回归分析基于聚类分析的因素的急性辐射由于对肺癌放射治疗肺炎

文摘

我们在本文进行回归分析因素与急性放射性肺炎由于对肺癌放射治疗利用聚类分析来探索临床和剂量测定法的预测影响因素对年级≥2辐射肺炎由于对肺癌放射治疗和进一步完善的体积的比值的影响主要焦点肺叶的体积在它们位于辐射肺炎,完善临床有效的因素在预测等级≥2放射性肺炎的发生。这将提供一个更好的基础指导肺癌放射治疗,减少等级≥2放射性肺炎的发生,并提高放射治疗的安全性。基于选定的监测数据的特点,实验模拟急性放射性肺炎的因素导致肺癌放疗进行基于三个信号检测方法使用模糊均值聚类算法和药物名称作为目标和药品不良反应特点,以及药物分为三类。该方法被设计并用于确定分类正确性评价函数作为最好的信号检测方法。风险因素分类和特征识别的急性放射性肺炎由于对肺癌放射治疗基于ADR是通过使用聚类分析和特征提取技术,提供一个可引用的方法建立急性放射性肺炎的因素分类机制由于肺癌放射治疗和一个新想法ADR监测报告数据资源的重用。

1。介绍

肺癌,也称为原发性支气管肺的癌,是一种恶性肿瘤,主要发生于支气管粘膜上皮细胞,一些发生在肺泡组织。肺癌患者常常没有明显的在疾病的早期临床症状,往往是被忽视的。随着疾病的恶化和发展到中、晚期,他们开始显示咯血和疼痛等临床症状。大多数患者已经发展到中、晚期,当他们发现疾病,和外科治疗的最佳时间是失去了1]。肺癌的诊断相对比较容易。结合临床症状,影像学(CT, MRI等),和生化指标可以初步诊断患者的疾病状态,对患者和疑似肺癌病理检查可以明确诊断。放射治疗是肺癌的主要治疗方法之一,和临床数据显示,超过70%的肺癌患者需要放疗治疗期间,表明放射治疗在肺癌治疗的重要价值2]。测量数据,独立样本t以及或非参数rank-sum测试用于多元方差分析。放疗的主要治疗机制是与高剂量的辐射照射肿瘤组织和细胞杀死癌细胞,防止其继续增殖和分化(3]。然而,在放疗期间,大面积的良性肺组织将暴露于放射治疗,正常的肺组织没有好的耐受大剂量辐射,和正常的肺组织高剂量辐射下不同程度受损。肺组织损伤引起的放射治疗是一种增值的死亡的伤害。高剂量辐射照射后细胞损伤立即出现和一系列细胞因子的合成增加,引发一系列的病理生理反应的细胞间信号的传输和放大,造成放射性肺炎。放射性肺炎的发生不仅影响正常的放射治疗效果,而且还严重影响病人的恢复,从而减少病人的生活质量。

聚类分析的主要目的是将样品或特征变量划分为一个数据集的距离,这样同一个类中的元素之间的距离比元素在其他类之间的距离近,或同一类中的元素比其他类似的类内的同质性元素类和类之间的异质性的元素可以同时最大化2]。图像切割使用图像分割工具软件MATLAB软件,使用半自动的方法。列出的大致范围是手动后,软件自动迭代计算。一个好的聚类模型可以解决大数据量的问题4]。给定数据聚类分析将其固有的特点,为了更好地把握每个集群的数据特征划分后,减少的数据的大小,获得更简单、更直观的数据相对复杂的原始数据。还可以获得更简单、更直观的数据相对复杂的原始数据,揭示背后的隐藏数据价值巨大的数据量。因此,聚类分析已经成为一个非常重要的大数据分析的一部分,它已经成功地应用于许多实际问题在社会和自然科学。例如,在金融行业,聚类分析可以用于银行客户细分和金融投资;在交通管理中,聚类分析可用于交通控制和交通事故分析;在生物医学领域,聚类分析可以研究基因和蛋白质的性质和功能,从而帮助我们探索生命的奥秘。

目前,急性放射性肺炎的发生率相对较高,对肺癌患者放疗后,不仅影响放疗的效果,但也会增加并发症的发生率,提高放射治疗的风险。采取合理措施降低急性放射性肺炎的发生率在放射治疗肺癌患者临床工作者,是一个重要的研究课题,这已经成为一个主要临床并发症。急性放射性肺炎的发生将会阻碍正常的治疗,导致无法增加辐射剂量,临床治疗效果很差,和病人的生活质量并不理想。本研究旨在探讨急性放射性肺炎的危险因素在肺癌患者放疗和指导临床医生采取合理的治疗措施,防止急性放射性肺炎的发生根据病人的实际情况,为改善肺癌放射治疗的临床效果,减少放射性肺炎的风险。重要的是要提高放射治疗的临床疗效和减少并发症的发生。

2。相关工作

许多临床因素已报告影响放射性肺炎的发展,包括年龄、性别、吸烟史、慢性阻塞性肺疾病(COPD)的历史。王等人报道,年龄是一个有影响力的因素发展的辐射肺炎和先进的年龄的病人在发展中放射性肺炎的风险更高(5]。叮当声等人表明,吸烟史是一种保护性因素对辐射肺炎(肺炎和吸烟可以防止辐射3]。高辐射的风险和严重性肺炎患者严重的慢性阻塞性肺病的历史(6]。并发放疗的效果对放射性肺炎的发生不一致的结论在不同的研究中,主要在于不同的有毒物质对肺组织的影响通过使用不同的化疗药物(7]。许多药物对于肿瘤引起的风险增加发展中辐射肺炎,如甲氨蝶呤、博来霉素、和丝裂霉素,肺毒性和可以增加放射性肺炎的风险8]。没有确凿的证据来支持这一事实古典肿瘤化疗药物顺铂和卡铂等增加放射性肺炎的风险。然而,化疗药物如紫杉醇、吉西他滨并发放射治疗中表现出更大的肺毒性敏感治疗,从而导致风险增加的辐射肺炎。因此,尽量避免使用这些药物的放射治疗期间与肺毒性降低放射性肺炎的风险。

的剂量学参数研究报道到目前为止,剂量学参数如V5, V20,和V30有最大的价值在预测放射性肺炎的风险,目前用于临床实践以提高预测放射性肺炎的风险的能力,但普拉丹等人报道的回顾性研究中目前的临床应用剂量测定法评估参数,即使在低剂量测定法参考价值,辐射肺炎仍然发生,尚不可能准确预测放射性肺炎的发生(9]。在临床实践中,我们发现,放疗剂量的增加,辐射剂量和照射体积的肺叶的主要焦点是高于相邻叶和辐射的机会肺炎肺叶的主要焦点是高于相邻叶(10]。很少有报道在国内外文献中关于体积之间的关系的辐射剂量测定法和辐射肺炎肺叶肺癌的重点所在;因此,这个主题将探索临床因素和辐射剂量学因素对radiotherapy-induced肺炎在肺癌11]。因此,本研究将探讨临床和剂量测定法的预测作用因素的发展≥2等级辐射肺炎由于肺癌放疗和精炼的体积的比值的影响主要焦点肺叶的体积在它们位于≥2等级辐射肺炎,完善临床有效的因素在预测的发展≥2等级辐射肺炎和更好地指导肺癌放射治疗提供依据,减少的风险≥2等级辐射肺炎、和提高放射治疗的安全性12]。已经指出,许多因素导致肺癌放射治疗急性放射性肺炎的病人,包括病人的放疗的临床因素、物理因素、生物因素。然而,在这个阶段,研究因素与急性放射性肺炎在肺癌患者放疗缺乏系统性,无法提供良好的科学指导临床预防。

BIRCH算法使用聚类特性和CF树而不是集群描述,在大型数据集从而实现效率和可伸缩性,使适合增量和动态聚类的方法。另一方面,它是基于代表点的想法,这是一个很好的解决问题的聚类偏爱球面形状和类似的集群大小和也更健壮的在处理孤立点。和解决问题部门聚类方法不能有效处理形状复杂的数据集,一个density-based DBSCAN算法的聚类算法,而不使用传统的方法测量数据相似性距离但把稀疏数据集的密度,和这种方法可以发现集群的各种形状复杂的数据集和噪音。与聚类算法的发展,基于网格和density-based聚类算法也出现后,一直在研究和成熟应用。分类结果的两种类型的花是理想,而第三类型的花有一个更高的误判。有一个小重叠后两个类别。这可能是相关的数据的大小。数据太小导致聚类算法失败。更有效地学习各种各样的特征。遗传算法的聚类有效性指标基于泛化能力,提出了确定最优数量的集群的方法提出了基于GA的k - means指标相结合的指标与k - means算法。 Through experiments, it is proved that the method works well in determining the optimal number of clusters.

3所示。回归分析的因素对急性放射性肺炎由于放射治疗肺癌的集群分析

3.1。聚类分析算法设计

聚类分析是一种无监督学习,也称为非制导的学习,和多元统计分析中常用的一种方法,这是一个重要的研究领域的元素数据挖掘、机器学习和模式识别(13]。聚类分析的区别和监督学习方法是聚类分析中使用的样本不提前贴上标签,和样本所属类别自动确定聚类分析算法,这是一个过程,将数据集划分为集群根据样本的相似性的特点没有训练样本数据,以便在同一集群有很高的相似性和样品在不同的集群有很高的不同。虽然聚类分析已经有几十年的历史,到目前为止没有统一的定义聚类分析,因为不同的聚类方法得到不同的输出模式集群的结构。在定义聚类分析的各种方法中,一个被大多数人接受的数学描述是基于聚类分析中最常见的形式输出,K-split的示例数据。

让数据集 和R在数据集定义的集群 。分裂成米设置类 ,如果这些米设置类满足以下三个条件:

然后,据说是一个集群数据集x在上述三个条件,1限制,所有设置类非空的条件,条件2限制所有的采样点数据集X将它们所属类,和条件3约束,每一组类彼此不相交。从这三个约束,它可以概括,任何数据集的样本点X将分为一个类和最多只能属于一个集合类(14]。最后,根据获得的风险评级结果和信号比例总和,每个药物的药理相关范畴进行了分析和评估每个风险水平的药物,进一步验证这个实验的合理性和可行性。虽然聚类标准的多样性导致了不同的聚类结果得到不同的聚类方法,基本上所有聚类方法需要遵循以下四个步骤。预处理的数据和功能工程保留尽可能多的信息的数据处理。选择聚类算法根据数据的结构;聚类结果的有效性检查,通过选择合适的聚类有效性指标;聚类结果与其他实验数据分析了解聚类结果;最后正确的结论,如图1。

基于这一研究中,聚类分析是一个探索对抗生素不良反应的内在关联,但没有指定特定数量的集群,集群的数量需要人为地确定一个更稳定和合理的聚类效果。在这项研究中,手肘规则是用来确定聚类值15]。肘部规则是记录的主要思想和情节每个聚类的目标函数值的值。随着目标函数值的增加,平均失真减少;每个类别相应的包含更少的对象,对象将更接近他们的中心;然而,随着集群的数量增加,变化的平均失真水平继续下降。随着集群的数量增加,相对应的聚类值的水平偏差的地方减少得最多是肘部,和聚类值对应于肘部可以作为最好的聚类值聚类分析。得到最佳聚类数更直观,本文提出了使用的方法计算两条线之间的角度,和角度的正切值的绝对值是最佳的聚类数。角的正切公式如下:

我们取得了每种类型的抗生素不良反应的严重程度。一般不良反应类型被评为1分,和严重的不良反应类型被评为3分。药物不良反应损伤指数被定义如下: 在哪里n表示数量的不良反应报道类型的每种药物的平均水平,n表示数量的报道类型的每种药物的不良反应严重,和n表示药物的数量在每个类别(16]。因为药物的存在严重的0,本研究打算分数等药物不良反应损伤指数为1。根据整个肺的敏感性和误判率V20 ROC曲线上每一点的值所有截止点(敏感性+特异性)计算。相对应的诊断指数最大的分界点是最好的诊断阈值为25.9%。定义的不良反应严重程度得分,得分高的不良反应的严重程度越高,越高计算药物不良反应损伤指数和风险水平越高相应的类的药物。

有三个主要类型的内部效度指标,即基于样本数据集的几何指标,指标数据集划分的基础上,基于数据集的统计信息和指标。有许多内部效度指标,包括想要度量,CH度规,哈特度规,KL度规,DB度量,显卡度量。他们更常用。其中,内群体比例(显卡)指标是基于数据集的统计信息,而所有其他指标都是基于数据集的样本集的结构。这些内部效度指标不是基于外部特征作为参考标准,但在数据集本身的统计特性来评估聚类结果的有效性,所以这些聚类有效性指标可以作为选择条件最优数量的集群。CH指示器的想法是代表类的分离矩阵和紧张的组内偏差矩阵。

尽管有许多现有的聚类算法,其中大部分是需要提前确定集群的数量,和集群的数量作为hyperparameter聚类算法通常对聚类结果有很大的影响。在早期的聚类分析,集群的数量通常是设置人为的数据分析师通过经验或通过结合背景和来自其他领域的知识,这是很粗糙,而且主观获得最好的聚类结果。目前,最优数量的集群主要是由内部效度指数的聚类算法,结合内部效度指数是用来评估在不同的聚类结果聚类数,和类的数量对应于最佳聚类有效性是选为数据集的最优数量的集群,如图2。

聚类分析的概述,包括聚类分析的定义、基本步骤和五类的聚类算法。然后介绍了集群有效性的评价,和几个经典的外部效度指标,以及内部效度指标,分别提出了。最后,该方法确定最优数量的集群中描述的细节,并确定最优的算法步骤的集群的形式表达算法流程图。随着疾病的恶化,它发展到中、晚期和咯血等开始出现临床症状和疼痛。大多数病人已经发展到中、晚期疾病时发现并失去了外科治疗的最佳时期。本章中介绍了相关知识背景为随后的章节和算法仿真实验提供了理论依据。

聚类有效性分析一般指评价聚类结果的价值的过程。直观地说,聚类结果的优点在于样本的聚类数据集的准确性,和大多数现有的外部有效性评价指标提出了这一点。然而,在实际应用中,真正的样本的聚类数据集是很难获得,而这限制很难确保外部有效性指标的可行性。与外部效度指标,内部效度指标通常用于测试集群数据集是否能反映数据集的内在结构,也就是说,是否可以尽可能相似,而数据集类之间的样本聚类后尽可能不同。因此,内部效度指标大多是基于采样点的最大最小距离的概念,目标函数是最小化同类距离和阶级之间的距离聚类结果最大化。

GA度量评价聚类结果的泛化能力引导学习基于当前聚类结果;即,它认为的优点与泛化能力相关的聚类结果来预测未知样品,因此不同于现有的聚类有效性指标,无论是外部还是内部。训练集的聚类结果用于机器学习建立一个分类器,这个分类器是用来预测的测试集,比较预测结果与聚类结果。因此,GA指标就像外部效度指标,但不同的是,很难获得真正的类别与常用的外部效度指标数据集,而GA指标解决困难的问题获得的真实类别数据集通过构造一个分类器和取代的真实类别测试数据集分类器的预测结果。

3.2。急性放射性肺炎因素回归实验由于放射治疗肺癌

有关病历检索的研究对象都是使用电子医疗记录系统:一般信息(性别、年龄、吸烟史、慢性肺疾病的历史,结合糖尿病,和prechemotherapy残),疾病(临床分期、病理类型、肿瘤位置),白蛋白和血红蛋白水平,及相关治疗(化疗周期前放疗,放疗是否同时应用,意味着肺剂量(MLD), V5, V20, V30,等等)。根据急性放射性肺炎的发生,研究对象被分为急性放射性肺炎组和常规放疗组,以及两组之间的差异指标比较分析与开发相关的风险因素的急性放射性肺炎在肺癌患者放疗后(17]。两组之间的差异的一般信息,疾病,白蛋白和血红蛋白水平,及相关治疗观察和比较。随访6个月,两组的治疗状况详细记录。后续访问包括电话和回顾病人的影像信息。随访包括病人的临床症状和胸部CT成像性能。

参与本研究的数据使用SPSS 20.0统计软件进行分析和处理。计数数据,数据表示形式的百分比(%),和比较的结果数据进行了测试使用2 作为一个统计上的显著差异;测量数据,数据使用,表示比较的结果数据进行了测试使用t和0.05被认为是具有统计学意义。无条件的逻辑回归模型被用来分析急性放射性肺炎的危险因素在肺癌患者放疗后,和或值及其置信区间(95% CI)计算(18]。急性放射性肺炎组患者的百分比中下叶肺癌、慢性肺疾病史,糖尿病,和吸烟史的患者的比例显著低于常规放疗组。患者吸烟史的比例显著低于常规放疗组和比较在统计学上意义重大。然而,两组之间没有显著差异的性别、年龄、临床分期、病理类型、白蛋白、血红蛋白水平,如图3。

放射性肺炎的诊断主要是排他的,必须伴随着下列条件:历史之前的肺照射;胸部CT成像主要显示不完整的图像,通风支气管迹象,条纹,固体肺图像,或蜂窝样改变局限于辐射场,病变不对应于正常肺组织的解剖结构(不是根据肺字段或肺段分布),和一个小损伤的急性期的患者数量可能成像变化外的辐射场除了辐照区域。除了辐照区域的变化,一些病人也可能成像的变化外辐射场;严重肺损伤患者临床症状,如咳嗽、气短、和发热。咳嗽是最常见,其次是气短;轻度肺损伤患者活动后气短;严重肺损伤患者也觉得气短在平静的状态;约50%的病人发烧;以上症状是排除由于以下因素(19]。在高剂量辐射下,正常的肺组织将不同程度的损坏。上述症状被排除在以下因素:肿瘤进展,肺部感染(细菌、真菌或病毒),慢性阻塞性肺病急性加重、心原性的疾病,肺梗塞,贫血,和与毒品有关的肺炎。

第一次放射治疗作为起始时间点,急性放射性肺炎的发生被记录在90天内,和2级辐射肺炎作为本研究的端点。单向方差分析,独立选择二进制卡方检验统计数据的分析,和独立样本t以及或非参数rank-sum测试用于测量数据的分析;多因素方差分析,选择二元逻辑回归分析来确定测试水平一个= 0.05, 作为具有统计学意义。

剂量下降速度更快的目标区域的边缘,和提高分辨率的空间信息模型,向外扩张的方向步所有濒危的器官是小范围更接近目标区域。由于目标区域外的剂量有不同剂量下降范围在膀胱、小肠、直肠,股骨头的方向,剂量率下降速度在直肠和股骨头方向相对于膀胱和小肠的方向,因此,他们的向外扩张的步骤是较小的相对于膀胱和小肠的方向。图像纹理切都在2 d模式下,扫描和CT图像被削减的最大水平,测量CT值的病变和病变的直径,然后执行图像。高剂量辐射后细胞损伤立即出现,其次是一系列细胞因子的合成增加。细胞之间的传输和放大信号,触发一系列的病理生理反应,导致辐射肺炎。图像分割工具在前一章中介绍的MATLAB软件用于半自动的方式进行图像分割,用手工列出的近似程度,然后由软件自动迭代,关注结构毗邻胸壁血管,纵隔和肺不张,如图4。

与放射性肺炎的认识程度增加,人们开始注意诱发急性放射性肺炎的危险因素,并试图采取有效措施在临床治疗降低急性放射性肺炎的发生率,确保临床治疗的效果。一些外国研究人员已接受放射治疗肺癌患者作为研究对象,为他们制定放疗方案根据目标人群的特点,与目标对放射治疗剂量和体积的限制,导致显著减少急性放射性肺炎的发生率[20.]。无论什么样的放疗将不可避免地造成破坏良好的细胞和组织,放射治疗患者的各种并发症的发生率很高,如脱发、皮肤反应,免疫抑制,骨髓抑制,肾毒性,肺毒性、胃肠道毒性,放射治疗肺炎。

近年来,急性放射性肺炎的发生率在放疗治疗肺癌患者高,已在临床实践中成为一个主要的并发症。急性放射性肺炎的发生将会阻碍正常的治疗,导致无法提高放射治疗剂量,临床治疗效果不佳,不令人满意的生活质量的患者。在严重的情况下,它甚至可能导致治疗中断,引起死亡。

4所示。分析的结果

4.1。聚类分析结果

原始数据库中的数据包括药物分类、药物名称、ADR的名字,报告的目标药物的数量和目标ADR数据库中的一个值,所有其他的总数ADR药物为目标b值,目标的总数比目标药物adr药物其他数据库c价值,总数的报告药品以外的目标和目标ADR在整个数据库的价值。相应的PRR值、IC值和二进制值的计算是通过用每个值在前一章的公式,和信息获得如图5。

集群药物,本文构建了一个向量空间模型与所选药品和不良反应的信号检测的值特性和输出结果如表交叉表。以下是cross-wizard表生成的二进制值数据,集成电路值数据,分别和PRR值数据功能。建立了向量空间模型用抗生素名称作为行标签和列标签,每种类型的不良反应的二进制值的不利reaction-antibiotic组合没有信号被设置为0。聚类结果与原始样本所属的类别,并发现136个样本准确分类的150个样本。分类结果更令人满意的第一两朵花,而误分类是更高的第三朵花。

有一个重叠后两个类别,这可能是与数据量的大小有关,太小,导致聚类算法更有效地去学习每个类别的特点,从而导致误分类的聚类结果。这三个数据集的基本结构介绍了之前的实验。数据集还与样品尺寸6和345个样本正确类2号;PID数据集有768个样本与样本尺寸8和正确的类数2;BCW数据集包含699个样本与样本尺寸9和2号正确的类。

这种风险的数据预处理过程详细描述了基于聚类分析的分类模型。首先,本研究中使用的数据集和数据来源,所选药物和世界卫生组织药品不良反应术语集用于查询的形式给出了一个列表,然后建立了向量空间模型的基础上,报告数据有三个信号检测方法,即PRR,集成电路,分别和二进制值。为了选择适合聚类分析的信号检测方法,实现药物的风险分类,并验证实验结果的可信度,本研究首先筛选常见的信号检测方法和最初确定三种信号检测方法,即PRR、IC,和二进制值;最佳聚类数的三种方法推导出基于肘部规则,和每种方法的最佳聚类数是用来进行MATLAB仿真工具。通过这种方式,内部的同质性的元素类和类之间的异质性的元素同时最大化。中数据的一个重要特征的时代大数据是大量的数据。一个好的聚类模型可以解决数据。的具体结果聚类这三个信号检测方法替换到评价函数计算和评价来确定药物的风险分类基于PRR方法;随后,为了实现药物风险分类,本研究计算每种药物的破坏索引值根据损伤指数公式和排名来确定每个聚类结果的风险水平,然后每种类型的数量的处方药和非处方药,和每种类型的严重的比例。然后,研究最初的可靠性验证了处方药和非处方药的数量和每种类型的严重不良反应的比例,然后信号比例排名前十位的主要不良反应是依次计算; finally, on the basis of the risk classification results and the signal proportion, the pharmacological correlation of each drug class was analysed and evaluated by searching the data for each risk class of drugs to further verify the rationality and feasibility of this experiment.

DB指标,KL指标,HS指标,和GA指标提出了用来评估这三个数据集的聚类结果的有效性,和最好的集群每个指标作为评价的标准来衡量每一个指标的优点。实验结果如图所示6。

集群有效性指标图的比较表6表明,GA指示器可以找到最好的这三个集群的数据集,而传统的数据库集群指标不能准确的为每个数据集,和KL指标只能找到准确的集群数据集还但是找不到最好的集群PID和BCW数据集。摘要集群的标准评估有效性指数指数能否准确地找到真正的类数的数据集,如果能找到真实的数据集的类数,这意味着集群有效性指标是合理的和有效的评价聚类结果。通过实验结果,证明了GA指数提出了比传统的更有效和稳定的聚类有效性指标。本文的主要研究方向是如何确定最优数量的集群的集群分析科学和有效。聚类分析是一种重要的多元统计分析方法,它可以帮助人们得到数据的分布模式面对杂乱的数据,掌握的内在结构和特征数据集。在大数据领域的分析,包括机器学习、模式识别、聚类分析往往扮演着一个重要的角色在数据分析作为数据挖掘的手段之一,因此,研究聚类分析具有重要意义。

4.2。多因素回归结果

样品在同一集群有较高的相似性,和样品不同的集群有更高的不同。尽管集群分析已经有几十年的历史,由于不同的聚类方法获得的结果。集群的结构有多种输出模式。多因子的无条件的逻辑回归分析的因素与急性放射性肺炎透露,中下叶肺癌、慢性肺疾病的历史,结合糖尿病、FEV1 < 2 l之前化疗,化疗周期> 2前放疗,放疗和化疗的同时应用,总放疗剂量> 56 Gy, MLD > 15 Gy, V5 > 40%, V20 > 25%,和V30 > 18%急性放射性肺炎的风险增加,而吸烟的历史是一个保护性因素对急性放射性肺炎的发展和减少其风险(所有 ,口服补液盐或< 1),在95%置信区间间隔内,如图7。

抽烟通常被认为是主要的风险因素。烟是酸性的,这往往使患者形成一个酸性的身体,和一个酸性的身体诱发肺癌的风险;环境污染也会增加肺癌的风险;锡、砷和甲苯是致癌物质,和空气污染会导致空气中这些组件的增加,从而增加患肺癌的风险;慢性肺疾病也是一个肺癌和肺部疾病病变的主要风险因素,从而导致肺细胞活性下降和免疫功能,增加肺癌的风险;此外,职业和癌基因激活等因素也会增加肺癌的风险。肺癌的治疗方法包括手术、化疗和放疗。手术主要是用于治疗早期肿瘤,而放射治疗是最常见的治疗方法在临床实践中,据统计,超过60%的肺癌患者需要放射治疗。放射治疗具有较高的临床价值,可以有效改善当地的癌症控制速度和整体治疗效率。对数据进行预处理,处理过的数据通过特性工程保留尽可能多的信息。 Select the corresponding clustering algorithm according to the structure of the data; select the appropriate cluster validity index to check the validity of the clustering results. 3D-CRT is the most used radiotherapy treatment for lung cancer in clinical practice. 3D-CRT is based on CT simulation and computer calculation to obtain the real situation of dose distribution, and based on this, the radiotherapy plan is scientifically set to maximize the irradiation of tumour while minimizing the damage to the surrounding tissues and organs. To optimize the clinical effect of radiotherapy implementation, the radiation treatment plan is scientifically set based on the realistic dose distribution based on CT simulation and computer calculation.

因为整个肺V20独立影响因素等级≥2放射性肺炎,整个肺的价值V20进入中华民国曲线,和整个肺V20曲线下的面积为0.642,如图8。ROC曲线下的面积范围从0.5到1.0,和0.5到0.7的ROC曲线下面积表示诊断价值较低,在0.7和0.9之间显示一个温和的诊断价值,并大于0.9意味着较高的诊断价值。一般来说,ROC曲线下面积0.5 - -0.7表明诊断价值较低,在0.7和0.9之间表示温和的诊断价值,高于0.9表明较高的诊断价值。在目前的研究中,整个肺的V20曲线下的面积计算是0.642,这表明它有诊断价值。

整个肺的敏感性和假阳性率V20 ROC曲线上的每一点都是用来计算所有截止点的价值,和诊断指数最大截止值对应的最佳诊断阈值为25.9%。当开发一个放射治疗计划,整个肺的剂量学参数V20建议仅限于≤25.9%。如果超过这个阈值,等级≥2放射性肺炎的风险将会增加。

5。结论

在这项研究中,我们首先计算每个药物类的破坏索引值根据损伤指数公式,并在此基础上,我们排名来确定每个聚类结果的风险水平;然后我们最初验证的可靠性研究的每种类型的处方药和非处方药和每种类型的严重不良反应的比例,然后计算重量信号依次排名前十位的主要不良反应;最后,根据风险分类结果和信号重量和基于风险分类的结果和信号的比例,每个药物的药理相关类进行了分析和评估,进一步验证这个实验的合理性和可行性。因此,对象将接近它的中心;然而,随着集群的数量增加,变形的平均水平继续下降。随着集群的数量增加,变形的程度的地方减少最对应于集群值是肘部,和聚类分析可以执行集群值对应于肘部作为集群的最佳值。没有发现协会之间的性别、年龄、年级≥2放射性肺炎的发生。没有循证医学证据证实,性别和年龄的主要影响因素是放射性肺炎的发生,在单向方差分析,性别和严重急性放射性肺炎的发生并不相关。目前的研究没有显示任何指导指标的临床因素。考虑到特殊情况,大约40%的病人在这组在妹妹住院部门如手术或化疗放疗、放射性肺炎的发生和分类主要依赖于药物临床医生的记录和课程记录不同的部门; there may be interfering factors other than the existing common clinical factors that we have not yet explored. The next study will be a prospective clinical study to further refine and improve the study of clinical factors in radiation pneumonia.

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由中国国家自然科学基金的项目(没有。81500071):研究慢性间歇性缺氧的影响在genioglossus ER应激和脂联素的介入补充机制。

引用

1. k . Bousabarah o·布兰克,s tem et al .,“Radiomics预测辐射诱导肺损伤和肿瘤机器人立体定向放射治疗肺癌的后的结果:结果从两个独立的机构,“放射肿瘤学,16卷,不。1,页74 - 2021。视图:出版商的网站|谷歌学术搜索
2. 崔,r·k·十劳工,i . El Naqa”整合multiomics信息在深度学习架构联合保险精算结果预测非小细胞肺癌患者放疗后,“国际放射肿瘤学杂志、生物学、物理学,卷110,不。3、893 - 904年,2021页。视图:出版商的网站|谷歌学术搜索
3. c . l .叮当声,c·辛格,s·劳埃德et al .,“立体定向放射治疗转移性和复发性实体肿瘤在儿童和年轻人,”国际放射肿瘤学杂志、生物学、物理学,卷109,不。5,1396 - 1405年,2021页。视图:出版商的网站|谷歌学术搜索
4. Siddique s和j·c·l . Chow“人工智能在放射治疗,”实用肿瘤学和放射治疗的报道,25卷,不。4、656 - 666年,2020页。视图:出版商的网站|谷歌学术搜索
5. y . r . j . Wang Liu赵et al .,“核辐射纤维化的预测模型基于radiomic功能磁共振成像和计算机断层扫描”平移癌症研究,9卷,不。8,4726 - 4738年,2020页。视图:出版商的网站|谷歌学术搜索
6. c·b·赫斯·t·h·Nasti v . r . Dhere et al .,“免疫调节低剂量辐射全部肺患者冠状病毒相关疾病2019 -肺炎,“国际放射肿瘤学杂志、生物学、物理学,卷109,不。4、867 - 879年,2021页。视图:出版商的网站|谷歌学术搜索
7. x聂,l, m . et al。“肠道菌群作为一种保护性监管机构对放射性肺炎,“辐射的研究,1卷,不。2020年,52-60,194页。视图:出版商的网站|谷歌学术搜索
8. 问:x s . Wang Shi, t·门多萨et al .,“二甲胺四环素减少chemoradiation-related在非小细胞肺癌患者症状负担:第二阶段随机试验,”国际放射肿瘤学杂志、生物学、物理学,卷106,不。1,第107 - 100页,2020。视图:出版商的网站|谷歌学术搜索
9. k·普拉丹和p·乔,“医疗物联网使用机器学习算法用于肺癌检测,”期刊的管理分析,7卷,不。4、591 - 623年,2020页。视图:出版商的网站|谷歌学术搜索
10. l .田王W, B,和G张”功效的树突cell-cytokine诱导杀伤细胞结合联合化疗在局部晚期非小细胞肺癌,”B.U.ON杂志》上。:肿瘤的巴尔干联盟的官方杂志,25卷,不。5,2364 - 2370年,2020页。视图:谷歌学术搜索
11. m . t .怪癖,s .李:Murali, s . Genshaft f . Abtin和r . Suh”替代手术治疗早期非小细胞肺癌,”诊所在胸部医学第41卷。。2、197 - 210年,2020页。视图:出版商的网站|谷歌学术搜索
12. c . Fouillade s Curras-Alonso l . Giuranno et al .,“闪光照射备件肺部祖细胞和限制radio-induced衰老的发病率,”临床癌症研究,26卷,不。6,1497 - 1506年,2020页。视图:出版商的网站|谷歌学术搜索
13. i r . Vogelius j·彼得森,s m . Bentzen“利用数据科学推进放射肿瘤学,”分子肿瘤学,14卷,不。7,1514 - 1528年,2020页。视图:出版商的网站|谷歌学术搜索
14. h . h . Kim香港,s . h . Yoon”诊断CT的性能和逆转录酶聚合酶链反应对冠状病毒疾病2019:一个荟萃分析,“放射学,卷296,不。3,E145-E155, 2020页。视图:出版商的网站|谷歌学术搜索
15. w·d·特拉维斯s—i Wistuba et al .,“IASLC多学科建议肺癌切除标本的病理评价新辅助治疗后,“胸部肿瘤杂志,15卷,不。5,709 - 740年,2020页。视图:出版商的网站|谷歌学术搜索
16. k .马提尼,b . Baessler m . Bogowicz et al .,“radiomics在间质性肺疾病的适用性与系统性硬化症:概念证明,“欧洲放射学没有,卷。31日。4、1987 - 1998年,2021页。视图:出版商的网站|谷歌学术搜索
17. j·w·金和e . y .公园”,自我管理的氧气和支气管扩张剂与尘肺病缓解肺癌的呼吸困难,”国际姑息护理杂志》上,26卷,不。4、167 - 174年,2020页。视图:出版商的网站|谷歌学术搜索
18. c . f . Kurz和美国斯塔福德郡,“隔离成本动因在间质性肺疾病治疗使用非参数贝叶斯方法,”生物统计学杂志》,卷62,不。8,1896 - 1908年,2020页。视图:出版商的网站|谷歌学术搜索
19. s . Bolourani m . a . Tayebi l .刁et al .,“使用机器学习来早期预测食管切除术后重新接纳,”胸心血管外科杂志》上,卷161,不。6,1926 - 1939年,2021页。视图:出版商的网站|谷歌学术搜索
20. h . Kaneko h .伊藤h . Yotsumoto et al .,”协会癌症住院心衰患者检查结果,“循环杂志,卷84,不。10日,1771 - 1778年,2020页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Xiaofeng Zhang et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。