摘要：针对传统的变电站管控手段难以应对智能化的新型设备、变电站管控日趋复杂化的问题,文中采用传感器网络技术,通过融合多种传感器所采集的数据,设计了一套集中式的数据收集平台。为提高传感网络的有效运行时间,该平台采用自主能量管理的方法,设计实现了多传感器网络的自主运营。通过函数链工具与免疫算法构建了功能链神经网络,有效解决传感器数据分析的准确性问题。由实验与测试结果可以看出,所提方法能够有效发挥函数链网络与免疫算法的优势。与常规技术方案相比,该方法对电力系统数据的分析准确率可达80%,且具有较小的估计误差。

摘要：目的构建并应用急性期脑卒中患者下肢深静脉血栓(deep vein thrombosis,DVT)风险列线图预测模型。方法采用前瞻性研究设计,便利选取2020年1月—2021年4月在南宁市某三级甲等综合医院住院的602例急性期脑卒中患者作为研究对象。其中2020年1月—12月的415例作为建模组,2021年1月—4月的187例作为验证组对模型进行外部验证。采用单因素和多因素Logistic回归分析急性期脑卒中患者下肢DVT危险因素,建立风险预测模型并绘制列线图。采用受试者操作特征曲线(receiver operating characteristic,ROC)和Hosmer-Lemeshow检验验证模型预测效果。结果建模组415例中有35例发生DVT,发生率为8.4%;验证组187例中有19例发生DVT,发生率为10.2%。建模组中单因素分析结果显示,年龄、诊断、卧床时间、意识状态、偏瘫程度,是否有吸烟史、房颤史、血栓史,是否使用脱水药物、是否留置中心静脉导管、血浆纤维蛋白原、D-二聚体定量是急性期脑卒中患者发生DVT的影响因素。多因素Logistic回归分析结果显示,年龄、意识状态、偏瘫程度、是否使用脱水药物是急性期脑卒中患者发生DVT的独立影响因素(OR值分别为1.901、1.702、1.940、3.231,均P<0.05),以上述4个因素为自变量构建列线图,模型ROC曲线下面积为0.850,约登指数最大值为0.758时,灵敏度为83%,特异度为82%,最佳临界值为0.071。Hosmer-Lemeshow拟合优度检验χ2=2.143,P=0.951;外部验证组ROC曲线下面积为0.893,约登指数最大值为0.746时,灵敏度为90%,特异度为85%,最佳临界值为0.084。结论构建的列线图可个性化预测急性期脑卒中患者DVT发生风险,有助于护理人员制订相应的干预措施。