Abstract The study aims to investigate the predictive capability of machine learning algorithms for omental metastasis in locally advanced gastric cancer (LAGC) and to compare the performance metrics of various machine learning predictive models. A retrospective collection of 478 pathologically confirmed LAGC patients was undertaken, encompassing both clinical features and arterial phase computed tomography images. Radiomic features were extracted using 3D Slicer software. Clinical and radiomic features were further filtered through lasso regression. Selected clinical and radiomic features were used to construct omental metastasis predictive models using support vector machine (SVM), decision tree (DT), random forest (RF), K-nearest neighbors (KNN), and logistic regression (LR). The models’ performance metrics included accuracy, area under the curve (AUC) of the receiver operating characteristic curve, sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV). In the training cohort, the RF predictive model surpassed LR, SVM, DT, and KNN in terms of accuracy, AUC, sensitivity, specificity, PPV, and NPV. Compared to the other four predictive models, the RF model significantly improved PPV. In the test cohort, all five machine learning predictive models exhibited lower PPVs. The DT model demonstrated the most significant variation in performance metrics relative to the other models, with a sensitivity of 0.231 and specificity of 0.990. The LR-based predictive model had the lowest PPV at 0.210, compared to the other four models. In the external validation cohort, the performance metrics of the predictive models were generally consistent with those in the test cohort. The LR-based model for predicting omental metastasis exhibited a lower PPV. Among the machine learning algorithms, the RF predictive model demonstrated higher accuracy and improved PPV relative to LR, SVM, KNN, and DT models.

Abstract Background Thrombocytopenia is one of the hematologic disorders that frequently accompany HIV-1 infection. The interaction of HIV-1 and platelets is crucial in the Blood-Brain Barrier’s (BBB) degeneration and causes neuroinflammation. The research aims to evaluate the prevalence and risk factors for HAT (HIV-1 associated thrombocytopenia) and summary the features of HAT-related neuroinflammation. Method A retrospective study including 221 HAT patients was conducted in West China Hospital from 2017 to 2021. Clinical and laboratory data was analyzed the prevalence and risk factors for HAT and HAT-related neuroinflammation. Results The prevalence of HAT was 11.06% and most patients were men (76.92%), elderly (≥50, 55.21%) and 63.80% patients were mild thrombocytopenia. CD4 + T cell count, platelet crit (PCT) and the rate of large platelets (P-LCR) were significantly different between HAT group and control group ( P < 0.001, P 0.001, P =0.002). CD4 + T cell count <200 cell/μL ( P =0.001) was an important risk factor in the occurrence of HAT while advanced age and high viral load were closely related to the occurrence of HAT. HAT-related neuroinflammation patients were mostly distributed in male ( X 2 =10.066, P =0.007), with higher viral load ( X 2 =12.297, P =0.006) and advanced age ( X 2 =11.721, P =0.02) with neuropsychiatric symptoms and rising level of inflammatory factors like IL-6 and proteins in CSF. Conclusion HAT and HAT with neuroinflammation cannot be ignored in HIV-1 infection because of the activation of monocytes, macrophages and microglia, further causing thrombocytopenia and neuroinflammation. Advanced age, lower CD4 + T cell count and high viral load were closely related to the occurrence of HAT and HAT-related neuroinflammation.

Dichoptic training has emerged as a promising rehabilitation approach for improving binocular visual function in patients with strabismus. A prospective observational study design was employed to assess the effectiveness of online video game-based dichoptic training in rehabilitating binocular visual function in patients who had undergone an operation for intermittent exotropia. A total of 64 patients who had undergone an operation for intermittent exotropia were recruited and divided into the training group and the control group based on whether they would receive the dichoptic training. The dichoptic training was conducted for 3 months in the training group and the control group would not accept any form of orthoptic therapy. Assessments of binocular visual functions and deviation were conducted at baseline, 3-month and 6-month follow-up. Twenty-nine participants in the training group (mean 9.69 ± 2.66 years old) and 26 participants in the control group (mean 8.41 ± 2.64 years old) completed follow-up. At both 3- and 6-month follow-ups, the training group showed superior distance stereopsis compared to the control group, with near stereopsis only showing significant difference at the 6-month follow-up. Additionally, the training group exhibited significantly less distance exo-deviation drift than the control group at these times, and no significant difference was observed in near exo-deviation drift between the groups. The control group had a significantly higher rate of suboptimal surgical outcomes at both the 3- and 6-month follow-up. However, no significant differences were observed in simultaneous perception and fusion functions between the two groups. Online video game-based dichoptic training has the potential to become a novel postoperative rehabilitation strategy for patients with intermittent exotropia.