• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    住院患者跌倒風險預(yù)測模型的研究現(xiàn)狀

    2023-09-04 06:21:18任媛淵徐志會付榮娟
    實用臨床醫(yī)藥雜志 2023年8期
    關(guān)鍵詞:機器建模住院

    任媛淵, 丁 福, 徐志會, 付榮娟

    (重慶醫(yī)科大學附屬第一醫(yī)院, 1. 全科醫(yī)學科, 2. 護理部, 重慶, 400016;3. 重慶市合川區(qū)人民醫(yī)院 護理部, 重慶, 401533; 4. 重慶市墊江縣人民醫(yī)院 護理部, 重慶, 408300)

    跌倒是全世界范圍內(nèi)的主要公共衛(wèi)生問題之一,也是全球意外傷害死亡的第2大原因,更是住院患者最常見的安全事件之一[1], 不僅延長患者住院時間,加重個人、家庭和社會的經(jīng)濟負擔[2-3], 而且可導致殘疾和功能損害[4-5], 甚至死亡[6-8]。防范跌倒是評價醫(yī)院護理質(zhì)量的重要指標[9], 也是全球范圍內(nèi)患者安全領(lǐng)域被持續(xù)關(guān)注的目標之一[10], 盡早識別跌倒風險并給予護理干預(yù),能將院內(nèi)跌倒發(fā)生率降低20%~30%[11]。跌倒風險預(yù)測模型作為重要的預(yù)測工具,對早期預(yù)測跌倒風險并實施預(yù)見性護理,進而降低跌倒發(fā)生率具有重要意義。本文對國內(nèi)外住院患者跌倒風險預(yù)測模型的研究現(xiàn)狀進行綜述,以期為臨床選用及構(gòu)建跌倒風險預(yù)測工具提供參考依據(jù)。

    1 國外住院患者跌倒風險預(yù)測模型的研究現(xiàn)狀

    基于Pubmed數(shù)據(jù)庫,以“inpatients/patients in hospital/hospitalized patients”“fall/fall down/tumble/slip/stumble”“risk prediction model/prediction model”為主題詞精確搜索2017年12月—2022年12月文獻,共獲得住院患者跌倒風險預(yù)測模型構(gòu)建相關(guān)文獻45篇,其中通過傳統(tǒng)方法建模的文獻17篇,通過機器學習方法建模的文獻28篇。文獻分析結(jié)果顯示,國外住院患者跌倒風險預(yù)測模型的構(gòu)建具有以下特點。

    1.1 機器學習方法成為構(gòu)建跌倒風險預(yù)測模型的主要方法

    美國學者HARRINGTON P[12]認為,機器學習是將無序的數(shù)據(jù)轉(zhuǎn)換成有用的信息。英國學者FLACH P[13]則將機器學習概括為“使用正確的特征構(gòu)建正確的模型,以完成既定的任務(wù)”。雖然機器學習的定義并不統(tǒng)一,但學習的關(guān)鍵在于利用計算機的運算能力從大量數(shù)據(jù)中發(fā)現(xiàn)“函數(shù)”或“模型”,并通過其來模擬現(xiàn)實世界事物間的關(guān)系,從而實現(xiàn)預(yù)測或判斷的功能[14]。機器學習的核心要素為數(shù)據(jù)、算法和模型[15], 具有從經(jīng)驗中學習,利用系統(tǒng)進行自我改進,并隨著學習提高性能的特點[16-17], 主要分為監(jiān)督學習、無監(jiān)督學習和強化學習3大類[18]。現(xiàn)有文獻顯示,國外基于機器學習構(gòu)建住院患者跌倒風險預(yù)測模型多采用監(jiān)督學習方法。荷蘭學者DORMOSH N等[19]借助Bolasso回歸分析開發(fā)涵蓋跌倒史、記憶或注意力問題、骨關(guān)節(jié)炎等10個危險因素的跌倒風險預(yù)測模型; 韓國CHO I等[20]基于貝葉斯網(wǎng)絡(luò)構(gòu)建的模型包括人口學特征、認知因素、行為因素等6大類預(yù)測因子; 日本NAKANISHI T等[21]基于決策樹構(gòu)建的模型由9個分支構(gòu)成,第1分支是譫妄,第2分支為跌倒史,其余為使用助行器、步態(tài)不穩(wěn)、攜帶輸液管道等。美國OSHIRO C E S等[22]基于Lasso回歸分析構(gòu)建模型,共納入年齡、行走問題、多重用藥等13個關(guān)鍵預(yù)測因子; YE C Y等[23]和LINDBERG D S等[24]分別采用隨機森林、極限梯度提升、支持向量機、k-近鄰法、分類樹、Bagging、自適應(yīng)提升等集成學習算法構(gòu)建跌倒風險預(yù)測模型,納入一般信息、入院信息、臨床數(shù)據(jù)等預(yù)測因子。

    雖然應(yīng)用機器學習建模已成為研究熱點,但機器學習方法是否在任何條件下均優(yōu)于傳統(tǒng)方法尚無定論。VOLOVICI V等[25]認為,現(xiàn)有研究存在濫用和誤用機器學習現(xiàn)象。濫用機器學習建模將增大臨床對模型的解釋難度,誤用機器學習可能導致機器學習“黑匣子”原理支撐的臨床決策與臨床實踐相悖[25]。為了比較機器學習與傳統(tǒng)方法的建模效果,韓國JUNG H等[26]比較Logistic回歸、Cox比例風險回歸和決策樹3種方法的效果,發(fā)現(xiàn)基于Logistic回歸分析構(gòu)建的模型性能最佳。因此,在機器學習成為構(gòu)建住院患者跌倒風險預(yù)測模型主要方法的大趨勢下,研究者更應(yīng)審慎考慮機器學習的必要性和適當性,以實際臨床問題和需求為導向,充分考慮數(shù)據(jù)集的類型、規(guī)模和維度,選用恰當?shù)慕7椒?并以統(tǒng)計指標為依據(jù)、以臨床實際為基礎(chǔ)從多角度合理解讀所得的模型。

    1.2 單中心、電子病歷數(shù)據(jù)成為構(gòu)建模型的主要數(shù)據(jù)來源

    國外研究者無論采用傳統(tǒng)方法還是機器學習方法建模,大多數(shù)據(jù)都來源于某一家醫(yī)院的電子病歷,從Pubmed數(shù)據(jù)庫檢索到的45篇構(gòu)建住院患者跌倒風險預(yù)測模型的相關(guān)文獻中,僅CHOI Y等[27]和WANG Y等[28]基于多中心數(shù)據(jù)建模,其余均為單中心數(shù)據(jù)。單中心數(shù)據(jù)可在一定程度上降低數(shù)據(jù)采集難度,但數(shù)據(jù)可能缺乏代表性,數(shù)據(jù)偏頗還會影響模型的預(yù)測性能及臨床適用性。此外,即使是采用傳統(tǒng)方法建模,數(shù)據(jù)也主要來自電子病歷系統(tǒng)。美國學者LOHSE K R等[29]和韓國學者JUNG H等[26]均基于電子病歷數(shù)據(jù)建模,總體數(shù)據(jù)量為2 007、15 480人,跌倒數(shù)據(jù)量為131、310人,采集數(shù)據(jù)的時間線為1.5、3.0年。另有多項研究[19-24,27-28]采用機器學習方法建模,數(shù)據(jù)同樣來源于電子病歷,數(shù)據(jù)量為814~176 816人,跌倒數(shù)據(jù)量為238~4 778人,數(shù)據(jù)采集周期長短不一,為1~10年。隨著醫(yī)療信息化技術(shù)和電子病歷系統(tǒng)的不斷發(fā)展與完善,雖然電子病歷數(shù)據(jù)已成為臨床大數(shù)據(jù)的主要來源,但國外研究者在應(yīng)用電子病歷數(shù)據(jù)建模的過程中,總體樣本量和跌倒數(shù)據(jù)量差距較大,數(shù)據(jù)類別不平衡問題突出,基于這類偏數(shù)據(jù)構(gòu)建的跌倒風險預(yù)測模型可能無法完整描述臨床跌倒問題,甚至會放大性別歧視、種族歧視等問題[25]。

    1.3 多種方法對模型進行內(nèi)部驗證

    對于構(gòu)建的模型,研究者可采用不同方法在不同測試人群中進行驗證。一方面,國外研究者驗證模型的方法呈現(xiàn)多樣化特點,韓國JUNG H等[26]、美國LOHSE K R等[29]和LINDBERG D S等[24]分別采用5倍交叉驗證和10倍交叉驗證對模型進行驗證,荷蘭DORMOSH N等[19]和韓國CHO I等[20]分別將10倍交叉驗證和Bootstrap、跨時間站點相結(jié)合進行模型驗證,日本NAKANISHI T等[21]基于留出法驗證模型,美國學者YE C Y等[23]采用保序回歸方法進行模型驗證。雖然各國學者采用的驗證方法有所不同,但這些方法均是機器學習的經(jīng)典方法,具有較強的科學性。研究者應(yīng)根據(jù)臨床數(shù)據(jù)的性質(zhì)選用不同的驗證方法: 如果研究數(shù)據(jù)量非常大,可以選用留出法; 如果研究數(shù)據(jù)量較大,可以選用交叉驗證法; 如果研究數(shù)據(jù)無序性較強,則可以選擇保序回歸法。另一方面,模型驗證可分為內(nèi)部驗證和外部驗證,測試人群相同或相似為內(nèi)部驗證,測試人群不同則為外部驗證[30]。對檢索到的文獻進行分析,僅法國學者BEAUCHET O等[31]對模型進行外部驗證,其余研究[19-21, 27-28]均采用內(nèi)部驗證評價模型,提示各研究所得模型并未落實于臨床實踐,且尚未在臨床應(yīng)用及推廣。

    2 中國住院患者跌倒風險預(yù)測模型的研究現(xiàn)狀

    基于CNKI數(shù)據(jù)庫,以“住院患者/住院病人”“跌倒”“風險/預(yù)測/風險預(yù)測/預(yù)測模型/模型”為主題詞精確檢索2017年12月—2022年12月文獻,共獲取住院患者跌倒風險預(yù)測模型構(gòu)建相關(guān)文獻6篇(均采用傳統(tǒng)方法建模); 基于Pubmed數(shù)據(jù)庫,以“inpatients/patients in hospital/hospitalized patients”“fall/fall down/tumble/slip/stumble”“risk prediction model/prediction model”為主題詞精確搜索2017年12月—2022年12月中國研究者發(fā)表的文獻,獲得相關(guān)文獻4篇(均采用機器學習方法建模)。文獻分析結(jié)果顯示,中國住院患者跌倒風險預(yù)測模型的構(gòu)建具有以下特點。

    2.1 傳統(tǒng)方法為主,機器學習方法正在起步

    中國大陸地區(qū)研究者主要采用傳統(tǒng)統(tǒng)計學方法構(gòu)建住院患者跌倒風險預(yù)測模型。林麗娜等[32]、程正楠等[33]均采用單因素分析和Logistic回歸分析建模,分別納入活動受限、跌倒史、用藥等7個危險因素和性別、抑郁、疲乏等6個風險因素; 陳森蕓等[34]采用多因素Logistic回歸分析和列線圖構(gòu)建的模型包含Morse跌倒風險評分、血鉀濃度、夜尿/排便增多、跌倒風險認知4個預(yù)測因子。近年來,中國香港和中國臺灣地區(qū)學者更傾向于采用機器學習方法建模。WANG H L等[35]基于張量分解算法探索患者、跌倒時間、地點和科室之間的內(nèi)在關(guān)系,從而預(yù)測住院患者不同科室和地點的跌倒事件。HSU Y C等[36]基于極限梯度提升方法構(gòu)建包括教育水平、體溫、脈率等高危因素的跌倒風險預(yù)測模型; LIU C H等[37]采用決策樹、貝葉斯網(wǎng)絡(luò)、支持向量機、隨機森林、Bagging及自適應(yīng)提升4種監(jiān)督學習和2種集成學習方法建模,得出Bagging和隨機森林相結(jié)合的集成學習方法構(gòu)建的模型預(yù)測性能最佳,該模型共納入入院診斷、手術(shù)記錄、用藥記錄等54個危險因子。分析中國學者的相關(guān)文獻可發(fā)現(xiàn),臺灣、香港地區(qū)學者[35-38]已采用機器學習方法建模,大陸地區(qū)學者[32-34]仍主要采用傳統(tǒng)的Logistic回歸分析方法建模。Logistic回歸分析實現(xiàn)簡單、計算量小,常用于危險因素分析、疾病風險預(yù)測及疾病診斷,但其不能解決非線性問題,難以處理不平衡數(shù)據(jù),且準確度不高[39]。構(gòu)建方法的選擇是開發(fā)預(yù)測模型的關(guān)鍵,相較于國外,中國目前的建模方式(以傳統(tǒng)方法為主)一定程度上限制了跌倒風險預(yù)測模型的整體性能和臨床適用性。

    2.2 數(shù)據(jù)源各異,且以單中心、小數(shù)據(jù)集、偏數(shù)據(jù)為主

    中國的研究者通過不同數(shù)據(jù)源構(gòu)建住院患者跌倒風險預(yù)測模型,例如現(xiàn)場詢問、電話調(diào)查[32]、半結(jié)構(gòu)式訪談或問卷調(diào)查[33]等方法采集的原始資料。近年來,中國港臺地區(qū)學者開始嘗試應(yīng)用電子病歷[36]、電子健康記錄[38]、跌倒安全報告系統(tǒng)[35-36]等電子信息系統(tǒng)數(shù)據(jù)構(gòu)建模型。雖然建模的數(shù)據(jù)源存在差異,但無論是基于傳統(tǒng)方法還是機器學習方法建模,數(shù)據(jù)均為單中心數(shù)據(jù),且總體樣本量和跌倒樣本量均偏小。采用傳統(tǒng)方法建模的研究中,總體樣本量最小僅226人[34], 最大950人[33]; 跌倒樣本量最小僅93人[33], 最大113人[34]; 數(shù)據(jù)收集周期最短僅4個月[33],最長3.5年[34]。采用機器學習方法建模的研究中,雖然總體樣本量最大可達108 940人[37], 但跌倒樣本量仍偏小,為256~349人[35-38], 采集數(shù)據(jù)的時間段為9個月~4.5年[35-38]。相較于國外,中國該領(lǐng)域的數(shù)據(jù)類別不平衡問題更加突出,偏數(shù)據(jù)建模將直接影響模型的預(yù)測性能。此外,雖然HSU Y C等[36]和CHU W M等[38]采用機器學習方法建模,但其樣本量僅639人和1 101人,既不符合臨床大數(shù)據(jù)的建模條件,也不適用于機器學習這種以大數(shù)據(jù)為基礎(chǔ)的建模方法。

    2.3 模型驗證方法較單一,且缺乏外部驗證

    在驗證方法方面,中國絕大多數(shù)研究者仍習慣對模型進行傳統(tǒng)統(tǒng)計學驗證[32-33, 36-37], 而忽視對機器學習驗證方法的探索,僅CHU W M等[38]和陳森蕓等[34]對交叉驗證和Bootstrap進行了嘗試,整體而言模型驗證方法較單一。在驗證過程方面,中國學者大多僅對模型進行內(nèi)部驗證[32-38], 缺乏將模型應(yīng)用于不同測試人群的外部驗證,且未對模型進行重新校準和動態(tài)更新,故構(gòu)建的風險預(yù)測模型并未真正發(fā)揮作用。在驗證結(jié)果方面,中國研究者構(gòu)建的模型,受試者工作特征曲線的曲線下面積為0.57~0.90[32-38], 區(qū)分度顯著低于國外研究[19-24, 26-29, 31]的0.70~0.99; 無論采用傳統(tǒng)方法還是機器學習方法建模,中國學者構(gòu)建的跌倒風險預(yù)測模型的靈敏度和特異度均低于國外研究[26, 32-33, 38]。

    3 小 結(jié)

    良好的風險預(yù)測模型是早期識別住院患者跌倒風險的重要保障[40-44], 從電子病歷系統(tǒng)直接采集數(shù)據(jù),并以機器學習為主要方法建模,正成為這一領(lǐng)域的研究熱點[45-47]。但現(xiàn)有研究顯示,住院患者跌倒風險預(yù)測模型的構(gòu)建尚存在數(shù)據(jù)規(guī)模與方法不匹配,數(shù)據(jù)普適性、平衡性較差,經(jīng)外部驗證的模型較少,臨床適用性不強等問題。未來,護理研究者應(yīng)特別注意算法與大數(shù)據(jù)“4V”特性[48]的匹配性,根據(jù)數(shù)據(jù)特征,科學選擇機器學習方法,同時加強醫(yī)療機構(gòu)信息互通與合作,收集實時、多中心、大樣本數(shù)據(jù),以推動跌倒風險預(yù)測模型的真實世界研究,并立足臨床,以研究結(jié)果反哺臨床問題的解決,提升住院患者跌倒風險預(yù)測模型的科學性和臨床適用性。

    猜你喜歡
    機器建模住院
    媽媽住院了
    機器狗
    機器狗
    聯(lián)想等效,拓展建?!浴皫щ娦∏蛟诘刃鲋凶鰣A周運動”為例
    基于PSS/E的風電場建模與動態(tài)分析
    電子制作(2018年17期)2018-09-28 01:56:44
    未來機器城
    電影(2018年8期)2018-09-21 08:00:06
    不對稱半橋變換器的建模與仿真
    QCC在預(yù)防神經(jīng)內(nèi)科住院患者跌倒與墜床的應(yīng)用
    精神病人住院自縊 醫(yī)院擔啥責
    Alzheimer’s patient’s heart doesn’t forget a mother’s day tradition
    国产探花在线观看一区二区| 国产高潮美女av| 人妻制服诱惑在线中文字幕| 欧美一区二区亚洲| 亚洲色图av天堂| 欧美成人a在线观看| 久久99精品国语久久久| 久久久久久久亚洲中文字幕| 春色校园在线视频观看| 亚洲乱码一区二区免费版| 亚洲丝袜综合中文字幕| 国产白丝娇喘喷水9色精品| 国产三级中文精品| 色综合亚洲欧美另类图片| 一级二级三级毛片免费看| 午夜免费激情av| 老司机福利观看| 中文字幕av在线有码专区| 久久精品91蜜桃| 男人舔女人下体高潮全视频| 久久综合国产亚洲精品| 午夜激情福利司机影院| 午夜视频国产福利| 日韩人妻高清精品专区| 国产黄a三级三级三级人| 一边摸一边抽搐一进一小说| 久久精品国产亚洲av天美| 久久亚洲国产成人精品v| 精品一区二区三区人妻视频| 亚洲自偷自拍三级| 99久久精品国产国产毛片| 美女高潮的动态| 成人一区二区视频在线观看| 99久久久亚洲精品蜜臀av| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲自拍偷在线| 国产黄a三级三级三级人| 午夜福利视频1000在线观看| 老女人水多毛片| 色综合色国产| 波多野结衣巨乳人妻| 国产黄片美女视频| 国产蜜桃级精品一区二区三区| 一个人免费在线观看电影| 日韩 亚洲 欧美在线| av在线老鸭窝| 精品熟女少妇av免费看| 村上凉子中文字幕在线| 国产精品女同一区二区软件| 女人被狂操c到高潮| 少妇的逼水好多| 两个人的视频大全免费| 99在线人妻在线中文字幕| 久久久久九九精品影院| 又黄又爽又刺激的免费视频.| 国产白丝娇喘喷水9色精品| 免费观看a级毛片全部| 国产精品三级大全| 狂野欧美白嫩少妇大欣赏| 天堂网av新在线| 一级黄色大片毛片| 我的女老师完整版在线观看| 亚洲欧美清纯卡通| 久久久久久久亚洲中文字幕| 边亲边吃奶的免费视频| 国产一区二区激情短视频| 给我免费播放毛片高清在线观看| 亚洲在线自拍视频| 国产免费一级a男人的天堂| 久久精品国产清高在天天线| 亚洲欧美清纯卡通| 99精品在免费线老司机午夜| 日本三级黄在线观看| av在线观看视频网站免费| 全区人妻精品视频| 午夜爱爱视频在线播放| 国产一区二区激情短视频| 国产白丝娇喘喷水9色精品| 中文字幕制服av| 国产精品精品国产色婷婷| 色哟哟哟哟哟哟| 一本精品99久久精品77| 熟女人妻精品中文字幕| 在线观看午夜福利视频| 18禁在线播放成人免费| 99热网站在线观看| 亚洲精品久久国产高清桃花| 又黄又爽又刺激的免费视频.| 熟女电影av网| 国产一区二区在线av高清观看| 99久国产av精品国产电影| 一本精品99久久精品77| 男的添女的下面高潮视频| 波多野结衣高清作品| 免费观看的影片在线观看| 精品人妻一区二区三区麻豆| 成人毛片60女人毛片免费| 深夜精品福利| 亚洲成人久久爱视频| 99精品在免费线老司机午夜| 欧美日本亚洲视频在线播放| av视频在线观看入口| 久久精品国产99精品国产亚洲性色| 尾随美女入室| 久久精品久久久久久噜噜老黄 | 毛片女人毛片| 国产精品嫩草影院av在线观看| 色哟哟哟哟哟哟| 99热只有精品国产| 成人综合一区亚洲| 好男人在线观看高清免费视频| 美女国产视频在线观看| 日本免费一区二区三区高清不卡| 内射极品少妇av片p| 校园春色视频在线观看| 日本免费a在线| 欧美bdsm另类| 免费观看在线日韩| www.av在线官网国产| 国产成人午夜福利电影在线观看| 成人综合一区亚洲| 成年免费大片在线观看| 日日摸夜夜添夜夜添av毛片| avwww免费| 性插视频无遮挡在线免费观看| 蜜桃久久精品国产亚洲av| 老熟妇乱子伦视频在线观看| 国产一区亚洲一区在线观看| 午夜精品在线福利| 天堂网av新在线| 日韩av不卡免费在线播放| or卡值多少钱| 久久久久久久久久久丰满| 国产极品精品免费视频能看的| 哪里可以看免费的av片| 女的被弄到高潮叫床怎么办| 亚洲经典国产精华液单| 深夜精品福利| 如何舔出高潮| 日本黄大片高清| 色综合站精品国产| 内地一区二区视频在线| 久久久久久九九精品二区国产| 亚洲无线在线观看| 在线播放国产精品三级| 2022亚洲国产成人精品| 一边摸一边抽搐一进一小说| 久久久久免费精品人妻一区二区| 国产精品,欧美在线| 亚洲国产精品成人久久小说 | 九色成人免费人妻av| 美女 人体艺术 gogo| 伦精品一区二区三区| 婷婷六月久久综合丁香| 色吧在线观看| 成人二区视频| 麻豆久久精品国产亚洲av| 九九热线精品视视频播放| 免费看日本二区| 婷婷精品国产亚洲av| 99热只有精品国产| 婷婷色av中文字幕| 一个人看的www免费观看视频| 亚洲熟妇中文字幕五十中出| 青春草国产在线视频 | 久久久精品94久久精品| 女人被狂操c到高潮| 女同久久另类99精品国产91| 国产黄a三级三级三级人| 婷婷色av中文字幕| 一区二区三区高清视频在线| 丝袜美腿在线中文| kizo精华| 国产精品人妻久久久影院| 久久精品夜色国产| 小说图片视频综合网站| 一级二级三级毛片免费看| 久久精品国产亚洲av天美| 91久久精品电影网| 免费人成视频x8x8入口观看| 看片在线看免费视频| 美女大奶头视频| 亚洲欧美清纯卡通| 亚洲国产精品合色在线| 亚洲18禁久久av| 久久99热6这里只有精品| 亚洲色图av天堂| 国产一区亚洲一区在线观看| 国产69精品久久久久777片| 久久久久免费精品人妻一区二区| 色哟哟哟哟哟哟| av免费在线看不卡| 18禁裸乳无遮挡免费网站照片| 在线观看午夜福利视频| 麻豆乱淫一区二区| 99久久人妻综合| 少妇的逼水好多| 波野结衣二区三区在线| 男人舔奶头视频| 我的女老师完整版在线观看| 欧美日韩乱码在线| 男人和女人高潮做爰伦理| 国产成人aa在线观看| 国产精品麻豆人妻色哟哟久久 | 久久韩国三级中文字幕| 久久久欧美国产精品| 久久精品久久久久久噜噜老黄 | 小蜜桃在线观看免费完整版高清| 91麻豆精品激情在线观看国产| 最近2019中文字幕mv第一页| 国产极品精品免费视频能看的| 天美传媒精品一区二区| 日韩大尺度精品在线看网址| 婷婷六月久久综合丁香| 婷婷色av中文字幕| 亚洲一区二区三区色噜噜| 观看美女的网站| 丝袜喷水一区| 国产一区二区在线观看日韩| 精品欧美国产一区二区三| 国产伦在线观看视频一区| 91麻豆精品激情在线观看国产| 久久99热6这里只有精品| 你懂的网址亚洲精品在线观看 | 免费看av在线观看网站| 久久精品91蜜桃| 一个人免费在线观看电影| 亚洲在线观看片| 精品人妻视频免费看| 久久久色成人| 美女脱内裤让男人舔精品视频 | 成人午夜精彩视频在线观看| 久久精品国产清高在天天线| 国产中年淑女户外野战色| 在线播放无遮挡| 不卡视频在线观看欧美| 亚洲欧美日韩高清专用| 欧美xxxx性猛交bbbb| 成人亚洲精品av一区二区| 午夜视频国产福利| 成人毛片60女人毛片免费| 国产高清激情床上av| 乱人视频在线观看| 最后的刺客免费高清国语| 人妻久久中文字幕网| 丝袜喷水一区| 久久久久国产网址| 九草在线视频观看| 中文字幕av成人在线电影| 国产精品免费一区二区三区在线| 亚洲四区av| 国产精品麻豆人妻色哟哟久久 | 一个人看视频在线观看www免费| 长腿黑丝高跟| av黄色大香蕉| 久久这里只有精品中国| 午夜福利成人在线免费观看| 午夜福利高清视频| 男人和女人高潮做爰伦理| 99久久九九国产精品国产免费| 亚洲国产欧美人成| 日本一本二区三区精品| 国产私拍福利视频在线观看| 如何舔出高潮| 欧美日韩在线观看h| 好男人在线观看高清免费视频| 网址你懂的国产日韩在线| 久久久精品欧美日韩精品| 久久久a久久爽久久v久久| eeuss影院久久| 狂野欧美白嫩少妇大欣赏| 久久精品91蜜桃| 欧美zozozo另类| 亚洲人成网站在线观看播放| 少妇的逼好多水| 在线播放国产精品三级| 搡女人真爽免费视频火全软件| 最近2019中文字幕mv第一页| 男的添女的下面高潮视频| 日韩高清综合在线| 三级男女做爰猛烈吃奶摸视频| 深爱激情五月婷婷| 波多野结衣巨乳人妻| 亚洲自偷自拍三级| 欧美色欧美亚洲另类二区| 人人妻人人澡人人爽人人夜夜 | 身体一侧抽搐| 又黄又爽又刺激的免费视频.| 欧美最新免费一区二区三区| 日日撸夜夜添| 日韩一区二区三区影片| 在线观看66精品国产| 久久久久久国产a免费观看| 99久久人妻综合| 日日啪夜夜撸| 一区二区三区四区激情视频 | 高清午夜精品一区二区三区 | 中文字幕制服av| 国产精品一区二区三区四区免费观看| 成人国产麻豆网| 在现免费观看毛片| 又爽又黄无遮挡网站| 国产乱人偷精品视频| 久久久a久久爽久久v久久| 搡女人真爽免费视频火全软件| 亚洲精品自拍成人| 国产一区二区三区在线臀色熟女| 久久人人爽人人片av| 国内精品一区二区在线观看| 久久中文看片网| 国产精品美女特级片免费视频播放器| 伊人久久精品亚洲午夜| 美女黄网站色视频| 欧美xxxx性猛交bbbb| 伦理电影大哥的女人| 高清日韩中文字幕在线| videossex国产| 日本撒尿小便嘘嘘汇集6| a级一级毛片免费在线观看| 91aial.com中文字幕在线观看| 国模一区二区三区四区视频| 国产激情偷乱视频一区二区| 欧美日韩在线观看h| 一本久久精品| 看黄色毛片网站| 搡女人真爽免费视频火全软件| 午夜精品在线福利| 欧美人与善性xxx| 免费av毛片视频| 美女 人体艺术 gogo| h日本视频在线播放| 国产精品三级大全| 午夜福利成人在线免费观看| 国内少妇人妻偷人精品xxx网站| 99九九线精品视频在线观看视频| 久久午夜亚洲精品久久| 久久久久免费精品人妻一区二区| 男人舔女人下体高潮全视频| 99九九线精品视频在线观看视频| 国产美女午夜福利| 久久亚洲国产成人精品v| ponron亚洲| 国产精品免费一区二区三区在线| 麻豆国产av国片精品| 一级毛片aaaaaa免费看小| 国产精品综合久久久久久久免费| 亚洲欧洲日产国产| 国产精品一二三区在线看| 国产精品乱码一区二三区的特点| 婷婷六月久久综合丁香| 99在线视频只有这里精品首页| 亚洲欧美成人精品一区二区| 长腿黑丝高跟| 精品久久久噜噜| 亚洲18禁久久av| 久久久久久久亚洲中文字幕| 国产av不卡久久| 国产亚洲av片在线观看秒播厂 | 男女那种视频在线观看| 国产成人精品婷婷| 成人美女网站在线观看视频| 国产亚洲91精品色在线| 国产伦精品一区二区三区四那| 麻豆国产97在线/欧美| 久久久精品大字幕| 亚洲乱码一区二区免费版| 亚洲最大成人av| 蜜臀久久99精品久久宅男| 日韩三级伦理在线观看| 国产成人a∨麻豆精品| 久久久国产成人精品二区| 全区人妻精品视频| 欧美一区二区亚洲| 丝袜喷水一区| 国产午夜精品久久久久久一区二区三区| 最近中文字幕高清免费大全6| 国产精品麻豆人妻色哟哟久久 | 99热这里只有是精品在线观看| 国产老妇女一区| 亚洲精品色激情综合| 日本黄色片子视频| 欧美日韩一区二区视频在线观看视频在线 | 在线观看午夜福利视频| 日韩av在线大香蕉| 高清在线视频一区二区三区 | 免费黄网站久久成人精品| 精品少妇黑人巨大在线播放 | 久久99热这里只有精品18| 成人性生交大片免费视频hd| 搞女人的毛片| 长腿黑丝高跟| 麻豆乱淫一区二区| 高清午夜精品一区二区三区 | 啦啦啦观看免费观看视频高清| 少妇人妻一区二区三区视频| 好男人在线观看高清免费视频| 九草在线视频观看| 九色成人免费人妻av| 国产精品久久久久久久久免| 一级黄色大片毛片| 久久久精品94久久精品| 国产av一区在线观看免费| 深夜a级毛片| 欧美成人免费av一区二区三区| 少妇丰满av| 久久精品国产亚洲av天美| 久久精品国产清高在天天线| 欧美最黄视频在线播放免费| 91久久精品国产一区二区三区| 中文字幕av在线有码专区| 乱人视频在线观看| 国产精品国产高清国产av| 好男人视频免费观看在线| 在线a可以看的网站| 日韩欧美精品免费久久| 不卡一级毛片| 麻豆乱淫一区二区| 久久精品国产自在天天线| 日本三级黄在线观看| 国产精品免费一区二区三区在线| 欧美高清成人免费视频www| 亚洲精品粉嫩美女一区| 在线播放无遮挡| 搡老妇女老女人老熟妇| 亚洲成人av在线免费| 高清毛片免费观看视频网站| 欧美一区二区精品小视频在线| 免费在线观看成人毛片| 日韩中字成人| 又爽又黄a免费视频| 国产精品,欧美在线| 精品国内亚洲2022精品成人| 青春草亚洲视频在线观看| 成人永久免费在线观看视频| 色播亚洲综合网| 国产熟女欧美一区二区| 能在线免费观看的黄片| 亚洲国产精品sss在线观看| 欧洲精品卡2卡3卡4卡5卡区| 波多野结衣高清作品| 国产午夜精品一二区理论片| 嫩草影院新地址| 免费无遮挡裸体视频| 97热精品久久久久久| 精品熟女少妇av免费看| 一级黄片播放器| av国产免费在线观看| 高清在线视频一区二区三区 | 一级二级三级毛片免费看| 国产伦一二天堂av在线观看| 国产真实伦视频高清在线观看| 禁无遮挡网站| 国产高清不卡午夜福利| 青青草视频在线视频观看| 久久久a久久爽久久v久久| 久久久精品欧美日韩精品| 欧美+日韩+精品| 毛片一级片免费看久久久久| 人妻夜夜爽99麻豆av| 最近的中文字幕免费完整| 久久欧美精品欧美久久欧美| 精品99又大又爽又粗少妇毛片| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲成av人片在线播放无| 日本av手机在线免费观看| 久久久久久久久久久免费av| 在现免费观看毛片| 久久99蜜桃精品久久| 别揉我奶头 嗯啊视频| 中文精品一卡2卡3卡4更新| 精品久久久久久久人妻蜜臀av| 成人漫画全彩无遮挡| 网址你懂的国产日韩在线| 久久九九热精品免费| 中文字幕av成人在线电影| 91精品国产九色| 91麻豆精品激情在线观看国产| 日韩一区二区视频免费看| 国产精品精品国产色婷婷| 三级经典国产精品| 久久久国产成人免费| 国产av在哪里看| 国产一级毛片在线| 国产午夜精品久久久久久一区二区三区| 桃色一区二区三区在线观看| 中文字幕av成人在线电影| 国产麻豆成人av免费视频| 国产爱豆传媒在线观看| 麻豆成人午夜福利视频| 亚洲欧美精品自产自拍| 非洲黑人性xxxx精品又粗又长| 97人妻精品一区二区三区麻豆| 国产大屁股一区二区在线视频| 国产精品日韩av在线免费观看| 精品少妇黑人巨大在线播放 | 亚洲人成网站高清观看| 成人特级av手机在线观看| 岛国毛片在线播放| 99在线视频只有这里精品首页| 久久人人精品亚洲av| 又爽又黄a免费视频| 久久精品综合一区二区三区| 亚洲国产精品合色在线| 国产片特级美女逼逼视频| 只有这里有精品99| 直男gayav资源| 九色成人免费人妻av| 天天一区二区日本电影三级| 久久午夜亚洲精品久久| 日本色播在线视频| 国产高清三级在线| 免费大片18禁| 亚洲国产高清在线一区二区三| 欧美色欧美亚洲另类二区| 菩萨蛮人人尽说江南好唐韦庄 | 成年版毛片免费区| 国产精品一区www在线观看| 哪个播放器可以免费观看大片| 亚洲天堂国产精品一区在线| 国产精品免费一区二区三区在线| 最近最新中文字幕大全电影3| 国产一级毛片七仙女欲春2| 搡女人真爽免费视频火全软件| 午夜激情福利司机影院| 日本免费一区二区三区高清不卡| 国产淫片久久久久久久久| 女同久久另类99精品国产91| 欧美xxxx黑人xx丫x性爽| 国内精品一区二区在线观看| 欧美激情在线99| 国产黄片美女视频| 精品久久久久久久末码| 欧美日韩国产亚洲二区| 欧美性猛交╳xxx乱大交人| 日日摸夜夜添夜夜添av毛片| 免费观看人在逋| 熟妇人妻久久中文字幕3abv| 一个人免费在线观看电影| 看免费成人av毛片| 日日摸夜夜添夜夜爱| av福利片在线观看| 插阴视频在线观看视频| 成人特级黄色片久久久久久久| 在现免费观看毛片| 精品人妻偷拍中文字幕| 久久久久性生活片| 亚洲欧美日韩无卡精品| 国产精品蜜桃在线观看 | 国产精品女同一区二区软件| 免费观看在线日韩| 国产v大片淫在线免费观看| 长腿黑丝高跟| 国产精品一区二区三区四区免费观看| 久久久国产成人免费| 最好的美女福利视频网| 国产又黄又爽又无遮挡在线| 一个人免费在线观看电影| 欧美区成人在线视频| 久久精品夜色国产| 国产私拍福利视频在线观看| 国产精品99久久久久久久久| 99在线视频只有这里精品首页| 在线观看一区二区三区| 久久这里有精品视频免费| 亚洲精品影视一区二区三区av| 日日啪夜夜撸| 观看免费一级毛片| 最近中文字幕高清免费大全6| 99久久久亚洲精品蜜臀av| 欧美高清性xxxxhd video| 精品久久国产蜜桃| 小说图片视频综合网站| 久久久国产成人精品二区| 天堂√8在线中文| 亚洲国产精品合色在线| 久久精品夜色国产| 免费电影在线观看免费观看| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品嫩草影院av在线观看| 色噜噜av男人的天堂激情| 精品久久久久久久人妻蜜臀av| 性色avwww在线观看| 久久国产乱子免费精品| 日韩一区二区视频免费看| 在线观看午夜福利视频| 成人三级黄色视频| a级一级毛片免费在线观看| 能在线免费看毛片的网站| 人人妻人人澡欧美一区二区| 日本一本二区三区精品| 日韩av在线大香蕉| 蜜臀久久99精品久久宅男| 国产日韩欧美在线精品| 久久韩国三级中文字幕| 久久99精品国语久久久| 日韩大尺度精品在线看网址| 亚洲婷婷狠狠爱综合网| 亚洲成人精品中文字幕电影| 成人欧美大片| 久久午夜福利片| 最好的美女福利视频网| 欧美最黄视频在线播放免费| 97热精品久久久久久| 美女大奶头视频| 波多野结衣巨乳人妻| 禁无遮挡网站| 成人国产麻豆网| 亚洲无线观看免费| 欧美色视频一区免费| 国内揄拍国产精品人妻在线| 日韩欧美在线乱码| 男人的好看免费观看在线视频| 26uuu在线亚洲综合色| 日日摸夜夜添夜夜添av毛片| 精品一区二区三区视频在线|