人工神经网络个性化预测结直肠癌手术的时间

文摘

的目标。结肠癌通路目标要求及时的治疗虽然实用性可能意味着患者等待手术。这个变量周期可以为病人优化利用;然而,目前还没有可靠的预测系统,手术的时间。如果个性化手术等前瞻性,定制prehabilitation可以介绍。方法。专用,前瞻性地选择性填充腹腔镜结直肠癌手术治疗目的数据库利用。主要终点是个性化的预测时间等待手术。多层感知器神经网络(ANN)模型训练和测试与uni -和多元分析。结果。包括668个连续的患者。8.5%接受了新辅助放化疗。同时从诊断到手术53天(95% CI 48.3 - -57.8)。安正确识别那些手术在< 8(97.7%和98.8%)和< 12周(97.1%和98.8%)的培训和测试组接受者操作曲线下面积为0.793和0.865,分别。新辅助治疗后,亚撒身体状况得分是最重要的潜在的可改变的危险因素长时间等待(正常化重要性64%,或4.9,95% CI 1.5 -16)。安发现准确旨在用逻辑回归模型。结论。使用人口和人工神经网络诊断数据成功地预测个人结直肠癌手术的时间。这可以帮助术前护理的个性化包括prehabilitation干预措施的公司。

1。介绍

尽管手术和围手术期大肠癌保健的进步,许多患者仍贫穷的临床开发早期并发症风险,功能,和长期的结果1- - - - - -3]。prehabilitation的概念,在患者的危险因素进行评估,以确定他们的基线和识别障碍,允许有针对性的术前多峰性干预措施,旨在减少围手术期的发病率(4]。早期数据显示多通道prehabilitation项目可以改善术后疼痛,滞留时间,发病早期,和身体功能主要腹部手术包括结直肠癌切除术后(5,6]。

Prehabilitation表示一个逻辑演化的围手术期护理,但其广泛应用似乎是目前受限于物流和组织障碍。监管指南要求提示癌症治疗可以用最佳冲突prehabilitation项目的实施。同时等待随机试验的数据,目前,没有足够的证据来支持术前病人护理路径的变更7,8]。

我们与他人一起研究小组报告说,时间从结直肠癌诊断治疗腹腔镜手术不同(9,10]。虽然平均时间是53天,时间从初级保健演讲是17周,没有有害影响总体存活率是(9,10]。这个窗口可能因此用于prehabilitation减少发病率和患者优化的目的。

为了开发一个个性化prehabilitation计划,未来的个性化的预测可能的等待时间是第一需要。现代智能数据分析工具,如机器学习为预测工具开发(提供新机遇11,12]。人工神经网络(ANN),受生物神经系统,过程数据在计算单元加权结果的经验数据11,13]。这些系统学习和提高使用和将在围手术期将持续的发展实践。安已经成功地应用于许多外科领域和一些改进传统的分析报告(12,14- - - - - -16]。

允许prehabilitation计划病人个性化为基础,一个可靠的预测模型允许早期识别预期手术等待时间是必需的,但是目前没有方法。因此,我们旨在调查如果人工神经网络使用病人和肿瘤因素可以准确预测时间从诊断到治疗腹腔镜结直肠手术。

2。方法

专用之前报道的结直肠癌患者数据库了(9]。入选标准是为结直肠癌患者接受腹腔镜手术治疗意图在2002和2015之间。远处转移性疾病,nonelective状态和开放手术方法被排除在外(9]。诊断日期(结直肠癌多学科会议日期在癌症研究和治疗计划同意),病人的人口,和肿瘤特征被抓获(9]。之前报道,没有故意延迟操作,我们没有使用任何正式prehabilitation这些年保健途径(9]。手术日期最早可能是可以接受的,毕竟病人需要调查和术前准备工作进行的可用性专家剧院和手术团队9]。

如前所述,使用四个患者对分,8 -,和twelve-week等待时间,因为这些代表临床相关时间点以及我们机构的意思是等待和边界的95%置信区间9]。本研究的主要结果的准确性安等待时间为每个计算预测。

2.1。人工神经网络

安是一个计算模型,它由大量的高度相互关联的处理元素(神经元)一起工作。神经网络处理信息以类似的方式,人类的大脑,和人一样,安通过例子学习。安详细描述之前提供(11,13,16]。我们安创建与因素,会经常在诊断时可用:性别、年龄、美国社会的这(ASA)得分,体重指数、肿瘤位置、分期的细节,和治疗计划(新辅助治疗和/或需要造瘘术)。一个输入层、隐藏层和输出层设计。70%的人群是随机选择ANN训练并测试剩下的病人。

每个变量的相对重量正常化的重要性,探索和报道最重要的变量在每个安分析得分是100%。

2.2。人工神经网络Cross-Validity

接收机算子特征曲线(ROC)曲线下的面积(AUC),获得和提升图表,比较与逻辑回归模型被用于交叉验证的安。安的预测质量测试使用数据的患者中使用的数据集,没有培训阶段。

2.3。单变量和多变量分析

数据管理与SPSS(24.0版本;美国纽约IBM)。分类变量进行分析与交叉制表和卡方或确切概率法计算的优势比评估团体之间的联系。多元变量之间的联系是评估使用二进制逻辑回归,只有这些变量确定为与诊断治疗显著相关的单变量分析包含在造型过程。筛查潜在影响力的观测数据,预测变量之间多重共线性的程度是使用方差检验通货膨胀因素。样本容量足够大,以确保稳定的逻辑回归参数估计得到不怀疑准确性或精度。单个变量的优势比计算的回归方程 ,同时调整了所有其他变量。级量化使用优势比的影响(或)和95%置信区间。除非另有规定,结果报告为中位数(四分位范围)。

3所示。结果

668年连续患者符合入选标准,接受腹腔镜切除治疗意图。35例患者排除在人工神经网络由于不完整的数据。队列数据显示在表中1。同时从诊断到手术之前已经报道过了53天(11]。12周内手术570例(85%)患者的诊断。441例(70%)被选为培训192例(30%)用于测试的预测功能安。


从诊断到治疗腹腔镜手术 ( )	整个队列 668例(100%)	4周或更少 296例(44.3%)	大于4周 372例(55.7%)		8周或更少 537例(80.4%)	大于8周 131例(19.6%)		12周或更少 578例(86.5%)	大于12周 90例(13.5%)

年龄(平均)	70年	71年	70年	0.339	71年	69年	0.009	67年	71年	0.001
男性( )	389例(58.2%)	169例(57.1%)	220例(59.1%)	0.594	300例(55.9%)	89例(67.9%)	0.012	325例(56.2%)	64例(71%)	0.008
身体质量指数(中位数)	26	26	26	0.601	26	26	0.565	26	26	0.444
ASA ( )
1	79例(11.8%)	47 (15.9%)	32 (8.6%)	0.07	72例(13.4%)	7 (5.3%)	0.008	74例(12.8%)	5 (5.6%)	0.167
2	420例(62.9%)	176例(59.5%)	244例(65.6%)		340例(63.3%)	80例(61.1%)		365例(63.1%)	55 (61.1%)
3	161例(24.1%)	68例(23%)	93例(25%)		118例(22%)	43 (32.8%)		131例(22.3%)	30 (33.3%)
4	4 (0.6%)	2 (0.7%)	2 (0.5%)		3 (0.6%)	1 (0.8%)		3 (0.5%)	0
未知的	4 (0.6%)	3 (1%)	1 (0.3%)		4 (0.7%)	0		5 (0.9%)	0
肿瘤的位置
结肠	407例(60.9%)	217例(73.3%)	190例(51.1%)	< 0.001	357例(66.5%)	50 (38.2%)	< 0.001	382例(61.1%)	25 (27.8%)	< 0.001
直肠	261例(39.1%)	79例(26.7%)	182例(48.9%)	< 0.001	180例(33.5%)	81例(61.8%)	< 0.001	196例(33.9%)	65例(72.2%)	< 0.001
肿瘤阶段(TNM第五版)
0	42 (6.3%)	16 (5.4%)	26 (7%)	0.249	32 (6%)	10 (7.6%)	0.098	34 (5.9%)	8 (8.9%)	0.109
1	138例(20.7%)	49 (16.6%)	89例(23.9%)		109例(20.3%)	29 (22.1%)		117例(20.2%)	21 (23.3%)
2	220例(32.9%)	115例(38.9%)	105例(28.2%)		189例(35.2%)	31 (23.7%)		200例(34.6%)	20 (22.2%)
3	208例(31.1%)	91例(30.7%)	117例(31.5%)		165例(30.7%)	43 (32.8%)		179例(31%)	29 (32.2%)
4	36 (5.4%)	16 (5.4%)	20 (5.4%)		25 (4.7%)	11 (8.4%)		28 (4.8%)	8 (8.9%)
未知的	24 (3.6%)	9 (3%)	15 (4%)		17 (3.2%)	7 (5.3%)		20 (3.5%)	4 (4.4%)
新辅助治疗	57 (8.5%)	4 (1.4%)	53 (14.2%)	< 0.001	14 (2.6%)	43 (32.8%)	< 0.001	16 (2.8%)	41 (45.6%)	< 0.001
气孔计划	235例(35.1%)	72例(24.3%)	163例(43.8%)	< 0.001	155例(28.9%)	80例(61.1%)	< 0.001	169例(29.2%)	66例(73.3%)	< 0.001

3.1。四个星期

安分析正确预测手术的时间高于或低于4周为62%。模型更好地识别这些等待的时间超过4周(70.6%和72%的培训和测试组,分别)比在4周(51.8%和49.4%)。曲线下的面积是0.641获得和提升图表(补充图1得了)建议缺乏临床效用安四周的计算预测。可改变的危险因素(BMI和ASA)被认为是最重要的影响时间手术(正常化重要性100%和67.5%),肿瘤阶段和位置也确定为关键变量(69.4%和63%,表2)。


从诊断到手术的时间	安变量	重要性	正常化的重要性

4周	性别	重建	33.7%
	亚撒	.153	67.5%
	肿瘤的位置	.143	63.0%
	阶段	.157	69.4%
	新辅助治疗	.071	31.3%
	气孔计划	.079	34.8%
	年龄	.093	40.9%
	身体质量指数	.227	100.0%

8周	性别	.050	18.9%
	亚撒	.169	63.7%
	肿瘤的位置	.007	2.6%
	阶段	.149	56.0%
	新辅助治疗	.266	100.0%
	气孔计划	.062	23.4%
	年龄	.173	65.0%
	身体质量指数	.124	46.7%

12周	男性的性别	.034	10.9%
	亚撒	.148	48.1%
	肿瘤的位置	.027	8.9%
	阶段	.125	40.5%
	新辅助治疗	.308	100.0%
	气孔计划	.076	24.7%
	年龄	.234	76.1%
	身体质量指数	.048	15.7%

3.2。八个星期

安正确预测这些手术8周内97.7%和98.8%的测试和培训组,分别的AUC 0.793(图1(一))。神经元链接显示在图中2。安不能准确地识别那些等待超过8周(37.5%)尽管电梯图表演示了3.8倍长等待病人比随机选择10%的病人没有模型。获得图表显示70%的样本确定90%的病人等待超过8周(数字1 (b)- - - - - -1 (c))。

(一)

(b)

(c)

图2

八周的神经链接和优势安。图示有助于调查鉴定协会和他们的优势。安是受人类大脑处理信息的方式。它是由大量的高度相互关联的处理元素(神经元)一起工作来解决具体问题。我们的示例中是最常见的类型的人工神经网络组成的三层:“输入”与“隐藏”的单位,这是连接到一个层的“输出”单位。输入单位的活动代表了原始输入的信息网络。输入“加权”,每个输入的作用在决策依赖于特定输入的重量。这些加权输入然后加在一起通过一个加法器功能(线性组合器)计算输入的加权和。每个隐单元的行为是由输入的活动单位和重量之间的连接的输入和隐藏的单位。输出单位依赖隐藏的活动单位和隐藏和输出之间的重量单位。 If they exceed a preset threshold value, the neuron fires. In any other case, the neuron does not fire. This ANN could identify targets for quality improvement efforts to improve clinical practices. Abbreviations: DtL: diagnosis to laparoscopy; DtL8weeksPlus: patients waiting under (0) or over [1] eight weeks from diagnosis to laparoscopy; ASA: American Society of Anaesthesiologists score; BMI: body mass index; H: “Hidden” unit layer. In this figure, 0 reflects no/not used/female gender/colonic cancer as appropriate with 1 denoting yes/positive/males/rectal cancer as appropriate.

3.3。12周

安twelve-week评估,正确识别97.1%和98.8%的培训和测试组,分别用一个整体的90.9%(表的准确性3)。ROC分析显示(图0.865的AUC预测3(一个))。获得图表和提升数据显示,安五倍正确识别长侍者和50%的样本确定长侍者(数字的90%3 (b)和3 (c))。为期12周的神经链接显示在补充图2。


从诊断到手术的时间	样本	观察到的	预测		正确的百分比
从诊断到手术的时间	样本	观察到的	手术时间下 ( )	手术时间更大 ( )	正确的百分比

4周	培训	4周或更少	One hundred.	93年	51.8%
		> 4周	69年	166年	70.6%
		总体的百分比	39.5%	60.5%	62.1%
	测试	4周或更少	43	44	49.4%
		> 4周	33	85年	72.0%
		总体的百分比	37.1%	62.9%	62.4%

8周	培训	8周或更少	342年	8	97.7%
		> 8周	63年	28	30.8%
		总体的百分比	91.8%	8.2%	83.9%
	测试	8周或更少	158年	2	98.8%
		> 8周	20.	12	37.5%
		总体的百分比	92.7%	7.3%	88.5%

12周	培训	12周或更少	366年	11	97.1%
		> 12周	29日	30.	50.8%
		总体的百分比	90.6%	9.4%	90.8%
	测试	12周或更少	168年	2	98.8%
		> 12周	16	11	40.7%
		总体的百分比	93.4%	6.6%	90.9%

(一)

(b)

(c)

个人因素的重要性,如表所示2。8 - twelve-week分析,接受新辅助治疗是最强的因素不再等待病人年龄紧随其后。ASA分数是唯一潜在的可改变的危险因素分析中确定和更重要的八周的计算(分别为63.7%和48.1%)。

3.4。人工神经网络Cross-Validity

基于ANN的结果,cross-validity使用逻辑回归分析探讨了八周的数据。安结果和uni -(表数据一致1(表)和多变量分析4)。新辅助治疗代表延迟手术的风险最高(-34.4或16.8,95% CI 8.2)与ASA代表唯一的潜在的可补救因素(或1.6,95% CI 1.5 -16)。二元逻辑回归模型预测分数计算各因素的多变量分析: 。


8周		团体。	Exp ( ) 优势比	优势比的95%置信区间
8周		团体。	Exp ( ) 优势比	较低的	上

年龄	-0.033 -	.009	0.967	0.943	0.992
新辅助治疗	2.820	组织	16.769	8.179	34.381
气孔计划	1.019	措施	2.771	1.543	4.976
亚撒	1.594	.008	4.925	1.515	16.016
常数	-2.002 -	.033	.135

这分数的ASA:美国社会。

在上面的公式中,变量取0或1的值取决于新辅助化疗计划:( , ) ( , )和气孔计划( , )。如果获得价值评估公式是负的(或零),然后手术是在8周的时间。如果积极,那么从诊断到手术的时间大于8周预计。

4所示。讨论

术前肿瘤外科通路必须符合监管指南通常要求及时手术干预。通过使用特定的优化措施,prehabilitation旨在减少围手术期的发病率,促进大手术后快速复苏。尽管我们已经表明,手术不是与长期总生存期(9),目前,没有足够的证据来延长术前时期意义prehabilitation必须被纳入现有的途径(7]。解决当前缺乏任何方法准确预测时间从诊断到手术,我们使用人工神经网络调查准确的预测,因此,可能的调整机构的未来prehabilitation计划是可能的。

利用未来的成熟的群体,这种探索性分析使用的数据可以在诊断时表现出的灵敏度为99%都在8到12周内患者手术的整体精度约为90%。提升图表显示安五倍正确识别患者随机选择。

在这些患者中,他没有收到正式prehabilitation干预,较高的ASA分数最重要的潜在的可补救因素确定建议prehabilitation可能有利于这一组。ASA分数只有很少降级,但是客观的改善健康的测量和功能测试同时等待手术已经被证明8,17]。

我们的结果支持传统的大学——以及逻辑回归模型和多元分析证实了这种方法的内部效度和暗示安能前瞻性地用来预测个体患者的结肠直肠癌的手术时间。安分析未见对四周的分析表明很多因素,并不包括在ANN模型,如病人的选择和当地物流重要的注意事项。

作为机器学习的一个例子,安举行许多潜在的优势对传统生物医学统计分析(11,13)通常利用多元回归测试时比较多个变量的关系。虽然外科医生熟悉,这些高度复杂的传统统计方法的缺点。测试应用回顾性队列数据,重要的是,答案通常是提供一个快照,只有相关的计算进行了研究。它不能被自动认为结果是适用于未来的患者或其他中心。ANN预测模型的准确性将会改善随着越来越多的数据可用,而网络也可以应对演进多学科治疗。安可以定期重新训练,探索建立变量持有最高的临床意义,允许有针对性的质量改进措施。安可能更适合报告多个变量之间的非线性关系,可以令人惊讶的简单的开始。有一个大驱动对机器学习的应用复杂的问题域识别的重要因素和识别隐藏的关系。开源软件如TensorFlow™(谷歌、钙、美国)已经发布,以促进这一战略的扩张到新的地区。机器学习和安提供了一个可能的使用数量,在外科实践,和一些成功应用已报告(14- - - - - -16]。

尽管广泛使用的技术和分析公司,安医疗场景应用时的一些注意事项。即使是常见的临床情况下,数据集的大小是不可能匹配分析的行业,因此可能无法容纳大量的输入变量或达到最高水平的精度。在某种程度上,这可能抵消进行全国性的基于注册安测试数据保护和保密的考虑。这可能通知基准测试和质量保证流程以及通知公共卫生和医疗政策。中心极限定理也可以将平衡众多因素可以影响病人护理。匹配institutional-specific安可以帮助通知计划为个别病人这个网络纳入当地供应商的因素可能会影响手术的时间。我们的发现现在需要更大规模的研究和验证在外部中心。

虽然我们务实的研究是第一次使用安通过探索时间手术术前护理在腹腔镜和增强复苏组,我们的发现应该解释的局限性。我们安是基于病人和肿瘤数据对临床决策过程,但没有考虑到他们影响纳入医疗服务提供者考虑或病人的选择等因素会影响手术的时间。13年研究期间是宽风险这些组织因素影响手术的时间。

鉴于我们的结果,建立一个更复杂的安现在是有道理的。越来越多的数据应该允许更多的端点,如每周时间报告而不是四周块,可以认为持有更少的临床意义。层和连接的数量在大型安可能导致过度拟合的数据导致显著的关联,是由于机会与临床意义而不是因果关系。样本容量预防进一步划分为训练、验证和测试组可以抵消了这一问题。因此,所有的ANN模型应该足够了在个别病人或大规模干预或改变照顾。亚撒是一个原油衡量病人的健康。未来的造型将受益于更准确,个性化,修改测量病人的健康。没有进一步的数据对病人的疾病或潜在的改进以这一群人,进一步更复杂的未来安设计存在的机会。外部验证之前,我们的研究结果还需要更广泛的应用。

5。结论

人工神经网络利用人口和诊断数据成功地预测那些可能不到8到12周的等待手术。这一发现可以帮助术前护理包括定制的个性化prehabilitation项目。

数据可用性

在这项研究中使用的数据没有提供维护病人的隐私。

信息披露

这项研究之前提交给该领域的欧洲社会年度国会不错,法国(2018年9月)。会议摘要将发表在未来的补充结直肠疾病。

的利益冲突

柯蒂斯,丹尼森先生,桥本博士和教授弗朗西斯Salib博士没有利益冲突或财务披露相关手稿。

作者的贡献

这项研究是由所有作者构思。手术和病人护理是由NKF, GD, NJC。NJC和ES管理研究数据库,并进行统计分析。手稿被NJC准备,GD, NKF和批判修正哒。所有作者批准了最终版本。

确认

作者要感谢汤姆·柯蒂斯(美国谷歌LLC,山景,CA)对他的技术输入的手稿。

补充材料

补充图1 a - c:中华民国获得和提升为四周安分析图表。ANN模型显示缺乏临床效用的计算。迪泰:腹腔镜检查诊断。补充图2:twelve-week安的神经元链接和优势。总体结果类似于8周模型尽管个人因素的相对重要性不同(表2)。安行为和之间的交互层解释在图1传奇。(补充材料)

引用

s . f . Khuri w·g·亨德森,r . g . DePalma c·莫斯卡n a·希利和d . j . Kumbhani”因素后长期生存的主要手术和术后并发症的不利影响,”年报的手术,卷242,不。3、326 - 341年,2005页。视图:出版商的网站|谷歌学术搜索
w·r·Spanjersberg j·d·p·范·Sambeeck不来梅市人,c . Rosman和c . j . h . m . van Laarhoven”的系统回顾和荟萃分析腹腔镜和开放的结肠手术有或没有一个时代项目,“外科内镜卷,29号12日,第3453 - 3443页,2015年。视图:出版商的网站|谷歌学术搜索
j . m . s . Vlug风,m . w . Hollmann et al .,“腹腔镜结合快速通道多通道管理是最好的接受结肠手术患者围手术期的策略:一个随机临床试验(LAFA-study)”年报的手术,卷254,不。6,868 - 875年,2011页。视图:出版商的网站|谷歌学术搜索
a·路德j .加布里埃尔·r·p·沃森和n . k . Francis”的影响全身prehabilitation主要腹部手术后对术后结果:系统回顾,“世界日报的手术,42卷,不。9日,第2791 - 2781页,2018年。视图:出版商的网站|谷歌学术搜索
j·莫兰,e . Guinan p·麦考密克et al .,“prehabilitation的能力影响术后腹腔手术后结果:系统回顾和荟萃分析,“手术,卷160,不。5,1189 - 1201年,2016页。视图:出版商的网站|谷歌学术搜索
d .圣米娜·h·克拉克p,里托沃et al .,“全身prehabilitation对术后结果的影响:系统回顾和metaanalysis,”物理治疗,卷100,不。3、196 - 207年,2014页。视图:出版商的网站|谷歌学术搜索
k·j·梁和m·a·s·查普曼,“当前数据的好处prehabilitation对结直肠癌患者手术不足以改变NHS癌症等目标,“结直肠疾病,19卷,不。6,522 - 524年,2017页。视图:出版商的网站|谷歌学术搜索
m·a·西、p . e . Wischmeyer和m·p·w·格罗克特”Prehabilitation,提高围手术期营养支持的结果。”当前麻醉学报告,7卷,不。4、340 - 349年,2017页。视图:出版商的网站|谷歌学术搜索
n . j·柯蒂斯·m·a·西部,e . Salib et al .,“时间从结直肠癌诊断腹腔镜治疗手术是有安全窗口prehabilitation ?”结直肠疾病的国际期刊,33卷,不。7,979 - 983年,2018页。视图:出版商的网站|谷歌学术搜索
p .西亚•穆歇尔·e·a·拉·d·h·布鲁斯特et al .,“从第一次演讲在初级保健治疗结直肠癌症状:对疾病的影响和生存阶段,“英国癌症杂志》,卷111,不。3、461 - 469年,2014页。视图:出版商的网站|谷歌学术搜索
d . a .桥本g . Rosman d·罗斯和o·r·莱斯”人工智能手术:承诺和危险,”年报的手术,卷268,不。1,第76 - 70页,2018。视图:出版商的网站|谷歌学术搜索
a . Rajkomar e·奥伦k . Chen等人“可伸缩的和准确的深度学习与电子健康记录”npj数字医学,1卷,不。1,第十八条,2018。视图:出版商的网站|谷歌学术搜索
y LeCun (y Bengio g·辛顿,“深度学习”,自然,卷521,不。7553年,第444 - 436页,2015年。视图:出版商的网站|谷歌学术搜索
j·h·彭y . j .方c x李et al .,“基于人工神经网络的评分系统预测10年生存在II期结肠癌患者根治手术后,“Oncotarget,7卷,不。16,22939 - 22947年,2016页。视图:出版商的网站|谷歌学术搜索
h . y .施k·t·李,王j。j·d·p·太阳,h·h·李,和c c .赵”的人工神经网络模型预测肝癌手术后5年死亡率:一项全国性的研究中,“胃肠外科杂志》,16卷,不。11日,第2131 - 2126页,2012年。视图:出版商的网站|谷歌学术搜索
n . k .弗朗西斯·a·路德大肠Salib et al .,“利用人工神经网络来预测延迟放电和重新接纳在腹腔镜结直肠癌手术后增强的复苏,”技术在该领域,19卷,不。7,419 - 428年,2015页。视图:出版商的网站|谷歌学术搜索
m·a .西方l . Loughney d Lythgoe et al .,“prehabilitation对客观测量的影响身体健康在直肠癌术前新辅助治疗后患者:盲目介入试点研究,“英国麻醉学杂志,卷114,不。2、244 - 251年,2015页。视图:出版商的网站|谷歌学术搜索

胃肠病学研究和实践

文摘