脉络学说营卫理论指导心律失常辨证论治

经脉包括经(气)络和血(脉)络,清代周学海《读医随笔》将气络末端称为"气之细络",脉络末端称为"血之细络"。心之气络涵盖心脏起搏与传导系统等广泛调控机制,心之脉络涵盖冠状动脉循环系统,心之气络与脉络相互协调,营卫相偕而行,共同维持心脏正常功能。各种致病因素导致营卫异常而发为心律失常,基于脉络学说营卫理论"损其心者,调其营卫"(《难经·十四难》)治疗原则指导心律失常辨证论治,同时充分结合现代致病因素和致病特点,分别选用调节卫气营血之方药,标本兼治,以期为临床诊疗提供有益借鉴。     

河南省非订单定向全科住院医师规范化培训结业学员的就业状况及影响因素研究

背景 全科医生数量和质量是人力资源管理的两个重要维度，其中，医生数量的新增、保持和流失，是全科人力动态规划、管理和评价的重要考量，也是全科住院医师规范化培训（简称全科住培）的绩效指标。探讨全科住培学员的就业状况及影响因素，可以为今后住培政策和激励机制的制定提供参考，但目前针对非订单定向全科住培学员的相关研究较为缺乏。 目的 了解河南省非订单定向全科住培学员的就业状况，分析学员结业后未从事全科医学相关工作的原因，从而为完善培训管理和人力资源激励机制提供参考。 方法 于2021年8月，采用分层随机整群抽样法，在河南省选取2014—2017年入培且已结业的非订单定向全科住培学员326例进行问卷调查。问卷由课题组自行设计，主要内容为学员的基本信息、全科住培情况、目前工作情况及结业后从事与未从事全科医学相关工作的原因。问卷通过"问卷星"平台发放，由学员自行填写。 结果 共发放问卷326份，回收有效问卷271份（83.1%）。结业后，从事全科医学相关工作者77例（28.4%），从事非全科医学相关工作者194例（71.6%）。多因素Logistic回归分析结果显示，年龄、文化程度、生源类型、全科住培基地所在区域是学员结业后是否从事全科医学相关工作的影响因素（P<0.05）。与结业后未从事全科医学相关工作的学员相比，结业后从事全科医学相关工作学员注册为全科医学专业的比例更高〔70.1%（54/77）比32.0%（62/194），P<0.05〕，在乡镇卫生院/社区卫生服务中心执业的比例更高〔49.4%（38/77）比6.2%（12/194），P<0.05）〕。194例未从事全科医学相关工作的学员中，从事内科学工作者78例（40.2%），从事急诊及危重症医学工作者33例（17.0%），从事外科学工作者17例（8.8%）。不选择从事全科医学相关工作的前3位原因分别为：单位安排〔34.5%（67/194）〕，所在单位没有全科医学科〔29.9%（58/194）〕，薪酬低〔26.8%（52/194）〕。 结论 非订单定向全科住培学员选择从事全科医学相关工作的比例较低，年龄、文化程度、生源类型及基地所在区域是影响因素。建议加大全科医学理念宣传，加快综合医院全科医学科建设，提高全科医生薪酬待遇，以此增加全科医生的职业吸引力。     

简明膳食自评工具在食管癌术后患者中的应用评价

目的将简明膳食自评工具（SDSAT）应用在食管癌术后患者中，评价其信度和效度。 方法本研究通过3个研究分别测量SDSAT的评定者间信度、重测信度和预测效度。研究A选择食管癌术前患者60例，由2位研究者分别进行SDSAT的测量，评价评定者间信度。研究B最终纳入食管癌术后1个月患者30例进行SDSAT的测量，间隔2周复测1次，比较2次结果，评价重测信度。研究C最终共纳入171例食管癌患者通过测量术前、术后1个月和术后3个月3个时间点测量，评价SDSAT对前白蛋白含量的预测程度。 结果评定者间信度是0.854（P<0.01）。 重测信度是0.782（P<0.01）。通过广义预测方程发现SDSAT对患者的前白蛋白含量预测效果好（P<0.01）。结论SDSAT信效度好，适合应用于评价食管癌术后患者的饮食状况。     

中性粒细胞与淋巴细胞比值对三阴性乳腺癌临床预后及与Ki - 67表达的影响

目的 探讨中性粒细胞与淋巴细胞比值（neutrophil to lymphocyte ratio，NLR）对三阴性乳腺癌的临床预后影响及与Ki - 67表达的关系。方法 回顾性分析2006年1月 - 2012年12月于我院乳腺外科住院治疗的134例三阴性乳腺癌患者。NLR最佳临床分界值采用ROC曲线确定，并依此分NLR＜2.64组和NLR≥2.64组。临床独立预后因素采用单因素和多因素Cox回归模型分析。术后生存时间和生存曲线比较采用Kaplan - Meier和log - rank方法。Ki - 67的表达采用免疫组织化学方法检测。结果 NLR是三阴性乳腺癌的独立预后因素，最佳临界值为2.64。NLR＜2.64组术后中位DFS为39.10月，中位OS为52.30月；NLR≥2.64组术后中位DFS为27.35月，中位OS为37.35月。2组术后DFS和OS比较，差异具有统计学意义（P＜0.05）。NLR低组伴Ki - 67表达阴性的三阴性患者术后中位DFS和OS生存时间显著高于其他情况。结论 NLR是三阴性乳腺癌的关键影响预后因素，具有重复性强、非侵袭性、方便实用等特性，可用于预测三阴性乳腺癌临床预后。     

Graph Convolutional Network Based on Manifold Similarity Learning

In the area of large-scale graph data representation and semi-supervised learning, deep graph-based convolutional neural networks have been widely applied. However, typical graph convolutional network (GCN) aggregates information of neighbor nodes based on binary neighborhood similarity (adjacency matrix). It treats all neighbor nodes of one node equally, which does not suppress the influence of dissimilar neighbor nodes. In this paper, we investigate GCN based on similarity matrix instead of adjacency matrix of graph nodes. Gaussian heat kernel similarity in Euclidean space is first adopted, which is named EGCN. Then biologically inspired manifold similarity is trained in reproducing kernel Hilbert space (RKHS), based on which a manifold GCN (named MGCN) is proposed for graph data representation and semi-supervised learning with four different kernel types. The proposed method is evaluated with extensive experiments on four benchmark document citation network datasets. The objective function of manifold similarity learning converges very quickly on different datasets using various kernel functions. Compared with state-of-the-art methods, our method is very competitive in terms of graph node recognition accuracy. In particular, the recognition rates of MGCN (Gaussian kernel) and MGCN (Polynomial Kernel) outperform that of typical GCN about 3.8% on Cora dataset, 3.5% on Citeseer dataset, 1.3% on Pubmed dataset and 4% on Cora_ML dataset, respectively. Although the proposed MGCN is relatively simple and easy to implement, it can discover local manifold structure by manifold similarity learning and suppress the influence of dissimilar neighbor nodes, which shows the effectiveness of the proposed MGCN.