通过逐步回归方法对现有特征进行二次选取,并结合C-AdaBoost模型使得预测效果更优。大量实验表明,基于C-AdaBoost模型的算法的预测准确率比SVM、Naive Bayes、RandomForest以及传统的集成学习模型等机器学习分类器的准确率最多可提高19.5%,从而可以更好地帮助医生进行临床决策。
目的探讨阿托伐不要他汀早期干预绝经后乳腺癌患者的临床疗效。方法选取绝经后乳腺癌内分泌治疗患者200例,按随机数字表法分为对照组(100例)和研究组(100例)。对照组采取来曲唑治疗,研究组在此基础上加用阿托伐他汀钙治疗。两组患者均持续治疗2年。于治疗前,治疗12个月和24个月后比较两组血脂水平、心血管事件及乳腺癌复发转移情况。结PU-H71价格果两组患者治疗后与治疗前比较,血脂水平均升高(P<0.01),但研究组患者治疗12和24个月后血脂水平均明显低于对照组P<0.05)。研究组患者心血管事件发生率较对照组明显降低(P<0.05)。研究组患者乳腺癌复发转移率较对照组显著减少(P<0.05)。结论阿托伐他汀不仅能有效调节来曲唑对绝经后乳腺癌患者所致的Luminespib分子量血脂代谢异常,有助于降低心血管事件发生率,且不影响乳腺癌疾病的治疗。
目的观察超声引导下不同剂量吗啡复合罗哌卡因前锯肌平面阻滞(SAPB)对乳腺癌患者术后镇痛效果的影响。方法选择择期行乳腺癌根治术患者120例,按照随机数字表法分成四组各30例;各组均行SAPB联合全身麻醉,SAPB中C组注入0.375%罗哌卡因20 mL,R1、R2、R3组在C组基础上分别复合2、4、6 mg吗啡。