卫生管理学院2024年1至6月 一类科研论文发表情况

成果简介：

成果一：Evaluation of Chinese HIV Mobile Apps by Researchers and Patients With HIV: Quality Evaluation Study

刘鹏老师（第一作者）发表在JMIR Mhealth Uhealth。

该研究通过对现有的中文艾滋病手机app和微信小程序进行系统搜索，并结合滚雪球式抽样方法，再依据严格规范的纳排标准确定了本研究的研究对象。然后邀请研究人员和艾滋病患者分别使用MARS量表和uMARS量表对确定的样本进行了独立评估，并深入分析和讨论这些中文艾滋病移动应用程序的功能特点和质量，以期为患者和临床医生获取高质量的中文艾滋病移动应用程序提供决策支持，也为开发人员改进中文艾滋病移动应用程序提供参考和建议。

该研究发现，现有的中文艾滋病移动应用程序中，成本较低的微信小程序在数量上占据绝对优势，但总体质量仅达到平均水平。纳入研究的这些中文艾滋病移动应用程序的主要作用是传播艾滋病毒预防知识，并为预约检测和咨询服务提供便利。然而，这些应用程序大多缺乏隐私保护功能。与一般移动应用程序不同，隐私保护在艾滋病移动应用程序中尤为重要，因为它直接影响用户使用它们的意愿。

论文链接：https://mhealth.jmir.org/2024/1/e52573

成果二：Willingness to purchase institutionalised elderly services and influencing factors among Chinese older adults—a nationwide cross-sectional study

王辅之教授（通讯作者）团队发表在BMJ Open。

该研究从2022年中国居民心理与行为跟踪调查（Psychology and Behavior Investigation of Chinese Residents, PBICR）数据库中筛选了符合本研究要求的4123位老年人调研数据。并建立三个老年人购买机构养老服务意愿的多元Logistic回归分析模型（模型一：“不愿意-愿意”；模型二：“不愿意-犹豫”；模型三：“犹豫-愿意”），探讨老年人购买机构养老服务意愿的影响因素。

模型一的分析结果发现，医疗参保情况、子女和兄弟姐妹数量、慢性病患病情况，家庭人均月收入对老年人购买机构养老服务的意愿有影响作用。在模型二中，我们发现家庭人均月收入、焦虑等因素会导致老年人对购买机构养老服务产生犹豫的态度。在模型三中，我们进一步发现社会支持和健康素养会使老年人购买机构养老服务的态度发生从犹豫到愿意的转变。研究结论表明，中国的社会养老机构需要持续提高养老服务能力和服务质量，为老人提供多元化、多层次的机构养老服务，以便更积极、有效地应对中国社会的人口老龄化问题。

论文链接：https://doi.org/10.1136/bmjopen-2023-082548

成果三：Analysis of Health-Related Quality of Life in Elderly Patients with Stroke Complicated by Hypertension in China Using the EQ-5D-3L Scale

杨枢教授（通讯作者）团队发表在Journal of Multidisciplinary Healthcare。

该研究基于EQ-5D-3L量表评估老年脑卒中合并高血压患者健康相关生活质量，采用多种分析方法进行影响因素分析，使用单变量分析、Tobit回归、随机森林和XGBoost模型分析患者的健康相关生命质量。

研究表明老年脑卒中合并高血压患者健康效用值的中位数为0.427，四分位间距为0.186至0.745。比较了Tobit回归模型、随机森林和XGBoost模型的性能，结果显示，机器学习模型与Tobit回归模型的性能并没有太大差异。相对于随机森林，XGBoost模型表现稍好。对患者健康效用值影响较大的因素包括BMI、社交活动、吸烟、教育水平、饮酒、城乡居住、年收入、体力活动水平和夜间睡眠时间等。老年脑卒中合并高血压患者健康相关生活质量受多种因素影响。通过调整这些因素和生活方式，可以对与健康相关的生活质量产生积极的影响；建议保持健康体重、积极社交、戒烟、改善生活条件、增加体力活动水平和保证充足睡眠，并根据具体情况和医疗建议进行生活方式的改变。

论文链接：https://pubmed.ncbi.nlm.nih.gov/38706498

成果四：Knockdown of LncRNA Lcn2-204 alleviates sepsis-induced myocardial injury by regulation of iron overload and ferroptosis

高琴教授（通讯作者）团队发表在Journal of Molecular and Cellular Cardiology。

脓毒血症是宿主对严重炎症和感染反应失调引起的危及生命的多器官功能障碍综合征，其引起的心脏功能受损是导致脓毒血症高死亡率的重要原因之一。铁代谢异常造成细胞内铁过载是铁死亡的重要环节之一，其在脓毒血症心肌损伤中如何发挥作用报道较少。

本研究首先通过Arraystar基因芯片鉴定出脓毒血症小鼠心肌差异表达的LncRNA和mRNA，构建CNC网络中最高上调的LncRNA-Lcn2-204与mRNAs之间的联系，通过生物信息学方法分析差异表达的mRNAs的潜在机制。进一步构建靶向心肌的低表达LncRNA Lcn2-204重组腺相关病毒，分析LncRNA Lcn2-204对脓毒血症小鼠心肌铁代谢及铁死亡的影响。研究得出，脓毒血症小鼠心肌损伤中存在铁过载和铁死亡，心肌LncRNA Lcn2-204和Lcn2表达增高；首次证实了敲低心肌LncRNA Lcn2-204可通过抑制心肌铁代谢紊乱和铁死亡的发生发挥保护作用，为临床脓毒血症心肌损伤的治疗提供了可能的新途径。

论文链接：https://doi.org/10.1016/j.yjmcc.2024.05.007

成果五：Risk prediction models of depression in older adults with chronic diseases

刘玉文教授（通讯作者）团队发表在在Journal of Affective Disorders。

抑郁症状给慢性病患者带来了巨大的医疗负担，尤其是对老年人而言，甚至可能会造成危及生命的后果。在本研究中，我们整合了全国性的调查数据（CHARLS）和机器学习算法，建立了老年慢性病患者的抑郁风险预测模型。此外，我们还试图通过人口学特征（性别）进行分层以构建特异性的预测模型，并识别具有特异性的预测因子。这也可以用于评估模型的公平性。最后，我们探索不同变量对RF-SMOTE，kNN-SMOTETomek和RF-SMOTE模型（选择的最佳预测模型）预测结果的影响。

研究表明，与基于传统预测因子和算法建立的模型相比，我们的模型获得了令人满意的准确性在预测老年慢性病患者抑郁风险方面（AUROC：0.957，AUPRC：0.920，balanced accuracy：0.891，sensitivity：0.875）。在所有模型中，生活满意度、自我报告的健康状况、睡眠时间、视力、跌倒经历、药物的数量和听力都被认为是导致抑郁的重要因素。但是，男性和女性参与者的特征重要性排序有所不同。例如，健康状况、药物的数量、听力和跌倒经历等预测因子对女性抑郁症患者的重要性高于男性。相反，健康满意度、睡眠时间、生活满意度、慢性病数量和教育程度等变量对于老年女性重要性高于老年男性。研究结论表明，我们建立的模型可作为决策支持工具，及时对高风险抑郁患者进行干预和管理。

论文链接：https://doi.org/10.1016/j.jad.2024.05.078

成果六：慢性心力衰竭合并肺部感染患者院内死亡风险预测：基于MIMIC-IV数据库和模型可解释方法的研究

杨枢教授（通讯作者）团队发表在南方医科大学学报。

该研究基于MIMIC-IV数据库提取患者数据，按病原体种类将患者划分为合并细菌性肺炎、合并非细菌性肺炎两个亚组。基于单因素分析和LASSO回归筛选最佳预测特征。数据集以8：2的比例随机划分为训练集和内部测试集，分别构建LR、AdaBoost、XGBoost、LightGBM 4种模型预测CHF合并肺部感染患者的死亡风险。通过准确性、精确度、F1值、AUC等指标评估比较模型性能，并使用eICU-CRD数据库进行外部验证。采用SHAP算法对XGBoost模型进行可解释性分析，探讨分析CHF合并肺部感染患者院内死亡的危险因素。

该研究发现，相较于其他模型，XGBoost模型表现出了更好的预测能力和稳定性。内部测试集中，XGBoost模型AUC值分别为0.829、0.810、0.846。准确性分别为0.845、0.811、0.835，高于其他模型。外部测试集结果显示，在预测CHF合并肺部感染患者的院内死亡风险方面，XGBoost模型的综合表现优于其他3种模型，这与内部测试集结果相同。SHAP特征重要性排序显示，GCS评分在所有预测时段中具有最强预测价值。特征对模型输出影响分布图显示，白细胞、血尿素氮的增加对预测结果有正向影响，使预测结果倾向死亡；尿量、体重的增加对预测结果有负向影响，使预测结果倾向生存。构建CHF合并肺部感染患者可解释性死亡风险预测模型，有助于临床医生评估患者的生存情况，为患者制定个性化的治疗和护理计划。SHAP算法实现了模型的临床可解释性，便于临床医生更好的理解模型预测过程，进行临床决策。