简介:目的探讨血清胱抑素C(CysC)与IgA肾病(IgAN)Lee氏分级和牛津分型的相关性,为评估该病严重程度提供依据。方法观察2013年1月—2018年1月在上海中医药大学附属龙华医院肾病科进行肾穿刺活检证实为原发性IgAN的患者191例。根据Lee氏分级与牛津分型间质纤维化与小管萎缩(T)分级分为轻、中、重3组,另根据牛津分型新月体(C)分级分为2组,观察患者血清CysC、血白蛋白(Alb)、血肌酐(SCr)、尿素氮(BUN)、尿酸(UA)、24h尿蛋白及24h尿微量白蛋白水平,采用CKD-EPI公式估算肾小球滤过率(eGFR),分析血清CysC与Lee氏分级、牛津分型之间的关系。结果Lee氏分级与T的分组中,随着病理损伤程度的加重,患者血清CysC、SCr、BUN水平逐渐升高,eGFR水平逐渐降低(P<0.01)。Spearman相关分析显示血清CysC与Lee氏分级、牛津分型中T分级呈正相关(r=0.768,r=0.624,均P<0.01),与eGFR呈负相关(r=-0.804,P<0.01);上述相关性在多元线性回归中得到证实。含有新月体的患者,血清CysC水平较不含新月体患者的水平升高(P<0.01),Spearman相关分析显示二者亦有一定的相关性(r=0.181,P<0.01),但多元线性回归提示二者相关性不强,故仍需进一步证实。结论血清CysC可作为反映IgAN早期病理损伤等级尤其是间质小管损伤程度的敏感性指标。
简介:摘要交通流预测是交通控制与管理,交通状况改善的重要参考指标。本文建立灰色模型和BP神经网络相结合的组合模型,利用灰色模型对实际监测到的数据进行拟合、预测,得到预测值和预测残差,将预测残差输入到神经网络模型进行残差的学习、仿真和预测,残差预测值和灰色模型预测值的和值作为最终预测结果。结果表明,用灰色模型对神经网络模型预测进行优化,其预测结果比单一的神经网络建模预测具有更高的准确性和实用性,提高了预测的精度。