| 中文摘要 | 第4-5页 |
| 英文摘要(Abstract) | 第5-6页 |
| 缩略词表(Abbreviation) | 第7-9页 |
| 前言 | 第9-10页 |
| 一、材料与试验流程 | 第10-14页 |
| 1. 伦理审查与临床试验注册 | 第10页 |
| 2. 纳入及排除标准 | 第10页 |
| 3. 临床资料采集 | 第10-11页 |
| 4. 血清样本采集 | 第11-12页 |
| 5. 血清样品检测 | 第12页 |
| 6. 代谢组学1H-NMR波谱数据采集 | 第12页 |
| 7. 1H-NMR波谱处理 | 第12-13页 |
| 8. 主要试剂及仪器 | 第13页 |
| 9. 数据分析软件 | 第13-14页 |
| 二、研究方法与数据处理 | 第14-15页 |
| 1. 统计学分析 | 第14页 |
| 2. 机器学习方法建模 | 第14页 |
| 3. 代谢组学方法及数据处理 | 第14-15页 |
| 三、结果 | 第15-29页 |
| 1. 患者的一般临床资料 | 第15-16页 |
| 2. 危险因素分析 | 第16-22页 |
| 2.1 单因素分析 | 第16-20页 |
| 2.2 Logistic回归分析 | 第20-21页 |
| 2.3 住院费用及住院时长的影响因素分析 | 第21-22页 |
| 3. 炎症因子与MDA的变化情况 | 第22-23页 |
| 4. SVM模型的预测结果 | 第23-26页 |
| 5. 手术前后不同时间点患者的代谢表型差异 | 第26-29页 |
| 四、讨论 | 第29-31页 |
| 1. 影响腹部大手术患者结局的因素分析 | 第29-30页 |
| 2. 营养因素对结局的影响分析 | 第30页 |
| 3. 利用机器学习技术能够找到最适能量与蛋白质区间 | 第30-31页 |
| 4. 患者在手术前后不同时间点上具有明显的代谢差异 | 第31页 |
| 五、结论 | 第31-32页 |
| 参考文献 | 第32-34页 |
| 综述: 应用相位角预测营养不良及临床应用 | 第34-42页 |
| 参考文献 | 第38-42页 |
| 致谢 | 第42-43页 |