目的 基于不同算法对阻塞性睡眠呼吸暂停低通气综合征（OSAHS）患者进行建模，比较四种模型的受试者工作曲线下面积（AUC）、准确率、灵敏度与特异性，以建立自动筛选和诊断OSAHS的机器学习预测模型。方法 回顾性分析2019年10月～2022年10月于徐州医科大学附属医院行多导睡眠监测的277例患者，以人口学信息、病史、ESS作为预测变量，采用单因素分析筛选出具有明显差异的变量，然后分别建立轻量级梯度提升机（LightGBM）模型、逻辑回归（LR）模型、极限梯度提升（XGBoost）模型及支持向量机（SVM）模型，采用AUC评价模型性能。结果 LR预测的准确率为0.91，AUC为0.97；XGBoost的预测准确率为0.94，AUC为0.97；LightGBM的预测准确率为0.93，AUC为0.98；SVM的准确率为0.89，AUC为0.95。结论 LR、SVM、XGBoost、LightGBM对OSAHS预测效果均较好，LightGBM的效果最佳。

目的 探讨超声引导下颈部脓肿穿刺置管引流术的临床应用价值。方法 回顾性分析2017年1月~2020年6月收治的46例颈部脓肿患者临床资料，根据治疗方案分为超声组（25例）与传统组（21例），对比两组患者的围手术期相关指标、术前与术后的疼痛程度及术后并发症的发生率。结果 超声组在手术时间、术中出血量、住院天数、拔管时间、体温恢复时间及术后VAS评分均优于传统组患者，差异有统计学意义（t 分别为12.90、9.98、13.84、13.42、5.37、5.27，P 均<0.05）。超声组所有患者均治疗成功，术后无并发症，传统组3例（14.29%）术后创面感染，1例（4.76%）术后创面出血，差异有统计学意义（χ2=5.22，P <0.05）。结论
超声引导下颈部穿刺置管引流术具有创伤小、疼痛感低、并发症少等优点，在临床上具有推广及应用价值。