymphocyte count, ART initiation age and HBV co-infection. The multivariate Logistic regression analysis of the above factors (baseline CD4+ T lymphocyte count, ART initiation age, WBC and HBV co-infection) showed that a higher baseline CD4+ T lymphocyte count (OR=0.986, 95%CI: 0.982-0.990, P<0.001) was a protective factor for incomplete immune reconstitution in patients with HIV/AIDS , while a later ART initiation age (OR=1.035, 95%CI: 1.009-1.061, P=0.008) and HBV co-infection (OR=8.326, 95%CI: 1.836-37.765, P=0.006) were all independent risk factors for incomplete immune reconstitution in HIV/AIDS patients. Based on the above three predictors (baseline CD4+ T lymphocyte count, ART initiation age and HBV co-infection), a risk prediction model for incomplete immune reconstitution was constructed. The area under the ROC curve (AUC) of the training set and validation set were 0.882 and 0.825, respectively. The mean absolute errors of the calibration curves of the training set and validation set were 0.038 and 0.030, respectively; and the Brier scores were 0.135 and 0.154, respectively. The clinical decision curve (DCA) analysis indicated that the prediction model had clinical practical value in both the training set and validation set within the threshold probability range of 10% to 70%.

Conclusions

The nomogram model constructed based on baseline CD4+ T lymphocyte count, age at ART initiation and HBV co-infection has high performance in predicting immune reconstitution failure, and is helpful for clinical risk assessment and clinical decision-making.

Key words: Human immunodeficiency virus, Acquired immune deficiency syndrome, Antiretroviral therapy, Incomplete immune reconstitution, Prediction model
图1 本研究参与者筛选与纳入流程图
表1 训练集与验证集HIV/AIDS患者的基线特征
基线特征 训练集（212例） 验证集（90例） 统计量 P值
性别 [例（%）] χ2=0.073 0.788a
女 16（7.55） 6（6.67）
男 196（92.45） 84（93.33）
HBV合并感染 [例（%）] 16（7.55） 6（6.67） χ2=0.073 0.788a
抗-HCV阳性 [例（%）] 2（0.94） 2（2.22） — 0.585b
感染途径 [例（%）] χ2=1.108 0.292a
异性传播 72（33.96） 25（27.78）
同性传播 140（66.04） 65（72.22）
ART方案 [例（%）] χ2=1.057 0.577b
NRTI + NNRTI 166（78.30） 75（83.33）
NRTI + INSTI 41（19.34） 13（14.45）
其他 5（2.36） 2（2.22）
WHO分期 [例（%）] Z=-0.294 0.769
Ⅰ～Ⅱ期 67（31.60） 30（33.33）
Ⅲ～Ⅳ期 145（68.40） 60（66.67）
ART启动年龄 [M（P25，P75），岁] 31.50（26.00，47.00） 29.50（24.00，43.50） Z=-0.907 0.364
BMI [M（P25，P75），kg/m2] 21.83（19.60，23.53） 21.42（19.46，23.44） Z=-0.128 0.898
ART启动延迟 [M（P25，P75），d] 24.00（15.00，56.00） 29.50（17.75，46.25） Z=-0.927 0.354
基线CD4+ T细胞 [M（P25，P75），个/μl] 207.00（81.75，266.75） 199.00（88.25，271.00） Z=-0.124 0.901
基线HIV载量 [M（P25，P75），拷贝/ml] 4.71（3.98，5.27） 4.54（3.91，5.02） Z=-1.218 0.223
WBC [M（P25，P75），×109/L] 4.85（3.81，6.06） 4.73（3.79，6.02） Z=-0.475 0.634
PLT [M（P25，P75），×109/L] 192.00（161.5，230.75） 185.00（150.00，230.00） Z=-0.970 0.332
Hb [M（P25，P75），g/L] 141.00（125.00，151.00） 145.00（124.00，154.25） Z=-1.438 0.150
SCr [M（P25，P75），μmol/L] 71.15（66.00，79.00） 71.85（66.00，79.10） Z=-0.465 0.642
TG [M（P25，P75），mmol/L] 1.23（0.88，1.73） 1.17（0.83，1.56） Z=-0.963 0.335
TC（
± s，mmol/L）		 3.83 ± 0.85 3.85 ± 0.90 t=-0.174 0.862
ALT [M（P25，P75），U/L] 22.00（15.25，38.00） 23.00（16.75，33.25） Z=-0.144 0.885
AST [M（P25，P75），U/L] 26.00（21.00，35.75） 26.00（20.00，34.25） Z=-0.766 0.444
表2 训练集中IRs组和INRs组AIDS患者的基线特征
基线特征 IRs组（140例） INRs组（72例） 统计量 P值
性别 [例（%）] χ2=1.985 0.159a
女 8（5.71） 8（11.11）
男 132（94.29） 64（88.89）
HBV合并感染 [例（%）] 4（2.86） 12（16.67） χ2=12.995 ＜0.001a
抗-HCV阳性 [例（%）] 2（1.43） 0（0.00） — 0.549b
感染途径 [例（%）] χ2=4.020 0.045a
异性传播 41（29.29） 31（43.06）
同性传播 99（70.71） 41（56.94）
ART方案 [例（%）] — 0.648b
NRTI + NNRTI 111（79.29） 55（76.39）
NRTI + INSTI 25（17.86） 16（22.22）
其他 4（2.85） 1（1.39）
WHO分期 [例（%）] Z=－3.969 ＜0.001
Ⅰ～Ⅱ期 57（40.71） 10（13.89）
Ⅲ～Ⅳ期 83（59.29） 62（86.11）
ART启动年龄 [M（P25，P75），岁] 28.00（23.25，37.75） 38.50（29.00，52.50） Z=－4.508 ＜0.001
BMI [（M（P25，P75），kg/m2] 21.97（19.63，23.89） 21.68（19.17，22.93） Z=－1.403 0.161
ART启动延迟 [M（P25，P75），d] 25.00（15.25，66.00） 23.50（14.00，39.00） Z=－1.459 0.145
基线CD4+ T细胞 [M（P25，P75），个/μl] 243.00（174.25，302.00） 73.50（13.25，163.00） Z=－8.243 ＜0.001
基线HIV载量 [M（P25，P75），拷贝/ml] 4.62（3.87，5.05） 5.00（4.25，5.47） Z=－2.803 0.005
WBC [M（P25，P75），×109/L] 5.14（4.30，6.34） 4.10（3.10，5.65） Z=－4.072 ＜0.001
PLT [M（P25，P75），×109/L] 197.50（174.00，234.00） 172.50（138.25，226.00） Z=－2.721 0.007
Hb [M（P25，P75），g/L] 145.00（132.00，152.00） 131.00（116.00，147.75） Z=－4.204 ＜0.001
SCr [M（P25，P75），μmol/L] 71.35（67.15，78.28） 70.10（64.35，82.65） Z=－0.089 0.929
TG [M（P25，P75），mmol/L] 1.22（0.84，1.63） 1.35（0.99，1.89） Z=－1.651 0.099
TC（
±s，mmol/L）		 3.85±0.79 3.80±0.95 t=0.359 0.720
ALT [M（P25，P75），U/L] 21.00（15.00，30.75） 25.50（17.00，46.50） Z=－2.485 0.013
AST [M（P25，P75），U/L] 25.00（21.00，31.00） 30.00（22.25，41.00） Z=－3.229 0.001
图2 基于随机森林免疫重建不全预测变量的筛选 注：A：袋外数据误差随树的数量变化趋势；B：基于平均准确率下降度的特征重要性排序；C：基于平均基尼指数减少量的特征重要性排序。HBV：乙型肝炎病毒、HCV：丙型肝炎病毒、WBC：白细胞、PLT：血小板、Hb：血红蛋白、SCr：血肌酐、TG：甘油三酯、TC：胆固醇、ALT：丙氨酸氨基转移酶、AST：天门冬氨酸氨基转移酶、BMI：身体质量指数
图3 基于Lasso回归筛选免疫重建不全预测变量 注：A：系数路径图；B：交叉验证误差曲线图。Log（λ）：正则化参数对数
表3 HIV/AIDS患者发生免疫重建不全的多因素Logistic回归分析
影响因素 β值 S.E.值 Wald χ2值 P值 OR值 95%CI
基线CD4+ T淋巴细胞 －0.014 0.002 43.626 ＜0.001 0.986 0.982～0.990
ART启动年龄 0.034 0.013 7.139 0.008 1.035 1.009～1.061
HBV合并感染 2.119 0.771 7.547 0.006 8.326 1.836～37.765
WBC －0.057 0.114 0.248 0.619 0.945 0.755～1.182
图4 预测HIV/AIDS患者发生免疫重建不全的列线图
图5 训练集与验证集ROC曲线 注：A：训练集；B：验证集
图6 训练集与验证集校准曲线 注：Apparent代表模型的预测概率与实际概率的拟合情况，Bias-corrected代表对模型预测结果的偏差进行校正后的表现，Ideal代表模型的预测概率与实际概率完全一致。A：训练集；B：验证集
图7 训练集与验证集临床决策曲线 注：A：训练集；B：验证集
[1]
中国疾病预防控制中心性病艾滋病预防控制中心. 2023年12月全国艾滋病性病疫情[J]. 中国艾滋病性病,2024,30(3):225.
[2]
Deeks SG, Overbaugh J, Phillips A, et al. HIV infection[J]. Nat Rev Dis Primers,2015,1(1):1-22.
[3]
Fanales-Belasio E, Raimondo M, Suligoi B, et al. HIV virology and pathogenetic mechanisms of infection: a brief overview[J]. Ann I Super Sanita,2010,46(1):5-14.
[4]
Zhang W, Ruan L. Recent advances in poor HIV immune reconstitution: what will the future look like?[J]. Front Microbiol, 2023,14:1236460.
[5]
李太生, 曹玮, 沈银忠. 艾滋病免疫重建不全临床诊疗专家共识(2023版)[J]. 传染病信息,2023,36(6):481-491.
[6]
Liu J, Ding C, Shi Y, et al. Advances in mechanism of HIV-1 immune reconstitution failure: understanding lymphocyte subpopulations and interventions for immunological nonresponders[J]. J Immunol, 2024,212(11):1609-1620.
[7]
Dos Santos Guedes MC, Carvalho-Silva WHV, Andrade-Santos JL, et al. Thymic exhaustion and increased immune activation are the main mechanisms involved in impaired immunological recovery of HIV-positive patients under ART[J]. Viruses,2023,15(2):440-452.
[8]
Roul H, Mary-Krause M, Ghosn J, et al. CD4+ cell count recovery after combined antiretroviral therapy in the modern combined antiretroviral therapy era[J]. AIDS,2018,32(17):2605-2614.
[9]
陈微, 杨秋艺, 曾小良. 艾滋病免疫重建不良影响因素研究进展[J]. 中国公共卫生,2024,40(12):1526-1531.
[10]
Li Y, Liu H, Zhang S, et al. Demographic and clinical factors correlated with clinical outcomes among people with HIV treated by antiretroviral therapy: a retrospective cohort study[J]. BMC Infect Dis,2024,24(1):514-521.
[11]
Wang Y, Liu S, Zhang W, et al. Development and evaluation of a nomogram for predicting the outcome of immune reconstitution among HIV/AIDS patients receiving antiretroviral therapy in China[J]. Adv Biol,2024,8(2):2300378.
[12]
Riitho V, Connon R, Gwela A, et al. Biomarkers of mortality in adults and adolescents with advanced HIV in sub-Saharan Africa[J]. Nat Commun,2024,15(1):5492-5502.
[13]
Wang X, Lu J, Song Z, et al. From past to future: Bibliometric analysis of global research productivity on nomogram (2000-2021)[J]. Front Public Health,2022,10:997713.
[14]
Zhang W, Ren L, Yang K, et al. Effect of machine learning on risk stratification for antiretroviral treatment failure in people living with HIV[J]. Infect Drug Resist,2025,18:1761-1772.
[15]
中华医学会感染病学分会艾滋病学组, 中国疾病预防控制中心. 中国艾滋病诊疗指南(2024版)[J]. 协和医学杂志,2024,15(6):1261-1288.
[16]
尤红, 王福生, 李太生, 等. 慢性乙型肝炎防治指南(2022年版)[J]. 中华肝脏病杂志,2022,30(12):1309-1331.
[17]
Yang X, Su B, Zhang X, et al. Incomplete immune reconstitution in HIV/AIDS patients on antiretroviral therapy: Challenges of immunological non-responders[J]. J Leukocyte Biol,2020,107(4):597-612.
[18]
Obare LM, Temu T, Mallal SA, et al. Inflammation in HIV and its impact on atherosclerotic cardiovascular disease[J]. Circ Res, 2024,134(11):1515-1545.
[19]
Barrios JP, Tison GH. Advancing cardiovascular medicine with machine learning: Progress, potential, and perspective[J]. Cell Rep Med,2022,3(12):100869.
[20]
黄鸿初, 黄美容, 温丽红. 血液系统恶性肿瘤患者化疗后粒细胞缺乏感染的危险因素和风险预测模型[J/CD]. 中华实验和临床感染病杂志(电子版),2024,18(5):285-292.
[21]
Fiseha T, Ebrahim H, Ebrahim E, et al. CD4+ cell count recovery after initiation of antiretroviral therapy in HIV-infected Ethiopian adults[J]. PLoS One,2022,17(3):e0265740.
[22]
Bayarsaikhan S, Jagdagsuren D, Gunchin B, et al. Survival, CD4 T lymphocyte count recovery and immune reconstitution pattern during the first-line combination antiretroviral therapy in patients with HIV-1 infection in Mongolia[J]. PLoS One,2021,16(3):e0247929.
[23]
Roul H, Mary-Krause M, Ghosn J, et al. CD4+ cell count recovery after combined antiretroviral therapy in the modern combined antiretroviral therapy era[J]. AIDS,2018,32(17):2605-2614.
[24]
Collins DR, Urbach JM, Racenet ZJ, et al. Functional impairment of HIV-specific CD8+ T cells precedes aborted spontaneous control of viremia[J]. Immunity,2021,54(10):2372-2384. e7.
[25]
Hove-Skovsgaard M, Zhao Y, Tingstedt JL, et al. Impact of age and HIV status on immune activation, senescence and apoptosis[J]. Front Immunol,2020,11:583569.
[26]
Streeck H, Maestri A, Habermann D, et al. Dissecting drivers of immune activation in chronic HIV-1 infection[J]. EBioMedicine, 2022,83:104182.
[27]
Collins DR, Gaiha GD, Walker BD. CD8+ T cells in HIV control, cure and prevention[J]. Nat Rev Immunol,2020,20(8):471-482.
[28]
Chen J, Titanji K, Sheth A N, et al. The effect of age on CD4+ T-cell recovery in HIV-suppressed adult participants: a sub-study from AIDS Clinical Trial Group (ACTG) A5321 and the Bone Loss and Immune Reconstitution (BLIR) study[J]. Immun Ageing,2022,19(1):4-16.
[29]
覃亚勤, 秦英梅. 8 369例人类免疫缺陷病毒感染/获得性免疫缺陷综合征患者合并乙型肝炎病毒和(或)丙型肝炎病毒感染临床分析[J/CD]. 中华实验和临床感染病杂志(电子版),2021,15(5):295-302.
[30]
He Y, Cai W, Chen J, et al. Persistent chronic immune activation in HIV/HBV-coinfected patients after antiretroviral therapy[J]. J Viral Hepat,2021,28(10):1355-1361.
[31]
Rana U, Driedger M, Sereda P, et al. Characteristics and outcomes of antiretroviral-treated HIV-HBV co-infected patients in Canada?[J]. BMC Infect Dis,2019,19(1):982-991.
[32]
姜海东, 袁婧, 漆维炜, 等. HIV感染者接受长期抗病毒治疗后CD4+ T平台期水平及影响因素分析[J]. 陆军军医大学学报,2023, 45(1):54-59.
[33]
Pang X, He Q, Huang J, et al. Characteristics and influencing factors of immunological non-responders in HIV-1-infected patients receiving antiretroviral therapy: a cross-sectional study in Guangxi[J]. Sci Rep,2024,14(1):27739.
[34]
Tate JP, Sterne JAC, Justice AC. Albumin, white blood cell count, and body mass index improve discrimination of mortality in HIV-positive individuals[J]. AIDS,2019,33(5):903-912.
[1] 钱何布, 朱林, 姚月平, 姚峰, 李玉卓, 马家驹, 晏倩, 倪晓艳. 应用机器学习建立脓毒性休克患者住院28天死亡预测模型及验证[J/OL]. 中华实验和临床感染病杂志(电子版), 2025, 19(05): 288-297.
[2] 徐世伟, 廖杜荣, 张镐, 叶辉, 陈志平, 雒洪志. 基于一种新炎症-营养指标构建结直肠癌术前淋巴结转移预测模型[J/OL]. 中华普通外科学文献(电子版), 2025, 19(06): 383-389.
[3] 孙圣梅, 习一清, 安宁. 人表皮生长因子受体2阳性型乳腺癌新辅助治疗响应的基因预测模型[J/OL]. 中华普通外科学文献(电子版), 2025, 19(05): 332-339.
[4] 罗仲燃, 曾智豪, 黄梦娟, 何晓艺. 乳腺癌术后腋窝淋巴结负荷的多因素分析及预测模型的建立及验证[J/OL]. 中华普外科手术学杂志(电子版), 2026, 20(01): 46-50.
[5] 谷瑞辰, 林福杨, 刘永达. 术前尿培养阴性患者PCNL术后尿路感染的预测模型构建[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2025, 19(06): 772-777.
[6] 周雄才, 范立新, 王蕾, 李成松, 刘坤朋, 曾晓鹏, 王志华, 李笑生. 抗病毒治疗对前列腺增生合并HIV感染/AIDS患者前列腺组织炎症的影响[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2025, 19(05): 593-597.
[7] 黄少坚, 梁汉标, 李清平, 唐善华, 李青妍, 李芷西, 黄灿, 王小振, 陈灿辉, 王恺, 李川江. 基于影像组学和临床特征构建肝癌新辅助/转化治疗后病理学完全缓解预测模型[J/OL]. 中华肝脏外科手术学电子杂志, 2025, 14(06): 860-867.
[8] 林水荣, 宋子敏, 于玺, 李绍强, 华赟鹏, 沈顺利. 术前抗病毒治疗对HBV相关肝癌肝切除术后肝衰竭影响[J/OL]. 中华肝脏外科手术学电子杂志, 2025, 14(05): 700-706.
[9] 赵俊宇, 林航宇, 李会灵, 王显飞, 游川. 肝癌肝切除术后大量腹水预测模型的建立与验证[J/OL]. 中华肝脏外科手术学电子杂志, 2025, 14(05): 740-747.
[10] 刘燕, 马亦旻. 消化道早癌患者内镜黏膜下剥离术后局部复发预测模型构建与验证[J/OL]. 中华消化病与影像杂志(电子版), 2025, 15(06): 576-582.
[11] 李曰平, 鞠倩, 张汝梦, 韩博. 基于CT影像组学预测胃癌根治术复发风险的临床研究[J/OL]. 中华消化病与影像杂志(电子版), 2025, 15(05): 460-466.
[12] 李姁, 冯中秋. HBV相关原发性肝癌患者经导管动脉化疗栓塞术后严重腹痛预测模型的构建及验证[J/OL]. 中华消化病与影像杂志(电子版), 2025, 15(05): 480-485.
[13] 王超, 张晓会, 李晓帆, 赵海丹. 维持性血液透析患者感染与心脑血管死亡风险的比较及联合预测模型构建[J/OL]. 中华临床医师杂志(电子版), 2025, 19(09): 675-681.
[14] 郭岩, 赵灵芝, 石光英. 代谢相关脂肪性肝病患者发生冠心病的风险预测模型[J/OL]. 中华临床医师杂志(电子版), 2025, 19(09): 682-688.
[15] 皇立媛, 浦洁, 王苏贵, 陈婷婷, 朱德慧, 胡雪. 中青年脑卒中患者应激障碍风险预测模型的构建与验证[J/OL]. 中华临床医师杂志(电子版), 2025, 19(07): 504-512.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号

AI
小
编
AI小编
你好！我是《中华医学电子期刊资源库》AI小编，有什么可以帮您的吗？